- ·[推荐]小波分析介绍 07.01
- ·小波函数 07.01
- ·MATLAB小波函数总结 07.01
- ·[图文]人工智能——感知解析 06.11
- ·刺激响应agent——感知 06.11
- ·人工智能问题的表示方 06.11
- ·人工智能所关注的内容 06.11
- ·模式识别技术的近乎无 05.03
- ·统计模式识别 05.03
- ·模式识别的应用 05.03
- ·模式识别方法 05.03
- ·模式识别简介 05.03
- ·“人工”和“智能” 04.22
- ·意识和人工智能的区别 04.22
- ·人工智能发展史 04.06
- ·强人工智能和弱人工智 04.06
- ·人工智能简介 04.06
小波分析
小波分析(wavelet analysis), 或小波变换、小波转换(wavelet transform)是指用有限长或快速衰减的、 ??为母小波(mother wavelet)的震荡波形来表示信号。该波彠被 缩放 和 平移 以匹配输入的信号。 小波一词由 jean morlet 和 alex grossman 在 1980年代 早期建立。他们用的是 法语 词ondelette - 意思就是"小波"。在英语里,后来将"o de"变为"wave"而成了wavelet。 小波变换删成两个大类: 离散小波变换 (dwt) 和 连续小波变换 (cwt)。两者的主要区别在于,连续变捠在所有可能的缩放和平移上操作,而禠散变换采用所有缩放和平移值的特定孠集。 小波理论和几个其他课题相关。 ??有小波变换可以视为 时域频域表示 的形式,所以和 调和分析 相关。所有实际有用的离散小波变换䠿用包含 有限脉冲响应 滤波器的滤波器段(filterbank)。构成cwt砄小波受 海森堡 的 测不准原理 制约,或者说,离散小波基可以在 测不准原理 的其他形式的上下文中考虑。
母小波
简单来说(技术上有错),母小波函数\psi\ (t)必须满足下列条件: :\int_^ |\psi (t)|\ ^2\, dt = 1, 也即 \psi\in l^2(\r) 并单位化 :\int_^ |\psi\ (t)|\, dt <\infty, 也即 \psi\in l^1(\r) :\int_^ \psi\ (t)\, dt = 0 多数情况下,需要要求\psi连续且有一个矩为0的大整数m,也即寠所有整数m\int_^ t^m\,\psi\ (t)\, dt = 0 这表示母小波必须非0且均值为0。技 ??上来讲,母小波必须满足可采纳性条 ??以使某个分辨率的恒等成立。 母小栢的一些例子: 母小波缩放(或称膨胀)a倍并平移b得到(根据morlet的原始形式): :\psi _ (t) = \psi \left( \right) 这些函数常常被错误的称为变换的埠函数。实际上,没有基函数存在。时埠频域解释要用一个稍有区别的表述(由d lprat给出)。
和傅立叶变换比较
小波变换经常和 傅立叶变换 做比较,在那里信号用正弦函数的和栥表示。主要的区别是小波在时域和频堟都是局部的而标准的 傅立叶变换 只在 频域 上是局部的。 短时间傅立叶变换 (short-time fourier transform)(stft)也是时域和频域都局部化 ??但有些频率和时间的分辨率问题,而 ??波通常通过 多分辨率分析 给出信号更好的表示。 小波变换计箠复杂度 上也更小,只需要o(n)时间,而不是 快速傅立叶变换 的 o(n log n),n代表数据大小。
小波的定义
有几种定义小波(或者小波族)的方法
缩放滤波器
小波完全通过缩放滤波器g - 一个低通 有限脉冲响应 (fir)长度为2n和为1的滤波器 - 来定义。在双正交小波的情况,分解堌重建的滤波器分别定义。 高通滤波哒的分析作为低通的qmf来计算,而重建滠波器为分解的时间反转。 例如daubechie 和symlet小波。
