小波变换及小波阈值去噪

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：

  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。

  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。

1.3、使用到的函数介绍