感受小波

 

最近，我通过自学了小波的信号分解与重构算法、图像分解、降噪与重构算法以及基于小波的图像融合算法的基本原理，通过阅读李建平译等的《小波十讲》、《科学技术中的小波分析》、孙延奎著的《小波分析及其应用》等书籍，浏览研学论坛的相关专业版块，我获益良多，并激发了深入学习小波理论、掌握小波应用技术的兴趣，正在往小波分析与神经网络、模式识别结合的方向进行学习研究。

下面，结合相关的专业书籍和网络文献资料，谈谈我对小波的理解：

1、小波与傅立叶变换

任何学科都是由一门基本学科积累发展起来的，要做到学好用好，就得把基本学科的概念、原理理解透、掌握好。小波变换是由傅立叶变换的基础上发展起来的，其前身是短时傅立叶变换。所以，如果傅立叶变换没有学好（深入理解概念），是难以学好小波的。同样地，如果第一代小波变换没学好，也学不好第二代小波变换。不过若注重于编程应用，对基础原理的掌握要求就没那么高了。没学好傅立叶变换，能否操作（编程）小波变换，或是没学好第一代小波，能否操作二代小波变换，这个答案是肯定的。编程应用，只要能理解透算法，就可以相对容易的利用熟悉的程序语言编写实现。所以，要学好用好小波，还是得踏踏实实从最基本的傅立叶变换学起。

2、基的概念

学习小波，我们首先要明确的是基的概念。基相当于人体的骨骼，支撑其整个函数（信号）空间，信号可以分成无穷多个基的和（叠加）。而展开系数就是基与信号之间的内积，更通俗的说是投影。展开系数大的，说明信号和基是足够相似的。这也就是相似性检测的思想。但我们必须明确的是，傅立叶变换的基对应于定义在0-2pi区间上的标准正交基，而小波变换是负无穷到正无穷之间的基。因此，小波在实轴上是紧支撑的。而傅立叶的基（正弦或余弦），与此相反。而小波函数能不能成为Reisz基，或标准稳定的正交基，还有其它的限制条件。此外，两者相似的还有就是PARSEVAL定理，即时频能量守恒定理。