小波变换之连续小波变换

小波变换

相比于STFT（短时傅里叶变化），小波变换可以改变窗口的大小，进而可以进一步分析出信号的高频突发特性，在现实生活中信号处理领域有着更广泛的应用。下面主要介绍了连续小波变换（cwt）和离散小波变换（dwt）。

连续小波变换（CWT）

小波函数

什么是小波？小波的含义，即为时间上衰减快，和傅里叶的正弦波相比要短。
一个典型的morlet小波如下图：

matlab有很多自带的小波函数，利用wavemngr(‘read’,1)可以进行小波的查看，利用waveinfo可以查看小波的相关信息。
在时间域上，可以通过小波在时间上的移动，逐一比较不同位置的窗口信号，得到小波系数，小波系数越大，则证明小波与该段信号的拟合程度越好。小波的波动性可以用复三角函数表达，小则用衰减函数表达，数学上把这种小称为有限支撑。即morlet小波的有限支撑是通过一个指数衰减函数实现的。复三角函数使其能分析频率（和原始信号乘积积分求极大值），衰减函数使其可以定位时间，它们加起来，才使得morlet小波可以用来做时频分析。
计算中用小波函数与该窗口信号的卷积，作为该窗口下的小波系数。窗口的长度和小波的长度是相同的。

在频率域上，通过拉伸或压缩小波的长度，来改变小波的长短和频率，实现不同频率下的小波系数。相应的，窗口长度也会随着小波长度变化。由于高频处小波被压缩，时间窗变窄，使得时间分辨率更高。
将不同频率下的小波系数组合起来，便得到了时频变换的小波系数图。

从图上可以看到，低频处频率分辨率要好于高频处的，但时域分辨率低频处比高频处差，小波时频图的特点为整体呈现高频处高而瘦，低频处矮而宽，也满足测不准原理
小波中，一般用尺度$scale$来衡量小波的频率$f$，两者之间的转换关系为：
$$scale\ast f=F_s\ast \omega c_f$$
公式中，$F_s$代表信号的采样频率，$\omega c_f$为小波的中心频率（wave central freq），在matlab里可以用 centfrq(wavename) 来查询。

新版本小波函数的用法

[wt,f] = cwt(x,wname,fs)

使用例子为：

% 定义信号信息
fs=2^6;    %采样频率
dt=1/fs;    %时间精度
timestart=-8;
timeend=8;
t=(0:(timeend-timestart)/dt-1)*dt+timestart;
L=length(t);

z=4*sin(2*pi*linspace(6,12,L).*t);

%matlab自带的小波变换
%新版本
figure(1)
[wt,f,coi] = cwt(z,'amor',fs);
pcolor(t,f,abs(wt));shading interp

结果如下：

cwt的边缘效应与影响锥

cwt(z)

由于小波计算中，小波系数是利用窗口函数和小波卷积而来的，当窗口在信号的边缘时，窗口内会存在一部分没有信号。这时，matlab就把窗口内这部分不完整的信号补零处理，凑够长度。此时由于信号在边缘被强制补零，导致信号会失真，具体在时频图中表示为频率变宽，信号强度降低。严重的时候，甚至整个低频部分都会出现失真。这就是cwt的边缘效应。
为了确定边缘效应的影响，绘制出了一条影响曲线，曲线内部的信号影响小或者不受影响，曲线外部影响较大。曲线像一个锥形，高频处靠近两侧，低频处靠近中间，所以也被叫做影响锥。

cwt的重构——icwt

如果用的是matlab新版的默认小波，那么可以直接把cwt之后小波系数icwt即可得到时域信号值即可。

load mtlb;
wt = cwt(mtlb);
xrec = icwt(wt);