小波变换及小波阈值去噪
1、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。
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。
-
CWT
步骤:- 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;
- 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);
- 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;
- 增加尺度因子,重复上述三个步骤进行第二次分析;
- 循环执行上述四个步骤,直到满足分析要求为止。
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。 -
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。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与小波函数向量空间 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)。
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,自然的高通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。
1.1、二维图像 Haar 变换
从水平和竖直两个方向进行低通和高通滤波(水平和竖直先后不影响),用图像表述如下图所示:图 a 表示原图,图 b 表示经过一级小波变换的结果,h1 表示水平方向的细节,v1 表示竖直方向的细节,c1表示对角线方向的细节,b 表示下2采样的图像。图 c 中表示继续进行 Haar
小波变换。
1.2、二维离散小波变换
A 是低频信息,H 是水平高频信息,V 是垂直高频信息、D 是对角高频信息。