从傅里叶变换到小波变换概述

傅里叶变换（FT）

傅里叶变换的核心：从时域到频域的变换（通常通过一组特殊的正交基实现）。时域是我们最直观能感受到的一个域，以时间参考让我们更容易理解（未必方便使用/计算）。比如我们想加强一段音频的低频部分，从时域的图像看起来似乎杂乱无章，想找到低音部分无从下手。
最容易理解的表现形式并不一定是最方便计算的，我们往往需要进行一种变换，将在原来空间中难以处理的问题变换到方便计算的空间中。频率是物质每秒钟完成周期性变化的次数。低音问题狮实在频率范围内考虑的问题了。

快速傅里叶变换（FFT）

FFT的基本思想是把原始的N点序列，依次分解成一系列的短序列。充分利用离散傅里叶变换（DFT）计算式中指数因子 所具有的对称性质和周期性质，进而求出这些短序列相应的DFT并进行适当组合，达到删除重复计算，减少乘法运算和简化结构的目的。

傅里叶变换的局限性

对于非平稳过程（频率随时间变化的非平稳信号），傅里叶变换具有天生缺陷，只能获取一段信号总体上包含哪些成分。但是对各成分出现的时刻并无所知，因此时域相差很大的两个信号可能频谱一样。

然而平稳信号大多是人为制造出来的，自然界的大量信号几乎都是非平稳的。对于很多非平稳信号，只知道包含哪些频率成分时不够的，我们还想知道各个成分出现的时间，知道信号频率对时间变化情况，各个时刻的瞬时频率及其幅值----这也就是时频分析。

短时傅里叶变换（STFT）

选择一个时频局部化窗函数（加窗，短时间间隔内信号时平稳的），移动窗函数，使得在有限时间宽度内是平稳信号，时域上分成一段一段做FFT，从而计算出不同时刻的功率谱。

短时傅里叶变换的局限性

但是STFT依然有缺陷，使用STFT存在一个问题，我们应该使用多宽的窗函数？
窗太宽太窄都有问题：
1、窗太窄→导致频率分析不够精准，频率分辨率差。
2、窗太宽→导致时域上不够精细，时间分辨率差。
然而STFT的窗口是固定的，在一次STFT中宽度不会变化，所以STFT还是无法满足非稳态信号变化的频率需求。

小波变换（WT）

小波基所做的改变：将无限长的三角函数基换成了优先长的会衰减的小波基
它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口。
主要特点是通过变换能够充分突出问题某些方面的特征，能对时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。