小波(wavelet):
有限时间内平均值为0的波。
![3476447bcde18d71e7e57dca3196f191.png](https://i-blog.csdnimg.cn/blog_migrate/af12741357b429ac33f15d302600a0d9.jpeg)
适用于分析瞬变,非平稳的信号。
傅里叶变换存在的问题:
![e5720cd1dc1eb11d0d62cc920b8bff8e.png](https://i-blog.csdnimg.cn/blog_migrate/c0a0e70d6067e02e8a217d42da801356.jpeg)
第一个就是傅立叶变换是整个时域,所以没有局部特征,如果在时域张有了突变,那么在频域就需要大量的三角波去拟合。
![829cf152340496aacd692cc252ddcdeb.png](https://i-blog.csdnimg.cn/blog_migrate/5b6bf7731ecc5fb987ca998deb8f4ebd.png)
![2af067f4d916e3ff4d5931f4cdc98c1c.png](https://i-blog.csdnimg.cn/blog_migrate/e7e0073bf43acc1fdcd1a74a40c98680.jpeg)
![61d61a0eda03a1d6abcbbdeead48b0b4.png](https://i-blog.csdnimg.cn/blog_migrate/6bdc61378b541259f94a3d7db06f8d10.jpeg)
第二,面对非平稳信号,傅立叶变换不知道各成分对应的时刻是什么
![2c9ca021458e5d6a4f237fcf52129703.png](https://i-blog.csdnimg.cn/blog_migrate/daaeedda1e317c5d3c2301b9f94be042.jpeg)
针对第二个问题:采用的改进是,采用短时傅里叶变换,加入时间信息
短时傅立叶变换(Short-time Fourier Transform,STFT)
![af973580acfb16a5fa47749ff4419d05.png](https://i-blog.csdnimg.cn/blog_migrate/548e45ea17d734d655b780d0195b4ed6.jpeg)
时域上分成一段一段做FFT。
![7fca9fe1a8fa33a98b3d29f671ebf46f.png](https://i-blog.csdnimg.cn/blog_migrate/17b71b380c6b118993c1cd3103f0cba9.jpeg)
小波变换:让窗口的大小可以改变。(相当于是这样,但实际小波变换是另一个思路)
而小波变换并没有采用窗的思想,更没有做傅里叶变换。小波直接把傅里叶变换的基给换了——将无限长的三角函数基换成了有限长的会衰减的小波基。这样不仅能够获取频率,还可以定位到时间了~
这个基函数会伸缩、会平移(其实是两个正交基的分解)。缩得窄,对应高频;伸得宽,对应低频。然后这个基函数不断和信号做相乘。某一个尺度(宽窄)下乘出来的结果,就可以理解成信号所包含的当前尺度对应频率成分有多少。小波做的改变就在于,将无限长的三角函数基换成了有限长的会衰减的小波基。
![5dd4e1ae2751d4d3f12901efddafade1.png](https://i-blog.csdnimg.cn/blog_migrate/e3b01df8613ab1b753835c6af736fec3.jpeg)
傅里叶变换,变量只有频率ω,小波变换有两个变量:尺度a(scale)和平移量 τ(translation)。尺度就对应于频率(反比),平移量 τ就对应于时间。