第28卷 第2期 2009年3月地 理 研 究GEOGRAPH ICAL RESEARCH V o l 28,N o 2M ar ,2009 收稿日期:2008-07-09;修订日期:2008-12-24 基金项目:辽宁省气象局正研级专业技术人才培养专项科研基金项目 作者简介:姜晓艳(1960-),女,高级工程师。主要从事气候变化和应用气象业务及科研工作。 东北地区近百年降水时间序列 变化规律的小波分析 姜晓艳1,刘树华2,3*,马明敏2,张 菁1,宋 军4 (1 辽宁省沈阳市气象局,沈阳110168; 2 北京大学物理学院大气科学系,北京100871; 3 中国气象局气候研究开放实验室,北京100081; 4 大连市气象局,大连116001) 摘要:利用1905~2005年东北地区哈尔滨、长春、沈阳和大连的降水时间序列资料,采用距 平和M or let 小波分析方法,研究了东北地区降水变化的多时间尺度的周期性性变化规律,并 对东北地区近期降水状况进行了预测。结果表明:近百年来东北地区年降水量呈现较显著下 降趋势,整个东北地区降幅为-5 2mm/10a;长春为-12 7mm/10a;哈尔滨为-7 1mm/ 10a;大连为-2 7mm/10a;沈阳略为上升趋势为1 3mm/10a 。东北地区的年降水量存在着区 域性的多重时间尺度下的周期变化特征,2a~3a 、5a~6a,10a 和50a 左右的长期振荡周期具 有全域性;长春、哈尔滨年降水的主要控制周期是20a 左右;5a~6a 的短周期和50年的长周 期变化也对年降水有较大影响。 关键词:东北地区;近百年;降水时间序列;小波分析 文章编号:1000-0585(2009)02-0354-09 1 引言 全球变暖导致全球和区域气候变化,使得高温、干旱、洪涝等灾害性天气频发,造成生态和环境恶化,严重影响到农业生产、社会经济和可持续发展,已引起人们的高度重视[1~3] 。特别是在全球气候变化背景下,中国降水量的空间格局的变化直接关系到我国农业生产安全[4]。我国东北地区位于东亚季风的最北端,属于温带大陆性季风气候,是中国湿润的东部季风区和干旱的内陆之间的过度带。夏季高温多雨,冬季严寒干燥,大陆性气候由东向西渐强。其气候的季节性变化与整个东亚大气环流紧密相连,气候及其变化的差异较大,是典型的 气候脆弱区 和气候变暖影响最为敏感地区之一,也是我国最大的商品粮产区和重要的重工业和能源基地。因此,研究我国东北地区近百年来降水变化的特征,对了解气候演变对降水的影响和短期、中长期降水预测具有十分重要的意义。近年来,已有许多气象工作者对此进行了研究,例如:姜哓艳等[5]。在分析了我国东北地区哈尔滨、长春、沈阳和大连近百年年平均气温变化特征的基础上,采用小波分析的方法研究了其多时间尺度的复杂结构构,研究结果表明,近百年来东北地区的平均气温呈升高趋势,尤其在20世纪80年代以后升高趋势更加明显,升温率达到0 165 /10a 。气温存在
1什么是小波函数？（或小波函数满足什么条件？） 答：设)()(2R L t ∈?,且其Fourier 变换)(ω? 满足可允许性（admissibility ）条件 +∞
时间序列得小波分析 时间序列(Ｔime Ｓｅｒｉeｓ)就是地学研究中经常遇到得问题。在时间序列研究中,时域与频域就是常用得两种基本形式。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得更多信息;频域分析(如Fourier变换)虽具有准确得频率定位功能,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)随时间得变化往往受到多种因素得综合影响,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得研究,通常需要某一频段对应得时间信息,或某一时段得频域信息、显然,时域分析与频域分析对此均无能为力。 ２0世纪８0年代初,由Mｏrleｔ提出得一种具有时－频多分辨功能得小波分析(Wavelet Analysis)为更好得研究时间序列问题提供了可能,它能清晰得揭示出隐藏在时间序列中得多种变化周期,充分反映系统在不同时间尺度中得变化趋势,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、数值分析与大气科学等众多得非线性科学领域内得到了广泛得应。在时间序列研究中,小波分析主要用于时间序列得消噪与滤波,信息量系数与分形维数得计算,突变点得监测与周期成分得识别以及多时间尺度得分析等。 一、小波分析基本原理 1. 小波函数 小波分析得基本思想就是用一簇小波函数系来表示或逼近某一信号或函数。因此,小波函数就是小波分析得关键,它就是指具有震荡性、能够迅速衰减到零得一类函数,即小波函数且满足: (1) 式中,为基小波函数,它可通过尺度得伸缩与时间轴上得平移构成一簇函数系: 其中, (2) 式中,为子小波;ａ为尺度因子,反映小波得周期长度;ｂ为平移因子,反应时间上得平移。 需要说明得就是,选择合适得基小波函数就是进行小波分析得前提。在实际应用研究中,应针对具体情况选择所需得基小波函数;同一信号或时间序列,若选择不同得基小波函数,所得得结果往往会有所差异,有时甚至差异很大。目前,主要就是通过对比不同小波分析处理信号时所得得结果与理论结果得误差来判定基小波函数得好坏,并由此选定该类研究所需得基小波函数。 ２. 小波变换 若就是由(２)式给出得子小波,对于给定得能量有限信号,其连续小波变换(Ｃontｉnue Wavelｅt Ｔransform,简写为CＷT)为: (3) 式中,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;为得复共轭函数。地学中观测到得时间序列数据大多就是离散得,设函数,(k=1,2,…,Ｎ; 为取样间隔),则式(3)得离散小波变换形式为: (4) 由式(3)或(4)可知小波分析得基本原理,即通过增加或减小伸缩尺度a来得到信号得低频或高频信息,然后分析信号得概貌或细节,实现对信号不同时间尺度与空间局部特征得分析。 实际研究中,最主要得就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得时频变化特征、 3、小波方差 将小波系数得平方值在b域上积分,就可得到小波方差,即 (5)
《小波分析》试题 适用范围：硕士研究生 时 间：2013年6月 一、名词解释（30分） 1、线性空间与线性子空间 解释：线性空间是一个在标量域（实或复）F 上的非空矢量集合V ；设V1是数域K 上的线性空间V 的一个非空子集合，且对V 已有的线性运算满足以下条件 （1） 如果x 、y V1，则x ＋y V1； （2） 如果x V1，k K ，则kx V1， 则称V1是V 的一个线∈∈∈∈∈性子空间或子空间。2、基与坐标 解释：在 n 维线性空间 V 中，n 个线性无关的向量，称为 V 的一组n 21...εεε，，，基；设是中任一向量，于是 线性相关，因此可以被基αn 21...εεε，，，线性表出：，其中系数 αεεε，，，，n 21...n 21...εεε，，，n 2111an ...a a εεεα+++=是被向量和基唯一确定的，这组数就称为在基下的坐标，an ...a a 11，，，αn 21...εεε，，，记为 （） 。an ...a a 11，，，3、内积 解释：内积也称为点积、点乘、数量积、标量积。，()T n x x x x ,...,,21= ，令，称为x 与y 的内积。 ()T n y y y y ,...,,21=[]n n y x y x y x y x +++=...,2211[]y x ,4、希尔伯特空间 解释：线性 完备的内积空间称为Hilbert 空间。线性（linearity ）：对任意 f ， g ∈H ，a ，b ∈R ，a*f+b*g 仍然∈H 。完备（completeness ）：空间中的任何柯西序列都收敛在该空间之内。内积（inner product ）：
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。
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 ?
一、叙述小波分析理论发展的历史和研究现状 答：傅立叶变换能够将信号的时域和特征和频域特征联系起来，能分别从信号的时域和频域观察，但不能把二者有机的结合起来。这是因为信号的时域波形中不包含任何频域信息，而其傅立叶谱是信号的统计特性，从其表达式中也可以看出，它是整个时间域内的积分，没有局部化分析信号的功能，完全不具备时域信息，也就是说，对于傅立叶谱中的某一频率，不能够知道这个频率是在什么时候产生的。这样在信号分析中就面临一对最基本的矛盾——时域和频域的局部化矛盾。 在实际的信号处理过程中，尤其是对非常平稳信号的处理中，信号在任一时刻附近的频域特征很重要。如柴油机缸盖表明的振动信号就是由撞击或冲击产生的，是一瞬变信号，单从时域或频域上来分析是不够的。这就促使人们去寻找一种新方法，能将时域和频域结合起来描述观察信号的时频联合特征，构成信号的时频谱，这就是所谓的时频分析，亦称为时频局部化方法。 为了分析和处理非平稳信号，人们对傅立叶分析进行了推广乃至根本性的革命，提出并开发了一系列新的信号分析理论：短时傅立叶变换、时频分析、Gabor 变换、小波变换Randon-Wigner变换、分数阶傅立叶变换、线形调频小波变换、循环统计量理论和调幅—调频信号分析等。其中，短时傅立叶变换和小波变换也是因传统的傅立叶变换不能够满足信号处理的要求而产生的。 短时傅立叶变换分析的基本思想是：假定非平稳信号在不同的有限时间宽度内是平稳信号，从而计算出各个不同时刻的功率谱。但从本质上讲，短时傅立叶变换是一种单一分辨率的信号分析方法，因为它使用一个固定的短时窗函数，因而短时傅立叶变换在信号分析上还是存在着不可逾越的缺陷。 小波变换是一种信号的时间—尺度（时间—频率）分析方法，具有多分辨
小波分析—时间序列的多时间尺度分析 一、问题引入 1.时间序列（Time Series ） 时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。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，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。 2.多时间尺度 河流因受季节气候和流域地下地质因素的综合作用的影响,就会呈现出时间尺度从日、月到年,甚至到千万年的多时间尺度径流变化特征。推而广之，这个尺度分析，可以运用到对人文历史的认识，以及我们个人生活及人生的思考。 3.小波分析 产生：基于以往对于时间序列分析的各种缺点，融合多时间尺度的理念，小波分析在上世纪80年代应运而生，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。 优点： 相对于Fourier 分析：Fourier 分析只考虑时域和频域之间的一对一的映射，它以单个变量（时间或频率）的函数标示信号；小波分析则利用联合时间-尺度函数分析非平稳信号。 相对于时域分析：时域分析在时域平面上标示非平稳信号，小波分析描述非平稳信号虽然也在二维平面上，但不是在时域平面上，而是在所谓的时间尺度平面上，在小波分析中，人们可以在不同尺度上来观测信号这种对信号分析的多尺度观点是小波分析的基本特征。 应用范围： 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用。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，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。 二、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(有限能量空间)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）
题1：设{},j V j Z ∈是依尺度函数()x φ的多分辨率分析，101()0x x φ≤
11()3.k k h k p -=为高通分解滤波器,写出个双倍平移正交关系等式 题6：列出二维可分离小波的4个变换基。 题8：要得到“好”的小波，除要求滤波器0()h n 满足规范、双正交平移性、低通等最小条件外，还可以对0()h n 加消失矩条件来得到性能更优良的小波。 （1） 请写出小波函数()t ψ具有p 阶消失矩的定义条件： （2） 小波函数()t ψ具有p 阶消失矩，要求0()h n 满足等式： （3） 在长度为4的滤波器0()h n 设计中，将下面等式补充完整： 222200000000(0)(1)(2)(3)1 (0)(2)(1)(3)0 ,1 2h h h h h h h h n ?+++=???+==??? 规范性低通双平移正交阶消失矩
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
1、小波变换在图像处理中有着广泛的应用，请简述其在图像压缩中的应用原理？ 答：一幅图像经过一次小波变换之后，概貌信息大多集中在低频部分，而其余部分只有微弱的细节信息。为此，如果只保留占总数数量1/4的低频部分，对其余三个部分的系数不存储或传输，在解压时，这三个子块的系数以0来代替，则就可以省略图像部分细节信息，而画面的效果跟原始图像差别不是很大。这样，就可以得到图像压缩的目的。 2、给出GPEG数据压缩的特点。 答：（1）一种有损基本编码系统，这个系统是以DCT为基础的并且足够应付大多数压缩方向应用。 （2）一种扩展的编码系统，这种系统面向的是更大规模的压缩，更高精确性或逐渐递增的重构应用系统。 （3）一种面向可逆压缩的无损独立编码系统。 3、设计雪花检测系统 答：1）获得彩色雪花图像。2）灰度雪花图像。3）图像的灰度拉伸，以增强对比度。4）阈值判断法二值化图像。5）图像的梯度锐化。6）对图像进行自定义模板中值滤波以去除噪声。7）用梯度算子对雪花区域的定位。8）利用hough变换截下雪花区域的图片。 9）雪花图片几何位置调整。 4、用图像处理的原理设计系统，分析木材的年轮结构。 答：1）获得彩色木材年轮图像。2）灰度木材年轮图像。3）灰度拉伸以增加对比度。4）阈值判定法二值化图像。5）图像的梯度锐化。6）对图像进行自定义模板中值滤波以去除噪声。7）用梯度算子对木材年轮圈进行定位。8）图片二值化。9）利用边界描述子对木材的年轮结构进行识别。 5、给出生猪的尺寸和形貌检测系统。 答：1）获得彩色生猪图像。2）灰度生猪图像。3）图像的灰度拉伸，以增强对比度。4）阈值判定法二值化图像。5）图像的梯度锐化。6）对图像进行自定义模板中值滤波以除去噪声。 7）用梯度算子对生猪区域的定位。8）利用hough变换截下生猪区域的图片。9）生猪图片几何位置调整。10）生猪图片二值化。11）利用边界描述子对生猪尺寸和形貌的识别。 第二种答案：（类似牌照检测系统） 1）第一步定位牌照 由图像采集部件采集生猪的外形图像并将图像存储在存储器中，其特征在于：数字处理器由存储器中读入并运行于生猪外形尺寸检测的动态检测软件、从存储器中依次读入两幅车辆外形图像数据、经过对生猪外形图像分析可得到生猪的高度，宽度和长度数据即生猪的外形尺寸。通过高通滤波，得到所有的边对边缘细化（但要保持连通关系），找出所有封闭的边缘，对封闭边缘求多边形逼近，在逼近后的所有四边形中，找出尺寸与牌照大小相同的四边形。生猪形貌被定位。 2）第二步识别 区域中的细化后的图形对象，计算傅里叶描述子，用预先定义好的决策函数，对描述子进行计算，判断到底是数字几。 6、常用的数字图像处理开发工具有哪些？各有什么特点？ 答：目前图像处理系统开发的主流工具为Visual C++(面向对象可视化集成工具)和MATLAB的图像处理工具箱（lmage processing tool box）。两种开发工具各有所长且有相互间的软件接口。 微软公司的VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开发出来
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
第一章 1.1.1可以用f(x,y)来表示：（ABD） A、一幅2-D数字图像 B、一个在3-D空间中的客观景物的投影； C 2-D空间XY中的一个坐标的点的位置； D、在坐标点（X,Y）的某种性质F的数值。 提示：注意3个符号各自的意义 1.1.2、一幅数字图像是：(B) A、一个观测系统； B、一个有许多像素排列而成的实体； C、一个2-D数组中的元素 D、一个3-D空间的场景。 提示：考虑图像和数字图像的定义 1.2.2、已知如图1.2.2中的2个像素P和Q，下面说法正确的是：(C) A、2个像素P和Q直接的De距离比他们之间的D4距离和D8距离都短： B、2个像素p和q之间的D4距离为5； C、2个像素p和q之间的D8距离为5； D、2个像素p和q之间的De距离为5。 1.4.2、半调输出技术可以：(B) A、改善图像的空间分辨率； B、改善图像的幅度分辨率； C、利用抖动技术实现； D、消除虚假轮廓现象。 提示：半调输出技术牺牲空间分辨率以提高幅度分辨率 1.4.3、抖动技术可以(D) A、改善图像的空间分辨率； B、改善图像的幅度分辨率； C、利用半输出技术实现； D、消除虚假轮廓现象。 提示：抖动技术通过加入随即噪声，增加了图像的幅度输出值的个数 1.5.1、一幅256*256的图像，若灰度级数为16，则存储它所需的比特数是：(A) A、256K B、512K C、1M C、2M 提示：表达图像所需的比特数是图像的长乘宽再乘灰度级数对应的比特数。1.5.2、图像中虚假轮廓的出现就其本质而言是由于：(A)(平滑区域内灰度应缓慢变化，但当图像的灰度级数不够多时会产生阶跃) A、图像的灰度级数不够多造成的； B、图像的空间分辨率不够高造成； C、图像的灰度级数过多造成的 D、图像的空间分辨率过高造成。 提示：图像中的虚假轮廓最易在平滑区域内产生。 1.5.3、数字图像木刻画效果的出现是由于下列原因所产生的：（A） A、图像的幅度分辨率过小； B、图像的幅度分辨率过大； C、图像的空间分辨率过小； D、图像的空间分辨率过大；
时间序列-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 ? -=ψ （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 ?，
2．计算下列分形维数： （1）康托尔集合（the Cantor set） l o g l o g2 0.631 l o g l o g3 s m D c =-=≈ （2）科赫曲线（Koch） log4 1.262 log3 s D=-≈ （3）谢尔平斯基（Sierpinski）地毯、垫片、海绵 地毯： log log8 1.893 log log3 f D β κ ==≈ 垫片: log log3 1.585 log log2 f D β κ ==≈ 海绵： log log20 2.763 log log3 f D β κ ==≈ （4）阿波罗尼斯垫圆： 解：不在此圆内部的点形成一个面积为零的集合，可以说它多于一条线但少于一个面，因此它的分形维数 （5）皮亚诺曲线： log ln9 2 1ln3 log() s N D β === 1．求按下列各图所示方法生成的分形图的分维 初始元： 生成元： （a）（b）（c） (a) log ln8 1.5 1ln4 log() s N D β ==≈ (b) log ln5 1.465 1ln3 log() s N D β ==≈ (c) log ln5 1.465 1ln3 log() s N D β ==≈
2、计算康托尔三分集相似维、Hausdorff 维 解：相似维：log ln 2 0.63111log()ln 3s N D β= =≈ Hausdorff 维：log log 20.631log log 3 f D βκ= =≈ 3、计算不规则分形盒维数（只计算右下端） ε=1/10 ()N ε=N(1/10) ()ln ln 54ln 54 1.732 1ln ln10ln 10B N D εε=- =-=≈
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
现代数学讲座 小波变换及其应用 李世雄 (安徽大学数学系 合肥 230039) 科学技术的迅速发展使人类进入了信息时代。在信息社会中人们在各种领域中都会涉及各种信号(语音,音乐,图像,金融数据,……)的分析、加工、识别、传输和存储等问题。长期以来,傅里叶变换一直是处理这方面问题最重要的工具,并且已经发展了一套内容非常丰富并在许多实际问题中行之有效的方法。但是,用傅里叶变换分析处理信号的方法也存在着一定的局限性与弱点,傅里叶变换提供了信号在频率域上的详细特征,但却把时间域上的特征完全丢失了。小波变换是80年代后期发展起来的新数学分支,它是傅里叶变换的发展与扩充,在一定程度上克服了傅里叶变换的弱点与局限性。本文从信号分析与处理的角度来介绍小波变换的基本理论与应用,使具有微积分基础的读者通过本文能对这一新的数学分支有一初步了解。小波变换在函数论、微分方程、数值计算等方面也有着重要的应用,有兴趣的读者可参看[1][4]。 (一)从傅里叶变换谈起 数学中经常用变换这一技巧将问题由繁难化为简易,初等数学中用对数将较繁难的乘除法化为简易的加减法就是很典型的一个例子。而傅里叶变换(简称FT )则是利用积分将一个函数f (t )(-∞
相关主题
文本预览