小波变换

FT-傅里叶变换

• 频谱图：展示原始信号中存在哪些频率分量

• 通过FT给出信号包含的频率信息，原始信号中不同频率信号有多少；但是无法给出某个频率分量何时出现没，有时频分析。和FT的变换公式有关，在整个实际时间上进行积分，无法体现频谱的局部特性。

傅里叶变换缺点： 
（1） Fourier分析不能刻画时间域上信号的局部特性 
（2） Fourier分析对突变和非平稳信号的效果不好，没有时频分析

平稳信号：某个信号的频率分量一直保持不变【无无需知道频率分量出现的时间，因为所有的频率分量出现在信号的每一个时刻】

非平稳信号【信号频率不断变换，边频信号】

STFT--短时傅里叶变换

• 对频谱分量进行时间定位，得到信号时频表示的数学变换
• 思想：将非平稳信号分成足够小的片段，即加窗，从窄窗中观察信号，可以看成为平稳信号
• 对乘了窗的信号做傅里叶变换【or STFT是给信号加窗，分段做FFT】

• 问题：窗函数宽度固定，存在分辨率问题【窗窄--高时间分辨率，低频率分辨率】

小波变换：

• 多分辨率分析法：不同分辨率分析信号不同的频率分量
• 在高频处花时间细分，低频除频率细分；
• 本质：小波函数与原信号的相似性；小波系数--小波基函数与原信号相似系数
• 小波直接把傅里叶变换的基给换了——将无限长的三角函数基换成了有限长的会衰减的小波基。这样不仅能够获取频率，还可以定位到时间。 
  这个基函数会伸缩、会平移（其实是两个正交基的分解）。缩得窄，对应高频；伸得宽，对应低频。然后这个基函数不断和信号做相乘。某一个尺度（宽窄）下乘出来的结果，就可以理解成信号所包含的当前尺度对应频率成分有多少。于是，基函数会在某些尺度下，与信号相乘得到一个很大的值，因为此时二者有一种重合关系。那么我们就知道信号包含该频率的成分的多少。
• 小波做的改变就在于，将无限长的三角函数基换成了有限长的会衰减的小波基。

• tao-平移，s--缩放，psai--母小波-变换函数
• 1/sqrt（abs（s））---能量归一化，使变换后的信号在任意的比例上有相同的能量
• 缩放变量s做分母，s>1--放大，s<1--缩放
• 计算过程：给定的s后，将小波基进行平移，利用CWT公式计算出，每个位置上的值，直至信号末端。得到时间-尺度内一行。然后修改s，进一步计算。当定影所有s计算完成后，连续小波变换完成。
• 平移，信号被定为在时间轴上；【平移--对应时间--母小波位置】
• 改变s，信号被定位在频率范围内；
• 同样尺度/比例：计算结果为时间--尺度行；不同比例，计算结果为时间--尺度列。
• 常用小波：Morlet小波 or墨西哥帽小波
• 小波：在整个事件范围的幅度平均值为0，具有有限的持续时间和突变频率和振幅，可以不规律，也可以不对称。

 

 

https://blog.csdn.net/qq_20823641/article/details/51829981

https://blog.csdn.net/alihouzi/article/details/45190303