原文地址 http://laochouchong.blog.163.com/blog/static/17677501820113894459280/
小波的消失矩的定义为,若<x^k,f>=0,0<=k<N,称小波函数具有N阶消失矩,度量函数的正则性时,消失矩的概念是重要的,若消失矩的阶数小于正则性指数,这是小波度量不出该正则性指数,只有当消失矩的阶数高于正则性指数时才能度量出该正则性指数,另外一个应用是多项式压缩,就是楼上说的内容。并不是消失矩阶数越高越好,看作什么应用,随着消失矩的增加,一个负面的影响是其支撑长度变宽,运算量增加。因此在度量信号奇异性时不应使用具有高阶消失矩的小波。
我们通常用的函数dbn中的n就是这个小波函数的消失矩;
消失矩越大,它的支撑长度就越大,通常是支撑长度不少于2*n-1的;
消失矩越大,对应的滤波器越平坦,而且小波函数的振荡很强.
光滑函数在利用小波展开后的零点越多,也就是说小波的消失矩的大小,
决定了小波逼近光滑信号的能力.这一点也可以用来进行图像压缩.
越大的消失矩将使高频系数越小,小波分解后的图像能量也就很集中,压缩比例就越高.
通常我们都愿意采用消失矩较高的小波函数.
我们可以对一个信号,采用不同的消失矩的小波函数来分解,就可以更加感性的了解它..
由图中我们可以看出消失矩增大时,它的高频分量中的零越来越多。
因此,总结起来有下面的结论:
1)消失矩大,小波函数光滑;
2)支撑长度长;
3)压缩率大;
4)信号分解后,高频分量少,低频分量多;
5)消失矩大,小波函数光滑,支撑长度长。但其傅立叶变换恰好相反,即消失矩小的话,其频域支撑长度长且光滑性好;
6)消失矩大,滤波器的长度越长。
参考下面的文献,无疑会对理解消失矩有益。
来源:http://bigwww.epfl.ch/publications/unser9602.html
小波的消失矩的定义为,若<x^k,f>=0,0<=k<N,称小波函数具有N阶消失矩,度量函数的正则性时,消失矩的概念是重要的,若消失矩的阶数小于正则性指数,这是小波度量不出该正则性指数,只有当消失矩的阶数高于正则性指数时才能度量出该正则性指数,另外一个应用是多项式压缩,就是楼上说的内容。并不是消失矩阶数越高越好,看作什么应用,随着消失矩的增加,一个负面的影响是其支撑长度变宽,运算量增加。因此在度量信号奇异性时不应使用具有高阶消失矩的小波 |
小波的消失矩的定义为,若<x^k,f>=0,0<=k<N,称小波函数具有N阶消失矩,度量函数的正则性时,消失矩的概念是重要的,若消失矩的阶数小于正则性指数,这是小波度量不出该正则性指数,只有当消失矩的阶数高于正则性指数时才能度量出该正则性指数,另外一个应用是多项式压缩,就是楼上说的内容。并不是消失矩阶数越高越好,看作什么应用,随着消失矩的增加,一个负面的影响是其支撑长度变宽,运算量增加。因此在度量信号奇异性时不应使用具有高阶消失矩的小波 |
小波的消失矩的定义为,若<x^k,f>=0,0<=k<N,称小波函数具有N阶消失矩,度量函数的正则性时,消失矩的概念是重要的,若消失矩的阶数小于正则性指数,这是小波度量不出该正则性指数,只有当消失矩的阶数高于正则性指数时才能度量出该正则性指数,另外一个应用是多项式压缩,就是楼上说的内容。并不是消失矩阶数越高越好,看作什么应用,随着消失矩的增加,一个负面的影响是其支撑长度变宽,运算量增加。因此在度量信号奇异性时不应使用具有高阶消失矩的小波 |
小波的消失矩的定义为,若<x^k,f>=0,0<=k<N,称小波函数具有N阶消失矩,度量函数的正则性时,消失矩的概念是重要的,若消失矩的阶数小于正则性指数,这是小波度量不出该正则性指数,只有当消失矩的阶数高于正则性指数时才能度量出该正则性指数,另外一个应用是多项式压缩,就是楼上说的内容。并不是消失矩阶数越高越好,看作什么应用,随着消失矩的增加,一个负面的影响是其支撑长度变宽,运算量增加。因此在度量信号奇异性时不应使用具有高阶消失矩的小波 |