小波变换学习笔记

 一、小波介绍概括（来源于百度）    

       传统的信号理论，是建立在Fourier分析基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性，如不具备局部化分析能力、不能分析非平稳信号等。在实际应用中人们开始对Fourier变换进行各种改进，以改善这种局限性，如STFT(短时傅立叶变换)。由于STFT采用的的滑动窗函数一经选定就固定不变，故决定了其时频分辨率固定不变，不具备自适应能力，而小波分析很好的解决了这个问题。小波分析是一种新兴的数学分支，它是泛函数、Fourier分析、调和分析、数值分析的最完美的结晶;在应用领域，特别是在信号处理、图像处理、语音处理以及众多非线性科领域，它被认为是继Fourier分析之后的又一有效的时频分析方法。小波变换与Fourier变换相比，是一个时间和频域的局域变换因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数和信号进行多尺度细化分析(Multiscale Analysis)，解决了Fourier变换不能解决的许多困难问题。

       与Fourier变换相比，小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。数学家认为，小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样条分析、数值分析的完美结晶;信号和信息处理专家认为，小波分析是时间-尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。信号分析的主要目的是寻找一种简单有效的信号变换方法，使信号所包含的重要信息能显现出来。小波分析属于信号时频分析的一种，在小波分析出现之前，傅立叶变换是信号处理领域应用最广泛、效果最好的一种分析手段。傅立叶变换是时域到频域互相转化的工具，从物理意义上讲，傅立叶变换的实质是把这个波形分解成不同频率的正弦波的叠加和。正是傅立叶变换的这种重要的物理意义，决定了傅立叶变换在信号分析和信号处理中的独特地位。傅立叶变换用在两个方向上都无限伸展的正弦曲线波作为正交基函数，把周期函数展成傅立叶级数，把非周期函数展成傅立叶积分，利用傅立叶变换对函数作频谱分析，反映了整个信号的时间频谱特性，较好地揭示了平稳信号的特征。  

        小波变换是一种新的变换分析方法，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，是进行信号时频分析信号和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，因此，小波变换在许多领域都得到了成功的应用，特别是小波变换的离散数字算法已被广泛用于许多问题的变换研究中。从此，小波变换越来越引起人们的重视，其应用领域来越来越广泛。

 

二、短时傅里叶变换引出小波变换（参考：https://zhuanlan.zhihu.com/p/22450818?refer=dong5）

       由于傅里叶变换只能获取一段信号总体上包含哪些频率的成分，但是对各成分出现的时刻并无所知。因此，对时域部分进行了加窗，将它等分成若干小份。像下面这样：

          时域上分成一段一段做FFT。则它的时频图可以变成下面这样，可以看到它的频域和时间结合起来了：

       但是依然存在的问题是，太宽或者太窄都不行，窗太窄，窗内的信号太短，会导致频率分析不够精准，频率分辨率差。窗太宽，时域上又不够精细，时间分辨率低。窗口尺寸的选择是我们需要考虑的。窄窗口时间分辨率高、频率分辨率低，宽窗口时间分辨率低、频率分辨率高。高频适合小窗口，低频适合大窗口。而一张图里面可能高频低频都会有，也就是我们需要窗口的尺寸是能变化的，有人说可以多用几次短时傅里叶变换，每次的窗口尺寸不一样就可以了。这是一种思路，但是存在的问题是短时傅里叶冗余太严重，做不到正交化。这时候小波出现了，与傅里叶变化不同的是，它将无限长的三角函数基换成了有限长的会衰减的小波基。像这样：

       相对于傅里叶函数的只有一个w参数，小波有尺度参数a，平移参数，其中a与频率成反比，代表了时间参数，这里的尺度参数a可以对应我们刚刚所说的窗口尺寸了，尺度大则低频，尺度小则高频，也符合上面说的要求。所以小波变换既有频域量又有时域量在里面。它的图可以如下图所示：

所有信号空间都可以表示成这个样子：

小波的深入：母小波、父小波：https://blog.csdn.net/wanglang3081/article/details/17751805

三、优点及应用

从图像处理的角度看，小波变换存在以下几个优点:

⑴小波分解可以覆盖整个频域(提供了一个数学上完备的描述)

⑵小波变换通过选取合适的滤波器，可以极大的减小或去除所提取得不同特征之间的相关性

⑶小波变换具有"变焦"特性，在低频段可用高频率分辨率和低时间分辨率(宽分析窗口)，在高频段，可用低频率分辨率和高时间分辨率(窄分析窗口)

⑷小波变换实现上有快速算法(Mallat小波分解算法)

小波变换是把信号分解成一系列的小波（经过原始小波伸缩和平移得到的）。对于图像，要知道量化级数决定了图像的分辨率，量化级数越高，图像越是清晰，图像的分辨率就高。小波具体的图像处理操作可以用来进行图像分解、图像去噪、图像边缘检测。