第六章 时间序列的小波分析
时间序列（Time Series ）是地学研究中经常遇到的问题。在时间序列研究中，时域和频域是常用的两种基本形式。其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析（如Fourier 变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。然而，地学中许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。显然，时域分析和频域分析对此均无能为力。
20世纪80年代初，由Morlet 提出的一种具有时-频多分辨功能的小波分析（Wavelet Analysis ）为更好的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计。
目前，小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域内得到了广泛的应。在时间序列研究中，小波分析主要用于时间序列的消噪和滤波，信息量系数和分形维数的计算，突变点的监测和周期成分的识别以及多时间尺度的分析等。
一、小波分析基本原理
1. 小波函数
小波分析的基本思想是用一簇小波函数系来表示或逼近某一信号或函数。因此，小波函数是小波分析的关键，它是指具有震荡性、能够迅速衰减到零的一类函数，即小波函数)R (L )t (2∈ψ且满足：
?
+∞
∞
-=0dt )t (ψ （1）
式中，)t (ψ为基小波函数，它可通过尺度的伸缩和时间轴上的平移构成一簇函数系：
)a
b
t (
a
)t (2
/1b ,a -=-ψψ 其中，0a R,b a,≠∈ （2） 式中，)t (b ,a ψ为子小波；a 为尺度因子，反映小波的周期长度；b 为平移因子，反应时间上的平移。 需要说明的是，选择合适的基小波函数是进行小波分析的前提。在实际应用研究中，应针对具体情况选择所需的基小波函数；同一信号或时间序列，若选择不同的基小波函数，所得的结果往往会有所差异，有时甚至差异很大。目前，主要是通过对比不同小波分析处理信号时所得的结果与理论结果的误差来判定基小波函数的好坏，并由此选定该类研究所需的基小波函数。
2. 小波变换
若)t (b ,a ψ是由（2）式给出的子小波，对于给定的能量有限信号)R (L )t (f 2
∈，其连续小波变换（Continue Wavelet Transform ，简写为CWT ）为：
dt )a
b
t (
f (t)a
)b ,a (W R
2
/1-f ?-= （3） 式中，)b ,a (W f 为小波变换系数；f(t)为一个信号或平方可积函数；a 为伸缩尺度；b 平移参数；
)a
b x (-ψ为)a
b
x (-ψ的复共轭函数。地学中观测到的时间序列数据大多是离散的，设函数)t k (f ?，（k=1,2,…,N; t ?
为取样间隔），则式（3）的离散小波变换形式为：
)a
b
-t k (
t)f(k t a
)b ,a (W N
1
k 2
/1-f ???=∑=ψ （4）
由式（3）或（4）可知小波分析的基本原理，即通过增加或减小伸缩尺度a 来得到信号的低频或高频信息，然后分析信号的概貌或细节，实现对信号不同时间尺度和空间局部特征的分析。
实际研究中，最主要的就是要由小波变换方程得到小波系数，然后通过这些系数来分析时间序列的时频变化特征。
3. 小波方差
将小波系数的平方值在b 域上积分，就可得到小波方差，即
db )b a,(W )a (Var 2
f ?∞
∞
-= (5)
小波方差随尺度a 的变化过程，称为小波方差图。由式(5)可知，它能反映信号波动的能量随尺度a 的分布。因此，小波方差图可用来确定信号中不同种尺度扰动的相对强度和存在的主要时间尺度，即主周期。
二、小波分析实例-时间序列的多时间尺度分析(Multi-time scale analysis)
例题
河川径流是地理水文学研究中的一个重要变量，而多时间尺度是径流演化过程中存在的重要特征。所谓径流时间序列的多时间尺度是指：河川径流在演化过程中，并不存在真正意义上的变化周期，而是其变化周期随着研究尺度的不同而发生相应的变化，这种变化一般表现为小时间尺度的变化周期往往嵌套在大尺度的变化周期之中。也就是说，径流变化在时间域中存在多层次的时间尺度结构和局部变化特征。
表1给出了某流域某水文观测站1966-2004年的实测径流数据。试运用小波分析理论，借助Matlab6.5、suffer8.0和相关软件（Excel 等），完成下述任务：⑴计算小波系数；⑵绘制小波系数图（实部、模和模方）、小波方差图和主周期变化趋势图，并分别说明各图在分析径流多时间尺度变化特征中的作用。
表1 某流域某水文观测站1966-2004年实测径流数据（×108m 3
） 年份 径流量 年份 径流量 年份 径流量 年份 径流量 年份 径流量 1966 1.438 1974 2.235 1982 0.774 1990 1.806 1998 1.709 1967 1.151 1975 4.374 1983 0.367 1991 0.449 1999 0.000 1968 0.536 1976 4.219 1984 0.562 1992 0.120 2000 0.000 1969 1.470 1977 2.590 1985 3.040 1993 0.627 2001 2.104 1970 3.476 1978 3.350 1986 0.304 1994 1.658 2002 0.009 1971 4.068 1979 2.540 1987 0.728 1995 1.025 2003 3.177 1972 2.147 1980 0.807 1988 0.492 1996 0.955 2004 0.921 1973 3.931
1981
0.573
1989
0.007
1997
1.341
分析
1. 选择合适的基小波函数是前提
在运用小波分析理论解决实际问题时，选择合适的基小波函数是前提。只有选择了适合具体问题的基小波函数，才能得到较为理想的结果。目前，可选用的小波函数很多，如Mexican hat 小波、Haar 小波、Morlet 小波和Meyer 小波等。在本例中，我们选用Morlet 连续复小波变换来分析径流时间序列的多时间尺度特征。原因如下：
1.1 径流演变过程中包含“多时间尺度”变化特征且这种变化是连续的，所以应采用连续小波变换来进行此项分析。
1.2实小波变换只能给出时间序列变化的振幅和正负，而复小波变换可同时给出时间序列变化的位相和振幅两方面的信息，有利于对问题的进一步分析。
1.3 复小波函数的实部和虚部位相差为π/2，能够消除用实小波变换系数作为判据而产生的虚假振荡，使分析结果更为准确。
2. 绘制小波系数图、小波方差图和主周期变化趋势图是关键
当选择好合适的基小波函数后，下一步的关键就是如何通过小波变换获得小波系数，然后利用相关软件绘制小波系数图、小波方差图和主周期变化趋势图，进而根据上述三种图形的变化识别径流时间序列中存在的多时间尺度。
具体步骤
1. 数据格式的转化
2. 边界效应的消除或减小
3. 计算小波系数
4. 计算复小波系数的实部
5. 绘制小波系数实部等值线图
6. 绘制小波系数模和模方等值线图
7. 绘制小波方差图
8. 绘制主周期趋势图
下面，我们以上题为例，结合软件Matlab 6.5、Suffer 8.0和Excel ，详细说明小波系数的计算和各图形的绘制过程，并分别说明各图在分析径流多时间尺度变化特征中的作用。
1. 数据格式的转化和保存
将存放在Excel 表格里的径流数据（以时间为序排为一列）转化为Matlab 6.5识别的数据格式（.mat ）并存盘。
具体操作为：在Matlab 6.5 界面下，单击“File-Import Data ”，出现文件选择对话框“Import ”后，找到需要转化的数据文件（本例的文件名为runoff.xls ），单击“打开”。等数据转化完成后，单击“Finish ”，出现图1显示界面；然后双击图1中的Runoff ，弹出“Array Editor: runoff ”对话框，选择File 文件夹下的“Save Workspace As ”单击，出现图2所示的“Save to MAT-File:”窗口，选择存放路径并填写文件名（runoff.mat ），单击“保存”并关闭“Save to MAT-File ”窗口。
2. 边界效应的消除或减小
因为本例中的实测径流数据为有限时间数据序列，在时间序列的两端可能会产生“边界效用”。为消
除或减小序列开始点和结束点附近的边界效应，须对其两端数据进行延伸。在进行完小波变换后，去掉两
图1 数据格式的转化
图2数据的保存
端延伸数据的小变换系数，保留原数据序列时段内的小波系数。本例中，我们利用Matlab 6.5小波工具箱中的信号延伸（Signal Extension ）功能，对径流数据两端进行对称性延伸。
具体方法为：在Matlab 6.5界面的“Command Window ”中输入小波工具箱调用命令“Wavemenu ”，按Enter 键弹“Wavelet Toolbox Main Menu ”（小波工具箱主菜单）界面（图３）；然后单击“Signal Extension ”，打开Signal Extension / Truncation 窗口，单击“File ”菜单下的“Load Signal ”，选择runoff.mat 文件单击“打开”，出现图4信号延伸界面。Matlab 6.5的Extension Mode 菜单下包含了6种基本的延伸方式（Symmetric 、Periodic 、Zero Padding 、Continuous 、Smooth and For SWT ）和Direction to extend 菜单下的3种延伸模式（Both 、Left and Right ），在这里我们选择对称性两端延伸进行计算。数据延伸的具体操作过程是：在Extension Mode 下选择“ Symmetric ”，Dircetion to extend 下选择“Both ”，单击“Extend ”按钮进行对称性两端延伸计算，然后单击“File ”菜单下的“Save Tranformed Signal ”，将延伸后的数据结果存为erunoff.mat 文件。
从erunoff 文件可知，系统自动将原时间序列数据向前对称延伸12个单位，向后延伸13个单位。
3. 计算小波系数
选择Matlab 6.5小波工具箱中的Morlet 复小波函数对延伸后的径流数据序列（erunoff.mat ）进行小波变换，计算小波系数并存盘。
小波工具箱主菜单界面见图3，单击“Wavelet 1-D ”下的子菜单“Complex Continuous Wavelet 1-D ”，打开一维复连续小波界面，单击“File ”菜单下的“Load Signal ”按钮，载入径流时间序列erunoff.mat （图5）。图5的左侧为信号显示区域，右侧区域给出了信号序列和复小波变换的有关信息和参数，主要包括数据长度（Data Size ）、小波函数类型（Wavelet ：cgau 、shan 、fbsp 和cmor ）、取样周期（Sampling Period ）、周期设置（Scale Setting ）和运行按钮（Analyze ），以及显示区域的相关显示设置按钮。本例中，我们选择cmor (1-1.5)、取样周期为1、最大尺度为32，单击“Analyze ”运行按钮，计算小波系数。然后单击“File ”菜单下的“Save Coefficients ”，保存小波系数为
cerunoff.mat 文件。
注意：上面涉及到的数据保存，其格式均为.mat 。 4. 计算Morlet 复小波系数的实部
将复小波系数转存到Excel 表格，去掉两端延伸数据的小波系数，并计算小波系数实部。
图3 小波工具箱主菜单
图4 径流时间序列的延伸
图5 小波变换菜单界面
在Matlab 6.5界面下的Workspace中将cerunoff.mat文件导入，然后双击打开，全部复制到Excel后去掉延伸数据的小波变换系数（本例中去掉前12列和后13列），或只复制原时间序列的小波变换系数到Excel，最后使用Excel中的IMREAL函数计算原时间序列的小波系数实部（图6）。
图6 复小波系数及实部计算示意图
Excel 中IMREAL函数的调用方法为：单击“插入”菜单下的“函数（F）”按钮，弹出图7所示的“插入函数”窗口，在“搜索函数（S）：”框中输入：“IMREAL”后单击“转到”，再单击“确定”，出现函数参数窗口（图8）。在“Inumber”一栏的空白处输入所要计算的数据（图6），单击“确定”即可得到小波系数实部值。
图7 IMEAL 函数调用图8 IMEAL 函数参数
需要说明的是，从cerunoff.mat 文件中转到Excel 里的复小波系数，在其实部和虚部中间包含许多“空格”，在计算之前需要先将其去掉。
5. 借助Suffer 8.0，绘制小波系数实部等值线图 5.1 小波系数实部等值线图的绘制
首先，将小波系数实部数据按照图9格式排列，其中列A 为时间，列B 为尺度，列C 为不同时间和 尺度下所对应的小波系数实部值。
图9 小波系数实部数据格式
其次，将图9数据转化成Suffer 8.0识别的数据格式。具体操作为：在Suffer 8.0界面下，单击“网格”菜单下的“数据”按钮，在“打开”窗口选择要打开的文件（小波系数实部.xls ），单击“打开”后弹出“网格化数据”对话框（图10）。它给出了多种不同的网格化方法、文件输出路径及网格线索几何学等信息。这里我们选择“克里格“网格方法”，单击“确定”，完成数据格式的转化。
最后，绘制小波系数实部等值线图。在Suffer 8.0界面下，单击“地图”菜单下的“等值线图-新建等值线图”按钮，弹出“打开网格”窗口后，选择“小波系数实部.grd
”文件，单击“打开”，完成等值线
图10 小波系数实部数据格式转化
图11 Suffer8.0中的小系数实部等值线图
图的绘制并存盘（图11）。
5.2 小波系数实部等值线图在多时间尺度分析中的作用
小波系数实部等值线图能反映径流序列不同时间尺度的周期变化及其在时间域中的分布，进而能判断在不同时间尺度上，径流的未来变化趋势。为能比较清楚的说明小波系数实部等值线图在径流多时间尺度分析中的作用，我们利用Suffer 8.0对其进一步处理和修
饰，得到图12显示的小波系数实部等值线图。其中，横坐标为时间（年份），纵坐标为时间尺度，图中的等值曲线为小波系数实部值。当小波系数实部值为正时，代表径流丰水期，在图中我们用实线绘出，“H”表示正值中心；为负时，表示径流枯水期，用虚线绘出，“L”表示负值中心。
由图12可以清楚的看到径流演化过程中存在的多时间尺度特征。总的来说，在流域径流演变过程中存在着18~32年，8~17年以及3~7年的3类尺度的周期变化规律。其中，在18~32年尺度上出现了枯-丰交替的准两次震荡；在8~17年时间尺度上存在准5次震荡。同时，还可以看出以上两个尺度的周期变化在整个分析时段表现的非常稳
定，具有全域性；而3~10年尺度的周期变化，在1980s 以后表现的较为稳定。
6. 绘制小波系数模和模方等值线图 6.1 小波系数模和模方等值线图的绘制
参考4、5两步，绘制小波系数模和模方等值线图（图13、14）。 说明：在Excel 中，复数模的计算函数为“IMABS ”。
图13 小波系数模等值线图 图14 小波系数模方等值线图
6.2 小波系数模等值线图在多时间尺度分析中的作用
Morlet 小波系数的模值是不同时间尺度变化周期所对应的能量密度在时间域中分布的反映，系数模值愈大，表明其所对应时段或尺度的周期性就愈强。从图13可以看出，在流域径流演化过程中，18~32年时间尺度模值最大，说明该时间尺度周期变化最明显，18~22年时间尺度的周期变化次之，其他时间尺度的周期性变化较小；
6.2 小波系数模方等值线图在多时间尺度分析中的作用
小波系数的模方相当于小波能量谱，它可以分析出不同周期的震荡能量。由图14知，25~32年时间尺度的能量最强、周期最显著，但它的周期变化具有局部性（1980s 前）；10~15年时间尺度能量虽然较弱，但周期分布比较明显，几乎占据整个研究时域(1974~2004年)。
图12 小系数实部等值线图
7. 绘制小波方差图 7.1小波方差图的绘制
将不同时间尺度下的小波系数代入式(5)可得径流变化的小波方差，以小波方差为纵坐标，时间尺度a 为横坐标，可绘制小波方差图（图15）。
7.2小波方差图在多时间尺度分析中的作用
小波方差图能反映径流时间序列的波动能量随尺度a 的分布情况。可用来确定径流演化过程中存在的主周期。
流域径流的小波方差图中（图15）存在4个较为
明显的峰值，它们依次对应着28年、14年、8年和4
年的时间尺度。其中，最大峰值对应着28年的时间尺
度，说明28年左右的周期震荡最强，为流域年径流变化的第一主周期；14年时间尺度对应着第二峰值，为
径流变化的第二主周期，第三、第三峰值分别对应着
8年和4年的时间尺度，它们依次为流域径流的第三
和第四主周期。这说明上述4个周期的波动控制着流
域径流在整个时间域内的变化特征。
8. 主周期趋势图的绘制及其在多时间尺度分析中的作用 根据小波方差检验的结果，我们绘制出了控制流域径流演变的第一和第二主周期小波系数图（图16）。从主周期趋势图中我们可以分析出在不同的时间尺度下，流域径流存在的平均周期及丰-枯变化特征。图16a 显示，在14年特征时间尺度上，流域径流变化的平均周期为9.5年左右，大约经历了4个丰-枯转换期；而在28年特征时间尺度上（图16b ），流域的平均变化周期为20年左右，大约2个周期的丰-枯变化。
图16 大沽夹河流域年径流变化的13年和28年特征时间尺度小波实部过程线
参考文献
王文圣，丁晶，李耀清. 2005. 水文小波分析[M]. 北京：化学工业出版社
曹素华等. 1998. 实用医学多因素统计方法[M]. 上海：上海医科大学出版社 方开泰. 1989. 实用多元统计分析[M]. 上海：华东师范大学出版社
何清波，苏炳华，钱亢. 2002. 医学统计学及其软件包[M]. 上海：上海科学技术文献出版社 胡秉民. 1987. 微电脑在农业科学中的应用[M]. 北京：科学出版社
孙尚拱. 1990.. 实用多元变量统计方法与计算程序[M]. 北京：北京医科大学、中国协和医科大学联合出版社 唐守正. 1986. 多元统计分析方法[M]。北京：中国林业出版社
图15 小波方差图
王学仁. 1982. 地址数据的多变量统计分析. 北京：科学出版社
徐振邦，金淳浩，娄元仁. 1986.
2
χ距离系数和2?距离系数尺度在聚类分析中的应用[M]. 赵旭东等主编，中国数学地质（1）. 北京：地质出
版社
於崇文. 1978. 数学地质的方法与应用[M]. 北京：冶金工业出版社
Anderson T. W. 1967. Introduction to multivariate statistical analysis, 2nd[M]. New York: Wiley
Gauch H. G. J. 1982. Multivariate analysis in community ecology[M]. Britain: Cambridge University Press
Horel A. E. ,Wennard. R. W. and Baldwin K. F. 1975. regression: some simulations. Communications in Statistics[J], 4: 105~123
练习
试运用小波分析理论，分析某市年平均降水过程中存在的多时间尺度变化特征。
表2 某市1957-2004年实测年均降水量（mm）
年份降水量年份降水量年份降水量年份降水量
1957 320.0 1969 324.8 1981 506.0 1993 384.4
1958 481.2 1970 412.3 1982 282.1 1994 503.9
1959 522.6 1971 366.5 1983 508.6 1995 406.7
1960 339.3 1972 262.4 1984 523.9 1996 465.7
1961 719.9 1973 521.9 1985 518.9 1997 345.3
1962 373.5 1974 351.7 1986 320.1 1998 454.9
1963 332.9 1975 398.4 1987 340.0 1999 327.9
1964 741.2 1976 320.2 1988 478.5 2000 406.2
1965 454.3 1977 445.4 1989 402.4 2001 404.7
1966 604.3 1978 534.8 1990 552.4 2002 401.9
1967 451.9 1979 509.7 1991 313.9 2003 605.1
1968 424.3 1980 395.5 1992 591.0 2004 385.4
小波的几个术语及常见的小波基介绍 本篇是这段时间学习小波变换的一个收尾，了解一下常见的小波函数，混个脸熟，知道一下常见的几个术语，有个印象即可，这里就当是先作一个备忘录，以后若有需要再深入研究。 一、小波基选择标准 小波变换不同于傅里叶变换，根据小波母函数的不同，小波变换的结果也不尽相同。现实中到底选择使用哪一种小波的标准一般有以下几点： 1、支撑长度 小波函数Ψ(t)、Ψ(ω)、尺度函数φ(t)和φ(ω)的支撑区间，是当时间或频率趋向于无穷大时，Ψ(t)、Ψ(ω)、φ(t)和φ(ω)从一个有限值收敛到0的长度。支撑长度越长，一般需要耗费更多的计算时间，且产生更多高幅值的小波系数。大部分应用选择支撑长度为5~9之间的小波，因为支撑长度太长会产生边界问题，支撑长度太短消失矩太低，不利于信号能量的集中。 这里常常见到“紧支撑”的概念，通俗来讲，对于函数f(x)，如果自变量x在0附近的取值范围内，f(x)能取到值；而在此之外，f(x)取值为0，那么这个函数f(x)就是紧支撑函数，而这个0附近的取值范围就叫做紧支撑集。总结为一句话就是“除在一个很小的区域外，函数为零，即函数有速降性”。 2、对称性 具有对称性的小波，在图像处理中可以很有效地避免相位畸变，因为该小波对应的滤波器具有线性相位的特点。 3、消失矩 在实际中，对基本小波往往不仅要求满足容许条件，对还要施加所谓的消失矩（Vanishing Moments）条件，使尽量多的小波系数为零或者产生尽量少的非零小波系数，这样有利于数据压缩和消除噪声。消失矩越大，就使更多的小波系数为零。但在一般情况下，消失矩越高，支撑长度也越长。所以在支撑长度和消失矩上，我们必须要折衷处理。
小波变换 一、小波变换的基本原理及性质 1、小波是什么？ 小波可以简单的描述为一种函数，这种函数在有限时间范围内变化，并且平均值为0。这种定性的描述意味着小波具有两种性质:A 、具有有限的持续时间和突变的频率和振幅；B 、在有限时间范围内平均值为0。 2、小波的“容许”条件 用一种数学的语言来定义小波，即满足“容许”条件的一种函数，“容许”条件非常重要，它限定了小波变换的可逆性。 小波本身是紧支撑的，即只有小的局部非零定义域，在窗口之外函数为零；本身是振荡的，具有波的性质，并且完全不含有直流趋势成分，即满足 3、信号的信息表示 时域表示：信号随时间变化的规律，信息包括均值、方差、峰度以及峭陡等，更精细的表示就是概率密度分布（工程上常常采用其分布参数）。 频域表示：信号在各个频率上的能量分布，信息为频率和谱值（频谱或功率谱），为了精确恢复原信号，需要加上相位信息（相位谱），典型的工具为FT 。 时频表示：时间和频率联合表示的一种信号表示方法，信息为瞬时频率、瞬时能量谱 信号处理中，对不同信号要区别对待，以选择哪种或者哪几种信号表示方法 ) ()(ωψ??x ∞ <=?∞ ∞-ωω ωψ?d C 2 ) (0 )()0(==?∞ ∞ -dx x ?ψ
平稳信号 非平稳信号 不满足平稳性条件至少是宽平稳条件的信号。 信号的时域表示和频域表示只适用于平稳信号，对于非平稳信号而言，在时间域各种时间统计量会随着时间的变化而变化，失去统计意义；而在频率域，由于非平稳信号频谱结构随时间的变化而变化导致谱值失去意义。 时频表示主要目的在于实现对非平稳信号的分析，同样的可以应用于平稳信号的分析。 4、为什么选择小波 小波提供了一种非平稳信号的时间-尺度分析手段，不同于FT 方法，与STFT 方法比较具有更为明显的优势。 ) ,,,;,,,(),,,;,,,(21212121τττ+++=n n n n t t t x x x f t t t x x x f [][][] ??? ????∞<-=====?+∞ ∞-)(),()()(),()()(21 22121t x E t t R t x t x E t t R m dx x xf t x E x x x ττ时间幅度 小波变换 时间 尺度
10.2小波变换的基本原理 地质雷达的电磁波信号和地震波信号都是非平稳随机时变信号，长期以来，因非平稳信号处理的理论不健全，只好将其作为平稳信号来处理，其处理结果当然不满意。近年来，随着科学技术的发展和进步，国内外学术界已将注意力转向非平稳随机信号分析与处理的研究上，其中非平稳随机信号的时频表示法是研究热点之一。在这一研究中，戈勃展开、小波变换、维格纳分布与广义双线性时频分布等理论发展起来，这些方法既可以处理平稳信号过程，也可以处理非平稳随机时变信号。 小波变换是上世纪80年代中后期逐渐发展起来的一种数学分析方法。1984年法国科学家J.M OLET在分析地震波的局部特性时首先使用了小波这一术语，并用小波变换对地震信号进行处理。小波术语的含义是指一组衰减震动的波形，其振幅正负相间变化，平均值为零，是具有一定的带宽和中心频率波组。小波变换是用伸缩和平移小波形成的小波基来分解（变换）或重构（反变换）时变信号的过程。不同的小波具有不同带宽和中心频率，同一小波集中的带宽与中心频率的比是不变的，小波变换是一系列的带通滤波响应。它的数学过程与傅立叶分析是相似的，只是在傅立叶分析中的基函数是单频的调和函数，而小波分析中的基函数是小波，是一可变带宽内调和函数的组合。 小波变换在时域和频域都具有很好的局部化性质，较好地解决了时域和频域分辨率的矛盾，对于信号的低频成分采用宽时窗，对高频成分采用窄时窗。因而，小波分析特别适合处理非平稳时变信号，在语音分析和图象处理中有广泛的应用，在地震、雷达资料处理中将有良好的应用前景。 下边就小波分析的基本原理、主要作用及在雷达资料处理中的应用三方面作以介绍。 10.2.1小波分析的基本原理 小波函数的数学表达
小波分析及其在通信中的应用 专业：电子信息工程 姓名：张天雷 学号：123408148 河南城建学院 2011年05月29日
小波分析及其在通信中的应用 摘要：小波分析是傅里叶分析的重大突破，是当今许多领域研究的热点。从小波分析的发展历程出发，介绍了小波在现代通信中的一些应用，并指出了未来的一些研究方向。 关键词：小波变换；傅里叶变换；小波应用；通信 小波(Wavelet)这一术语，顾名思义，“小波”就是小的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。小波分波是自1986年以来由于Meyer、Mallat和Daubechies等的奠基工作而迅速发展起来的一门新兴学科，它是傅立叶分析划时代的发展结果。与Fourier 变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier 变换的困难问题， 小波分析的目的是“既要看到森林(信号的概貌) ，又要看到树木(信号的细节) |”。因此，它被誉为“学显微镜”。 小波分析已经在图像处理、语音识别，声学，信号处理，神经生理学，磁性谐振成像，地震测量，机械故障诊断，生物医学，医疗卫生，以及一些纯数学应用如解决一些微分方程式等领域取得一系列重要应用。小波变换理论在通信中的应用研究在国际上日益受到重视。小波函数提供的一系列正交基非常适合通信系统中的信号波形设计，扩频特征波形设计，多载波传输系统的正交子信道划分等。 小波变换技术在通信系统中的信源编码、信道编码、调制、均衡、干扰抑制和多址等方面具有广阔的应用前景。 一、小波分析在通信系统中的研究动态 如何在各种信道环境下实现有效可靠的信息传输一直是通信领域关注的课
1.Cwt :一维连续小波变换 格式：coefs=cwt(s,scales,'wavename') coefs=cwt(s,scales,'wavename','plot') scales:尺度向量，可以为离散值，表示为[a1,a2,a3……]，也可为连续值，表示为[amin:step:amax] 2.dwt:单尺度一维离散小波变换 格式：[ca,cd]=dwt(x,'wavename') [ca,cd]=dwt(x,lo-d,hi-d) 先利用小波滤波器指令wfilters求取分解用低通滤波器lo-d和高通滤波器hi-d。[lo-d,hi-d]=wfilters('haar','d');[ca,cd]=dwt(s,lo-d,hi-d) 3.idwt:单尺度一维离散小波逆变换 4.wfilters 格式：[lo-d,hi-d,lo-r,hi-r]=wfilters('wname') [f1,f2]=wfilters('wname','type') type=d(分解滤波器)、R(重构滤波器)、l(低通滤波器)、h(高通滤波器) 5.dwtmode 离散小波变换模式 格式：dwtmode dwtmode('mode') mode:zdp补零模式，sym对称延拓模式，spd平滑模式 6.wavedec多尺度一维小波分解 格式：[c,l]=wavedec(x,n,'wname') [c,l]=wavedec(x,n,lo-d,hi-d)
7.appcoef 提取一维小波变换低频系数 格式：A=appcoef(c,l,'wavename',N) A=appcoef(c,l,lo-d,hi-d,N) N是尺度，可省略例： loadleleccum; s=leleccum(1:2000) subplot(421) plot(s); title('原始信号') [c,l]=wavedec(s,3,'db1'); ca1=appcoef(c,l,'db1',1); subplot(445) plot(ca1); ylabel('ca1'); ca2=appcoef(c,l,'db1',2); subplot(4,8,17) plot(ca2); ylabel('ca2'); 8.detcoef 提取一维小波变换高频系数 格式：d=detcoef(c,l,N),N尺度的高频系数 d=detcoef(c,l,) 最后一尺度的高频系数 例：
小波分析的发展历程 一、小波分析 1910年，Haar提出了L2(R)中第一个小波规范正交基，即Haar正交基。 （1）操作过程：Haar正交基是以一个简单的二值函数作为母小波经平移和伸缩而形成的。 （2）优点：Haar小波变换具有最优的时（空）域分辨率。 （3）缺点：Haar小波基是非连续函数，因而Haar小波变换的频域分辨率非常差。 1936年，Littlewood和Paley对傅立叶级数建立了二进制频率分量分组理论，（即L-P理论：按二进制频率成分分组，其傅立叶变换的相位并不影响函数的大小和形状），这是多尺度分析思想的最早起源。 1952年～1962年，Calderon等人将L-P理论推广到高维，建立了奇异积分算子理论。 1965年，Calderon发现了著名的再生公式，给出了抛物型空间上H1的原子分解。 1974年，Coifman实现了对一维空间和高维空间的原子分解。 1976年，Peetre在用L-P理论对Besov空间进行统一描述的同时，给出了Besov空间的一组基。1981年，Stromberg引入了Sobolev空间H p的正交基，对Haar正交基进行了改造，证明了小波函数的存在性。 1981年，法国地球物理学家Morlet提出了小波的正式概念。 1985年，法国数学家Meyer提出了连续小波的容许性条件及其重构公式。 1986年，Meyer在证明不可能存在同时在时频域都具有一定正则性（即光滑性）的正交小波基时，意外发现具有一定衰减性的光滑性函数以构造L2(R)的规范正交基（即Meyer基），从而证明了正交小波系的存在。 1984年～1988年，Meyer、Battle和Lemarie分别给出了具有快速衰减特性的小波基函数：Meyer小波、Battle-Lemarie样条小波。 1987年，Mallat将计算机视觉领域中的多尺度分析思想引入到小波分析中，提出了多分辨率分析的概念，统一了在此前的所有具体正交小波的构造，给出了构造正交小波基的一般方法，提出了快速小波变换（即Mallat算法）。它标志着第一代小波的开始？ （1）操作过程：先滤波，再进行抽二采样。 （2）优点：Mallat算法在小波分析中的地位相当于FFT在经典傅立叶分析中的地位。它是小波分析从纯理论走向实际应用。 （3）缺点：以傅立叶变换为基础，直接在时（空）域中设计滤波器比较困难，并且计算量大。 1988年，Daubechies基于多项式方式构造出具有有限支集的光滑正交小波基（即Daubechies基）。 Chui和中国学者王建忠基于样条函数构造出单正交小波函数，并提出了具有最优局部化性能的尺度函数和小波函数的一般性构造方法。1988年，Daubechies在美国NSF/CBMS主办的小波专题研讨会上进行了10次演讲，引起了广大数学家、物理学家、工程师以及企业家的重视，将小波理论发展与实际应用推向了一个高潮。 1992年，Daubechies对这些演讲内容进行了总结和扩展形成了小波领域的经典著作——小波十讲《Ten Lectures on Wavelet》。 1992年3月，国际权威杂志《IEEE Transactions on Information Theory》专门出版了“小波分析及其应用”专刊，全面介绍了此前的小波分析理论和应用及其在不同学科领域的发展，从此小波分析开始进入了全面应用阶段。 1992年，Kovacevic和Vetterli提出了双正交小波的概念。 1992年，Cohen、Daubechies和Feauveau构造出具有对称性、紧支撑、消失矩、正则性等性质的双正交小波。 （1）操作过程：利用两组互为对偶的尺度函数和小波函数实现函数的分解与重构。 （2）优点：具有正交小波无法同时满足的对称性、紧支撑、消失矩、正则性等性质。
“小波工程应用”实验报告 一维信号离散小波分解与重构（去噪）的VC实现 一、目的 在理解了离散小波变换的基本原理和算法的基础上，通过设计VC程序对简单的一维信号在加上了高斯白噪声之后进行Daubechies小波、Morlet小波和Haar小波变换，从而得到小波分解系数；再通过改变分解得到的各层高频系数进行信号的小波重构达到消噪的目的。在这一程序实现的过程中能直观地理解信号小波分解重构的过程和在信号消噪中的重要作用，以及在对各层高频系数进行权重处理时系数的选取对信号消噪效果的影响。 二、基本原理 1、信号的小波分解与重构原理 在离散小波变换(DWT)中，我们在空间上表示信号，也就是说对于每一个在上表示的信号能用在上面提到的两个空间中的基函数来表示。 Where and are the coefficients of the scale metric space (j-1) which are obtained after the Decomposing the coefficient of the scale metric space j . Analogously we could reconstruct the by and . 我们在尺度度量空间对系数进行分解得到在尺度度量空间的两个系数 和。同样的，我们也能从两个系数和通过重构得到系数。
如上图中的分解与重构我们可以通过一定的滤波器组来实现（也就是小波变换算法）。当小波和尺度在空间内是正交的，我们就可以用内积公式计算得到系数和: 下面是内积计算方法的具体公式： 具体的系数计算过程如下: 对于上面的小波分解过程，通过分别设计高通滤波器和低通滤波器两组滤波器的系数(数组g[]和h[])即可实现，特别是对于离散小波变换，程序算法相对简单。而重构也只是分解的逆过程，重构算法和分解的算法是相对应而互逆的。 2、小波去噪原理
第六章小波变换的几个典型应用 6.1 小波变换与信号处理 小波变换作为信号处理的一种手段，逐渐被越来越多领域的理论工作者和工程技术人员所重视和应用，并在许多应用中取得了显著的效果。同传统的处理方法相比，小波变换取得了质的飞跃，在信号处理方面具有更大的优势。比如小波变换可以用于电力负载信号的分析与处理，用于语音信号的分析、变换和综合，还可以检测噪声中的未知瞬态信号。本部分将举例说明。 6.1.1 小波变换在信号分析中的应用 [例6-1] 以含躁的三角波与正弦波的组合信号为例具体说如何利用小波分析来分析信号。已知信号的表达式为 应用db5小波对该信号进行7层分解。xiaobo0601.m 图6-1含躁的三角波与正弦波混合信号波形 分析： （1）在图6－2中，逼近信号a7是一个三角波。 （2）在图6－3中细节信号d1和d2是与噪声相关的，而d3（特别是d4）与正弦信号相关。 图6-2 小波分解后各层逼近信号 图6-3 小波分解后各层细节信号 6.1.2 小波变换在信号降躁和压缩中的应用 一、信号降躁 1．工程中，有用信号一般是一些比较平稳的信号，噪声通常表现为高频信号。2．消躁处理的方法：首先对信号进行小波分解，由于噪声信号多包含在具有较高频率的细节中，我们可以利用门限、阈值等形式对分解所得的小波系数进行处理，然后对信号进行小波重构即可达到对信号的消躁目的。 小波分析进行消躁处理的3种方法： （1）默认阈值消躁处理。该方法利用ddencmp生成信号的默认阈值，然后利用wdencmp函数进行消躁处理。 （2）给定阈值消躁处理。在实际的消躁处理过程中，阈值往往可通过经验公式获得，且这种阈值比默认阈值的可信度高。在进行阈值量化处理时可利用函数wthresh。 （3）强制消躁处理。该方法时将小波分解结构中的高频系数全部置为0，即滤掉所有高频部分，然后对信号进行小波重构。方法简单，消躁后信号比较平滑，但易丢失信号中的有用成分。 小波阈值去噪方法是目前应用最为广泛的小波去噪方法之一。 3．信号降噪的准则： 1．光滑性：在大部分情况下，降噪后的信号应该至少和原信号具有同等的光滑性。
小波分析复习题 1、简述傅里叶变换、短时傅里叶变换和以及小波变换之间的异同。 答：三者之间的异同见表 2、小波变换堪称“数学显微镜”，为什么？ 答：这主要因为小波变换具有以下特点： 1）具有多分辨率，也叫多尺度的特点，可以由粗及精地逐步观察信号； 2）也可以看成用基本频率特性为)(ωψ的带通滤波器在不同尺度a 下对信号作滤波； 如果)(t ?的傅里叶变换是)(ωψ，则)(a t ?的傅里叶变换为)(||a a ω ψ，因此这组滤波 器具有品质因数恒定，即相对带宽（带宽与中心频率之比）恒定的特点。a 越大相当于频率越低。 3）适当的选择基本小波，使)(t ?在时域上位有限支撑，)(ωψ在频域上也比较集中，便可以使WT 在时、频两域都具有表征信号局部特征能力，因此有利于检测信号的瞬态或奇异点。 4）如)(t x 的CWT 是),(τa WT x ，则)(λt x 的CWT 是),( λ τ λλa WT x ；0>λ 此定理表明：当信号)(t x 作某一倍数伸缩时，其小波变换将在τ,a 两轴上作同一比例的 伸缩，但是不发生失真变形。 基于上述特性，小波变换被誉为分析信号的数学显微镜。 3、在小波变换的应用过程中，小波函数的选取是其应用成功与否的关键所在，请列举一些选择原则。 答：选择原则列举如下：（也即需满足的一些条件和特性） 1）容许条件
当?∞ +∞-∞<=ωω ωψ?d c 2 ) (时才能由小波变换),(τa WT x 反演原函数)(t x ，?c 便是对 )(t ?提出的容许条件，若∞→?c ，)(t x 不存在，由容许条件可以推论出：能用作基本小 波)(t ?的函数至少必须满足0)(0==ωωψ，也就是说)(ωψ必须具有带通性质，且基本小波 )(t ?必须是正负交替的振荡波形，使得其平均值为零。 2）能量的比例性 小波变换幅度平方的积分和信号的能量成正比。 3）正规性条件 为了在频域上有较好局域性，要求),(τa WT x 随a 的减小而迅速减小。这就要求)(t ?的 前n 阶原点矩为0，且n 值越大越好。也就是要求? =0)(dt t t p ?，n p ~1:，且n 值越大越好， 此要求的相应频域表示是：)(ωψ在0=ω处有高阶零点，且阶次越高越好（一阶零点就是容许条件），即)()(01 ωψω ωψ+=n ，0)(00≠=ωωψ，n 越大越好。 4）重建核和重建核方程 重建核方程说明小波变换的冗余性，即在τ-a 半平面上各点小波变换的值是相关的。 重建核方程：τττττ?? ?∞ +∞ ∞-=0 00200),,,(),(),(a a K a WT a da a WT x x ； 重建核：><== ?)(),(1)()(1),,,(0000* 00t t c dt t t c a a K a a a a ττ? ττ??????ττ 4、连续小波变换的计算机快速算法较常用的有基于调频Z 变换和基于梅林变换两种，请用 框图分别简述之，并说明分别适合于什么情况下应用。 答： 1）基于调频Z 变换 ),(2a j a n j e A e W ππ--== 运算说明： a ．原始数据及初始化：原始数据是)(k ?（1~0-=N k ）和a 值，初始化计算包括 a j e A π-=和a n j e W π2-=。 --- 1)(2N k r )2(am N π 12~2--N N 对应于：1~0-=N r
小波变换的原理及m a t l a b仿真程序
基于小波变换的信号降噪研究 2 小波分析基本理论 设Ψ(t)∈L 2( R) ( L 2( R) 表示平方可积的实数空间，即能量有限的信号空间) ， 其傅立叶变换为Ψ(t)。当Ψ(t)满足条件[4,7]： 2 () R t dw w C ψψ =<∞? （1） 时，我们称Ψ(t)为一个基本小波或母小波，将母小波函数Ψ(t)经伸缩和平移后，就可以得到一个小波序列： ,()( )a b t b t a ψ -= ,,0a b R a ∈≠ （2） 其中a 为伸缩因子，b 为平移因子。 对于任意的函数f(t)∈L 2( R)的连续小波变换为： ,(,),()( )f a b R t b W a b f f t dt a ψψ-=<>= ? （3） 其逆变换为： 211()(,)()f R R t b f t W a b dadb C a a ψ ψ+-= ?? （4） 小波变换的时频窗是可以由伸缩因子a 和平移因子b 来调节的，平移因子b,可以改变窗口在相平面时间轴上的位置，而伸缩因子b 的大小不仅能影响窗口在频率轴上的位置,还能改变窗口的形状。小波变换对不同的频率在时域上的取样步长是可调节的，在低频时，小波变换的时间分辨率较低，频率分辨率较高：在高频时，小波变换的时间分辨率较高，而频率分辨率较低。使用小波变换处理信号时，首先选取适当的小波函数对信号进行分解，其次对分解出的参
数进行阈值处理，选取合适的阈值进行分析，最后利用处理后的参数进行逆小波变换，对信号进行重构。 3 小波降噪的原理和方法 3.1 小波降噪原理 从信号学的角度看 ,小波去噪是一个信号滤波的问题。尽管在很大程度上小波去噪可以看成是低通滤波 ,但由于在去噪后 ,还能成功地保留信号特征 ,所以在这一点上又优于传统的低通滤波器。由此可见 ,小波去噪实际上是特征提取和低通滤波的综合 ,其流程框图如图所示[6]： 小波分析的重要应用之一就是用于信号消噪 ,一个含噪的一维信号模型可表示为如下形式： (k)()()S f k e k ε=+* k=0.1…….n-1 其中 ,f( k)为有用信号,s(k)为含噪声信号,e(k)为噪声,ε为噪声系数的标准偏差。 假设e(k)为高斯白噪声,通常情况下有用信号表现为低频部分或是一些比较平稳的信号,而噪声信号则表现为高频的信号,下面对 s(k)信号进行如图结构的小波分解,则噪声部分通常包含在Cd1、Cd2、Cd3中,只要对 Cd1,Cd2,Cd3作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的。
2005年研究生《小波理论及应用》复习题 1． 利用正交小波基建立的采样定理适合于：紧支集且有奇性（函数本身或其导数不连续）的函数（频谱无限的函数）。Shannon 采样定理适合于频谱有限的信号。 2． 信号的突变点在小波变换域常对于小波变换系数模极值点或过零点。并且信号奇异性大小同小波变换的极值随尺度的变化规律相对立。只有在适当尺度下各突变点引起的小波变化才能避免交迭干扰，可以用于信号的去噪、奇异性检测、图象也缘提取、数据压缩等。 3． 信号在一点的李氏指数表征了该点的奇异性大小，α越大，该点的光滑性越小，α越小，该点的奇异性越大。光滑点（可导）时，它的1≥α；如果是脉冲函数，1-=α；白噪声时0≤α。 4． 做出三级尺度下正交小波包变换的二进数图，小波包分解过程？说明小波基与小波包基的区别？ 5． 最优小波包基的概念：给定一个序列的代价函数，然后在小波包基中寻找使代价函数最小的基――最优基。 6． 双通道多采样率滤波器组的传递函数为： ()()()()()()()()()()()()()z X z G z G z H z H z X z G z G z H z H z Y z Y z Y -??????-++??????+=+=∧∧∧∧212121请根据此式给出理想重建条件： 为了消除映象()z X -引起的混迭：()()()()0=-+-∧ ∧z G z G z H z H
为了使()z Y 成为()z X 的延迟，要求：()()()()k CZ z G z G z H z H -∧∧=+ （C,K 为任一常数） 7． 正交镜像对称滤波器()()n h n g ,的()jw e G 与()jw e H 以2π=w 为轴左右对称。如果知道QMF 的()n h ，能否确定()()()n h n g n g ∧ ∧,,？ ()()()n h n g n 1-= ，()()()n g n h n 1--=∧ ， ()()()n h n g n 1-=∧ 8． 试列出几种常用的连续的小波基函数 Morlet 小波，Marr 小波，Difference of Gaussian （DOG ），紧支集样条小波 9． 试简述海森堡测不准原理，说明应用意义？ 10． 从连续小波变换到离散小波变换到离散小波框架－双正交小波变换－正交变换、紧支集正交小波变换，其最大的特点是追求变换系数的信息冗余小，含有的信息量越集中。 11． 解释紧支集、双正交、正交小波、紧支集正交小波、光滑性、奇异性。 12． 已知共轭正交滤波器组（CQF ）()n h 请列出()()()n g n h n g ∧ ∧,,。 ()()() ()()()()()()???????-=--=-=---=∧∧n h n N g n g n N h n h n N h n g n n 11 13． 共轭正交滤波器()()n g n h ,的()jw e G 与()jw e H 的关系与QMF 情况
科技文献检索作业 卷 试 料 小波分析及其应用 测控技术1103 雷创新
小波分析及其应用 1.小波分析的概念和特点 1.1小波理论的发展概况 20世纪80年代逐渐发展和兴起的小波分析(wavelctanalysis)是20世纪 数学领域中研究的重要杰出成果之一。小波分析理论作为数学界中一种比较成熟的理论基础，应用到了各种领域的研究当中，推动了小波分析在各工程应用中的发展。它作为一种新的现代数字信号处理算法，汲取了现代分析学中诸如样条分析、傅立叶分析、数值分析和泛函分析等众数学多分支的精华部分，替代了工程界中一直应用的傅立叶变换，它是一种纯频域分析方法，不能在时频同时具有局部化特性。而小波分析中的多尺度分析思想，犹如一台变焦照相机，可以由粗及精逐步观察信号，在局部时频分析中具有很强的灵活性，因此有“数学显微镜”的美称。它能自动随着频率增加而调节成窄的“时窗”和宽的“频窗”，又随着频率降低而调节成宽的“时窗”和窄的“频窗”以适应实际分析需要。另外，小波变换在经过适当离散后可以够成标准正交基或正交系，这些在理论和应用上都具有十分重要的意义，因此，小波分析在各个领域得到了高度的重视并取得了许多重要的成果。 小波变换作为一种数学理论和现代数字信号处埋方法在科学技术界引起了越来越多专家学者的关注和重视。在数学家看来，基于小波变换的小波分析技术是当今数值分析、泛函分析、调和分析等半个多世纪以来发展最完美的结晶，是正在发展中的新的数学分支。在工程领域，特别是在信号处理、图像处理、机器视觉、模糊识别、语音识别、流体力学、量子物理、地震勘测、电磁学、CT成像、机械故障诊断与监控等领域，它被认为是近年来在工具及方法上的重大突破。然而，小波分析虽然在众多领域中已经取得了一定的成果，但是，有专家预言小波分析理论的真正高潮并没有到来。首先，小波分析尚需进一步完善，除一维小波分析理论比较成熟以外，向量小波和多维小波则需要进行更加深入的研究与讨论;其次，针对不同情况选择不同的小波基函数，实现的效果是有差别性的这一问题，对最优小波基函数的选取方法有待进一步研究。在今后数年中，小波理论将成为科技工作者经常使用的又一锐利数学工具，极大地促进科技进步及各个领域工程应用的新发展。 小波分析的概念最早是在1974年由法国地质物理学家 J.Morlet提出的，并通过物理直观和信号处理的实际经验建立了反
2.1小波分析中的通用函数 1 biorfilt双正交小波滤波器组 2 centfrg计算小波中心频率 3 dyaddown二元取样 4 dyadup二元插值 5 wavefun小波函数和尺度函数 6 wavefun2二维小波函数和尺度函数 7 intwave积分小波函数fai 8 orthfilt正交小波滤波器组 9 qmf镜像二次滤波器（QMF） 10 scal2frg频率尺度函数 11 wfilters小波滤波器 12 wavemngr小波管理 13 waveinfo显示小波函数的信息 14 wmaxlev计算小波分解的最大尺度 15 deblankl把字符串变成无空格的小写字符串 16 errargn检查函数参数目录 17 errargt检查函数的参数类型 18 num2mstr最大精度地把数字转化成为字符串 19 wcodemat对矩阵进行量化编码 20 wcommon寻找公共元素 21 wkeep提取向量或矩阵中的一部分 22 wrev向量逆序 23 wextend向量或矩阵的延拓 24 wtbxmngr小波工具箱管理器 25 nstdfft非标准一维快速傅里叶变换（FFT） 26 instdfft非标准一维快速逆傅里叶变换 27 std计算标准差 2.2小波函数 1 biorwavf双正交样条小波滤波器 2 cgauwavf复Gaussian小波 3 cmorwavf复Morlet小波 4 coifwavf Coiflet小波滤波器 5 dbaux Daubechies小波滤波器 6 dbwavf Daubechies小波滤波器 7 fbspwavf频率分布B-Spline小波 8 gauswavf Gaussian小波 9 mexihat墨西哥小帽函数 10 meyer meyer小波11 meyeraux meyer小波辅助函数 12 morlet Morlet小波 13 rbiowavf反双正交样条小波滤波器 14 shanwavf 复shannon小波 15 symaux计算Symlet小波滤波器 16 symwavf Symlets小波滤波器 2.3一维连续小波变换 1 cwt一维连续小波变换 2 pat2cwav从一个原始图样中构建一个小波函数 2.4一维离散小波变换 1 dwt但尺度一维离散小波变换 2 dwtmode离散小波变换拓展模式 3 idwt单尺度一位离散小波逆变换 4 wavedec多尺度一维小波分解（一维多分辨率分析函数） 5 appcoef提取一维小波变换低频系数 6 detcoef提取一维小波变换高频系数 7 waverec多尺度一维小波重构 8 upwlex单尺度一维小波分解的重构 9 wrcoef对一维小波系数进行单支重构 10 upcoef一维系数的直接小波重构 11 wenergy显示小波或小波包分解的能量 2.5二维离散小波变换 1 dwt2单尺度二维离散小波变换 2 idwt2单尺度逆二维离散小波变换 3 wavedec2多尺度二维小波分解（二维分辨率分析函数） 4 waverec2多尺度二维小波重构 5 appcoef2提取二维小波分解低频系数 6 detcoef2提取二维小波分解高频系数 7 upwlev2二维小波分解的单尺度重构 8 wrcoef2对二维小波系数进行单支重构 9 upcoef二维小波分解的直接重构 2.6离散平稳小波变换 1 swt一维离散平稳小波变换 2 iswt一维离散平稳小波逆变换 3 swt2二维离散平稳小波变换 4 iswt2二维离散平稳小波逆变换
第一篇：小波分析发展历史简述 1910年，Haar提出了L2(R)中第一个小波规范正交基，即Haar正交基。 1936年，Littlewood和Paley对傅立叶级数建立了二进制频率分量分组理论，（即L-P理论：按二进制频率成分分组，其傅立叶变换的相位并不影响函数的大小和形状），这是多尺度分析思想的最早起源。1952年～1962年，Calderon等人将L-P理论推广到高维，建立了奇异积分算子理论。 1965年，Calderon发现了著名的再生公式，给出了抛物型空间上H1的原子分解。 1974年，Coifman实现了对一维空间和高维空间的原子分解。 1976年，Peetre在用L-P理论对Besov空间进行统一描述的同时，给出了Besov空间的一组基。 1981年，Stromberg引入了Sobolev空间Hp的正交基，对Haar正交基进行了改造，证明了小波函数的存在性。 1981年，法国地球物理学家Morlet提出了小波的正式概念。 1985年，法国数学家Meyer提出了连续小波的容许性条件及其重构公式。 1984年～1988年，Meyer、Battle和Lemarie分别给出了具有快速衰减特性的小波基函数：Meyer小波、Battle-Lemarie样条小波。1987年，Mallat将计算机视觉领域中的多尺度分析思想引入到小波分析中，提出了多分辨率分析的概念，统一了在此前的所有具体正交小波的构造，给出了构造正交小波基的一般方法，提出了快速小波变换（即Mallat算法）。
1988年，Daubechies基于多项式方式构造出具有有限支集的光滑正交小波基（即Daubechies基）。Chui和中国学者王建忠基于样条函数构造出单正交小波函数，并提出了具有最优局部化性能的尺度函数和小波函数的一般性构造方法。1988年，Daubechies在美国NSF/CBMS 主办的小波专题研讨会上进行了10次演讲，引起了广大数学家、物理学家、工程师以及企业家的重视，将小波理论发展与实际应用推向了一个高潮。 1991年，Alpert用多项式构造了第一个多小波。Geronimo等利用分形插值函数构造了正交、对称、紧支撑、逼近阶位2的GHM多小波。1992年，Daubechies对这些演讲内容进行了总结和扩展形成了小波领域的经典著作——小波十讲《Ten Lectures on Wavelet》。1992年3月，国际权威杂志《IEEE Transactions on Information Theory》专门出版了“小波分析及其应用”专刊，全面介绍了此前的小波分析理论和应用及其在不同学科领域的发展，从此小波分析开始进入了全面应用阶段。 1992年，Bamberger和Smith提出无冗余且能完全重构的方向滤波器（Directional Filter Banks，DFB，也即2D-DFB），DFB能有效地对二维信号进行方向分解。具有不可分性，把DFB从二维扩展多维，至今没有完美的实现方法。 1992年，Kovacevic和Vetterli提出了双正交小波的概念。 1992年，Cohen、Daubechies和Feauveau构造出具有对称性、紧支撑、消失矩、正则性等性质的双正交小波。 1992年，Coifman和Wickerhauser提出了小波包（Wavelet Packet，WP）分析。
第五章 小波变换基本原理 问题 ①小波变换如何实现时频分析？其频率轴刻度如何标定？ —尺度 ②小波发展史 ③小波变换与短时傅里叶变换比较 a ．适用领域不同 b.STFT 任意窗函数 WT （要容许性条件） ④小波相关概念，数值实现算法 多分辨率分析（哈尔小波为例） Daubechies 正交小波构造 MRA 的滤波器实现 ⑤小波的历史地位仍不如FT ，并不是万能的 5.1 连续小波变换 一．CWT 与时频分析 1.概念：? +∞ ∞ --ψ= dt a b t t S a b a CWT )( *)(1),( 2.小波变换与STFT 用于时频分析的区别 小波 构造？ 1910 Harr 小波 80年代初兴起 Meyer —小波解析形式 80年代末 Mallat 多分辨率分析—WT 无须尺度和小波函数—滤波器组实现 90年代初 Daubechies 正交小波变换 90年代中后期 Sweblews 第二代小波变换
3.WT 与STFT 对比举例（Fig 5–6, Fig 5–7） 二．WT 几个注意的问题 1.WT 与)(t ψ选择有关 — 应用信号分析还是信号复原 2.母小波)(t ψ必须满足容许性条件 ∞<ψ=? ∞ +∞ -ψdw w w C 2 )( ①隐含要求 )(,0)0(t ψ=ψ即具有带通特性 ②利用ψC 可推出反变换表达式 ??+∞∞-+∞ ∞-ψ -ψ= dadb a b t b a CWT a C t S )(),(11 )(2 3.CWT 高度冗余（与CSTFT 相似） 4.二进小波变换（对平移量b 和尺度进行离散化） )2(2)()(1 )(2 ,22,,n t t a b t a t n b a m m n m b a m m -ψ=ψ?-ψ= ??==--ψ dt t t S n CWT d n m m m n m )(*)()2,2(,,?+∞ ∞ ---ψ=?= 5.小波变换具有时移不变性 ) ,()() ,()(00b b a C W T b t S b a C W T t S -?-? 6.用小波重构信号 ∑∑ ∑∑+∞-∞=+∞ -∞ =+∞-∞=+∞ -∞ =ψψ= m n m n n m n m n m n m t d t d t S )(?)(?)(,,,,正交小波 中心问题：如何构建对偶框架{} n m ,?ψ
现代数字信号处理作业 小波分析及其应用 电研111 梁帅
小波分析及其应用 1.小波分析的概念和特点 1.1小波理论的发展概况 20世纪80年代逐渐发展和兴起的小波分析(wavelctanalysis)是20世纪数学领域中研究的重要杰出成果之一。小波分析理论作为数学界中一种比较成熟的理论基础，应用到了各种领域的研究当中，推动了小波分析在各工程应用中的发展。它作为一种新的现代数字信号处理算法，汲取了现代分析学中诸如样条分析、傅立叶分析、数值分析和泛函分析等众数学多分支的精华部分，替代了工程界中一直应用的傅立叶变换，它是一种纯频域分析方法，不能在时频同时具有局部化特性。而小波分析中的多尺度分析思想，犹如一台变焦照相机，可以由粗及精逐步观察信号，在局部时频分析中具有很强的灵活性，因此有“数学显微镜”的美称。它能自动随着频率增加而调节成窄的“时窗”和宽的“频窗”，又随着频率降低而调节成宽的“时窗”和窄的“频窗”以适应实际分析需要。另外，小波变换在经过适当离散后可以够成标准正交基或正交系，这些在理论和应用上都具有十分重要的意义，因此，小波分析在各个领域得到了高度的重视并取得了许多重要的成果。 小波变换作为一种数学理论和现代数字信号处埋方法在科学技术界引起了越来越多专家学者的关注和重视。在数学家看来，基于小波变换的小波分析技术是当今数值分析、泛函分析、调和分析等半个多世纪以来发展最完美的结晶，是正在发展中的新的数学分支。在工程领域，特别是在信号处理、图像处理、机器视觉、模糊识别、语音识别、流体力学、量子物理、地震勘测、电磁学、CT成像、机械故障诊断与监控等领域，它被认为是近年来在工具及方法上的重大突破。然而，小波分析虽然在众多领域中已经取得了一定的成果，但是，有专家预言小波分析理论的真正高潮并没有到来。首先，小波分析尚需进一步完善，除一维小波分析理论比较成熟以外，向量小波和多维小波则需要进行更加深入的研究与讨论;其次，针对不同情况选择不同的小波基函数，实现的效果是有差别性的这一问题，对最优小波基函数的选取方法有待进一步研究。在今后数年中，小波理论将成为科技工作者经常使用的又一锐利数学工具，极大地促进科技进步及各个领域工程应用的新发展。 小波分析的概念最早是在1974年由法国地质物理学家J.Morlet提出的，并通过物理直观和信号处理的实际经验建立了反演公示，但当时该理论未能得到数学家的认可。1986年法国数学家YMcyer偶尔构造出一个真正的小波基，并与
与标准的傅里叶变换相比，小波分析中使用到的小波函数具有不唯一性，即小波函数 具有多样性。小波分析在工程应用中，一个十分重要的问题就是最优小波基的选择问题，因为用不同的小波基分析同一个问题会产生不同的结果。目前我们主要是通过用小波分析方法处理信号的结果与理论结果的误差来判定小波基的好坏，由此决定小波基。常用小波基有Haar 小波、Daubechies(dbN)小波、Mexican Hat(mexh)小波、Morlet 小波、Meyer 小波等。 Haar 小波 Haar 函数是小波分析中最早用到的一个具有紧支撑的正交小波函数，也是最简单的一个小波函数，它是支撑域在[0,1]∈t 范围内的单个矩形波。Haar 函数 的定义如下： 1 021121(t)-1 t t ≤≤≤≤ψ=?????其他 Haar 小波在时域上是不连续的，所以作为基本小波性能不是特别好。但它也有自己的优点: 1. 计算简单。 2. (t)ψ不但与j (t)[j z]2ψ∈正交，而且与自己的整数位移正交，因此， 在2j a =的多分辨率系统中，Haar 小波构成一组最简单的正交归一的 小波族。 ()t ψ的傅里叶变换是： 2/24=sin ()j e a ψ-ΩΩ ΩΩ（）j Haar 小波的时域和频域波形
Daubechies(dbN)小波 Daubechies 小波是世界著名的小波分析学者Inrid ·Daubechies 构造的小波函数，简写为dbN ，N 是小波的阶数。小波(t)ψ和尺度函数(t)φ中的支撑 区为12-N ，(t)ψ的消失矩为N 。除1=N （Harr 小波）外，dbN 不具有