一、傅里叶变换 (FT)
二、傅里叶变换(FT)的缺点与短时傅里叶变换(STFT)
三、短时傅里叶变换(STFT)的缺点与连续小波变换(CWT)
四、连续小波变换(CWT)的缺点与离散小波变换(DWT)
源代码:1368069096/From_FT_to_WT_examples-
四、连续小波变换(CWT)的缺点与离散小波变换(DWT)
1、连续小波变换(CWT)的缺点
在上一篇文章(https://zhuanlan.zhihu.com/p/68323379)中我们讲解了 CWT可以实现动态分辨率的时频分析。CWT公式为:
但是在第二篇文章(https://zhuanlan.zhihu.com/p/66246381)中我们讲过,实际采样信号往往具有两个特点:1、离散性,就是采集数据不连续,很容易理解,采集信号肯定是一个一个数据采集的;2、有限性,虽然理想的CWT是从
所以,由于CWT需要一个连续信号,但是实际采样信号往往是离散的,我们无法直接对实际信号进行CWT。
或许你想,我们对实际采样信号进行插值连续化不就可以使得其连续了吗?
是的。将实际采样信号插值连续化之后,我们——人,是可对它进行CWT的。
但是,我们也都知道,我们的帮手——计算机,是无法处理连续问题的。计算机只能处理离散问题。如果计算机要进行CWT,就意味着需要计算机做无穷次运算,计算机计算能力再强也是做不到的。
因此,为了使得计算机可以进行小波变换,我们需要引入离散小波变换(DWT)。
2、离散小波变换(DWT)的Mallet算法
DWT有很多种实现方式,我们在这里介绍Mallet算法,它是DWT的以一种经典的快速算法,也比较易懂。
我们首先来回顾一下上一篇文章讲过的动态分辨率图:高频部分,窄窗,高的时域分辨率,低的频域分辨率;低频部分,宽窗,低的时域分辨率,高的频域分辨率。
我们是利用小波母函数的挤压和拉伸来实现动态分辨率的:
当小波母函数被挤压的时候,频率就高,此时窗子窄,时域分辨率就好,根据海森堡测不准原理,频域分辨率就差;
当小波母函数被拉伸的时候,频率就低,此时窗子宽,时域分辨率就差,根据海森堡测不准原理,频域分辨率就好。
也就是说,我们控制的是不同频率对应的窗长(即时域分辨率)ÿ