下载文档原格式
1 绪论1.1概述小波分析是近15年来发展起来的一种新的时频分析方法。
其典型应用包括齿轮变速控制，起重机的非正常噪声，自动目标所顶，物理中的间断现象等。
而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量，典型应用包括细胞膜的识别，金属表面的探伤，金融学中快变量的检测，INTERNET的流量控制等。
从以上的信号分析的典型应用可以看出，时频分析应用非常广泛，涵盖了物理学，工程技术，生物科学，经济学等众多领域，而且在很多情况下单单分析其时域或频域的性质是不够的，比如在电力监测系统中，即要监控稳定信号的成分，又要准确定位故障信号。
这就需要引入新的时频分析方法，小波分析正是由于这类需求发展起来的。
在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息，这对于某些应用来说是很恰当的，因为信号的频率的信息对其是非常重要的。
但其丢弃的时域信息可能对某些应用同样非常重要，所以人们对傅立叶分析进行了推广，提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor变换，时频分析，小波变换等。
其中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试，其基本假定在于在一定的时间窗内信号是平稳的，那么通过分割时间窗，在每个时间窗内把信号展开到频域就可以获得局部的频域信息，但是它的时域区分度只能依赖于大小不变的时间窗，对某些瞬态信号来说还是粒度太大。
换言之，短时傅立叶分析只能在一个分辨率上进行。
所以对很多应用来说不够精确，存在很大的缺陷。
而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分（信号较平稳）可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况下（频率变化不大）可以用较低的频率分辨率来换取精确的时间定位。
因为这些特定，小波分析可以探测正常信号中的瞬态，并展示其频率成分，被称为数学显微镜，广泛应用于各个时频分析领域。
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：)abt (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。
1 绪论1.1概述小波分析是近15年来发展起来的一种新的时频分析方法。
其典型应用包括齿轮变速控制，起重机的非正常噪声，自动目标所顶，物理中的间断现象等。
而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量，典型应用包括细胞膜的识别，金属表面的探伤，金融学中快变量的检测，INTERNET的流量控制等。
从以上的信号分析的典型应用可以看出，时频分析应用非常广泛，涵盖了物理学，工程技术，生物科学，经济学等众多领域，而且在很多情况下单单分析其时域或频域的性质是不够的，比如在电力监测系统中，即要监控稳定信号的成分，又要准确定位故障信号。
这就需要引入新的时频分析方法，小波分析正是由于这类需求发展起来的。
在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息，这对于某些应用来说是很恰当的，因为信号的频率的信息对其是非常重要的。
但其丢弃的时域信息可能对某些应用同样非常重要，所以人们对傅立叶分析进行了推广，提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor变换，时频分析，小波变换等。
其中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试，其基本假定在于在一定的时间窗内信号是平稳的，那么通过分割时间窗，在每个时间窗内把信号展开到频域就可以获得局部的频域信息，但是它的时域区分度只能依赖于大小不变的时间窗，对某些瞬态信号来说还是粒度太大。
换言之，短时傅立叶分析只能在一个分辨率上进行。
所以对很多应用来说不够精确，存在很大的缺陷。
而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分（信号较平稳）可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况下（频率变化不大）可以用较低的频率分辨率来换取精确的时间定位。
因为这些特定，小波分析可以探测正常信号中的瞬态，并展示其频率成分，被称为数学显微镜，广泛应用于各个时频分析领域。
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：)abt (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。
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：)abt (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。
第6章 气象上常用小波及其应用实例(1)前面五章讲述了小波分析方法的由来和原理，这些基本知识为气象上实际应用奠定了基础。
本章将介绍气象上常用的几种小波，特别是Haar 小波和墨西哥帽（Mexihat ）小波，以及小波分析的应用实例。
6.1 二进小波二进小波的产生基于第4章的“二分法”。
它的基本思路是把连续型函数)(t f 及其连续小波变换),(b a W f 离散化，以便于实际应用。
作为一种方便和常用的形式，是对小波参数中的放（伸）缩因子a 进行二进制离散。
若小波函数系的表达式{}Zm,n n t am∈-- ),(ψ（••） 中的放缩因子)(2Z j a j ∈=，则称)(t ψ为二进小波。
把经过这种离散化后的二进小波的变换，称为二进小波变换。
强调说明：在应用时所用的小波函数系（式（••））与前面第4章第3节的式（•）有所不同。
比照这两式：),()(),2(2)(,2/,b at a t k t t b a jj kj -=-=ψψψψ或（•）),()(,n t at mn m -=-ψψ（••） 可以看出，二者主要的不同点是t 的系数a 指数正负号恰好相反。
所以，用式（•）的小波作变换时，随着a （或者j ）的增大，W 曲线变窄；而用式（••）的小波作变换时，随着a （或者j ）的增大，W 曲线变宽。
定义6.1 函数)()(2R L t ∈ψ被称为二进小波，若存在两个常数∞<≤<B A 0，使得：∑∈-≤≤Zj j B A .)2(ˆ2ωψ（6.1）上述条件式（6.1）称为稳定性条件；若A =B ，则称最稳定条件。
而函数序列{}Zj j f W ∈2称为二进小波变换，其中，,d 2)(21)()(22b b t t f t f t f W Rjjjj ⎰⎪⎭⎫⎝⎛-=*=ψψ（6.2）这里j a 2=是放缩因子，b 是平移因子。
由卷积定理知：)2(ˆ)(ˆ)(ˆ2ωψωωj f f W j ⋅= （6.3） 据此，稳定性条件等价于：对任意)()(2R L t f ∈，有：∑∈≤≤Zj fB fW fA j 2020220（6.4）下面定理说明，二进小波一定是允许小波。
