小波变换的前因后果(二)

本文深入介绍了小波变换的概念和作用,指出它作为时间-频率分析工具,尤其适用于非平稳信号的分析。文章详细阐述了连续小波变换(CWT)和离散小波变换(DWT)的步骤及特点。CWT提供连续尺度下的信号分析,而DWT则通过尺度和时间的离散化处理适用于信号的多分辨分析和重构。小波变换在信号处理领域中的应用,如信号分解和重构,被比喻为分析信号的显微镜。
摘要由CSDN通过智能技术生成

上一章介绍了为什么要小波变换,是篇启发文。分别是解决傅里叶对局部信息不敏感、对时刻时频分析能力欠缺,衍生出来小波变换。又简单知道了小波变换的公式:尺度因子决定小波伸缩(频率)、时移因子决定滑动平移。下面开始详细介绍什么是小波变换,即CWT、DWT两种形式。

一、小波变换

小波变换是一种信号的时间——尺度(时间——频率)分析方法,它具有多分辨分析的特点,而且在时频两域都具有表征信号局部特征的能力,是一种窗口大小固定不变但其形状可改变,时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较低的时间分辨率和较高的频率分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,很适合于分析非平稳的信号和提取信号的局部特征,所以小波变换被誉为分析处理信号的显微镜。

傅里叶是将信号分解成一系列不同频率的正余弦函数的叠加,同样小波变换是将信号分解为一系列的小波函数的叠加(或者说不同尺度、时间的小波函数拟合),而这些小波函数都是一个母小波经过平移和尺度伸缩得来的,如下图。

https://i-blog.csdnimg.cn/blog_migrate/ee5b9475c08f244b49a2708436c034a8.png

小波变换常见的形式有连续小波变换(CWT)、离散小波变换(DWT)等。连续小波变换是在尺度基础上连续变换的,做信号的小波分析得到的是幅值,a时间的三维图,对应的a值所截得的曲线即为该尺度的小波图形。而离散小波变换常用的是二进小波变换,对尺度和时间进行离散化处理

1、CWT连续小波变换

https://i-blog.csdnimg.cn/blog_migrate/1e670cc8e5c773531de14872de22cd08.png

CWT步骤:

(1)首先选择一个小波基函数,固定一个尺度因子,将它与信号的初始段进行比较;

(2)通过CWT的计算公式计算小波系数(反映了当前尺度下的小波与所对应的信号段的相似程度);

(3)改变平移因子,使小波沿时间轴位移,重复上述两个步骤完成一次分析;

(4)增加尺度因子,重复上述三个步骤进行第二次分析;

(5)循环执行上述四个步骤,直到满足分析要求为止。

https://i-blog.csdnimg.cn/blog_migrate/af59654d490872aeae909f84686ccb8b.png

连续小波变换是在尺度基础上连续变换的,做信号的小波分析得到的是幅值,a时间的三维图,对应的a值所截得的曲线即为该尺度的小波图形。而集散小波变换常用的是二进小波变换。

但是,cwt的结果都相当于DWT中的细节信息(即所谓DWT中的高频信息。虽然越向后频率越低,有时已不能用“高频”来形容了,但这时的高频是相对概念,是相对于同阶逼近信息还是高的),只是其尺度是连续的尺度越大频率越低,一直低下去。

morlet等小波只能做CWT,有些是因为没法儿构造尺度函数,有些是根本就没有逆变换(只有满足某些条件,CWT才存在逆变换,这与小波基有关),有些是如何离散化也不能构成正交或双正交基,甚至按照二进制的离散化不能构成紧支的框架,所以它们通常不能做DWT,也就没有逆变换、重构一说了。

2、DWT离散小波变换

离散小波变换DWT对尺度参数按幂级数进行离散化处理,对时间进行均匀离散化取值如二进制离散化尺度时间为2,4,6,8...2n(要求采样率满足尼奎斯特采样定理),常用于信号的多分辨分析、信号分解重构。

https://i-blog.csdnimg.cn/blog_migrate/80191917c6f5e5fa44e37182ef9fecaf.png

多分辨分析也称为多尺度分析,是建立在函数空间概念上的理论。在不同的尺度和时间下,分别构造了尺度函数向量组合小波函数向量组,也即是尺度函数向量空间V小波函数向量空间W,在一定层次下,信号在尺度空间做卷积所得到的是信号的近似、低频信息,信号在小波空间W做卷积所得到的是信号的细节、高频信息。(注意:尺度与分解层数不是一个概念,尺度与频率成反比的,分解层数是对频率的范围进行一定的划分)。

https://i-blog.csdnimg.cn/blog_migrate/9edcde721680a1710864ff245c29b31c.png

在多分辨分析中,如正交小波变换可以等效为一组镜像滤波的过程,即信号通过一个分解高通滤波器和分解低通滤波器,高通自然的滤波器输出对应的信号的高频分量部分,称为细节分量低通滤波器输出对应了信号的相对较低的频率分量部分,称为近似分量。对应的快速算法称为Mallat算法。(后面章节就讲述) 

https://i-blog.csdnimg.cn/blog_migrate/2a0caedf65ab80079117a864c0edf035.png

小波分解重构过程(其中CA为低频信息、近似分量,CD为高频、细节分量):

https://i-blog.csdnimg.cn/blog_migrate/569069c4422d3e1a57a3eb8b99eb960c.png

后见小波变换的前因后果(三)

  • 3
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值