辽宁工程技术大学
教学方案
（2013~2014学年第二学期）
课程名称变形分析与预报理论轮
所属院系测绘与地理科学学院
制定人杨帆
第一章绪论
1. 变形监测的内容、目的与意义
变形监测的基本概念
变形监测的内容
变形监测的目的和意义
2.变形监测技术及其发展
3.变形分析的的内涵及其研究进展
变形分析方法简介
变形分析研究的发展趋势
第二章绪论
第2.1 变形监测技术与方案设计
变形监测内容的确定
监测方法、仪器和监测精度的确定
监测部位和测点布置的确定
变形监测频率的确定
综合变形监测系统
2.2 监测数据处理方法
1.变形监测网的数据处理
(1).平均间隙法加最大间隙法
(2).卡尔曼滤波法
2.变形监测点的数据处理
（1）回归分析法
（2）其他方法
2.3 变形监测资料分析及成果表达与解释
资料整理的主要内容
观测资料分析阶段
资料分析常用方法
提交成果资料
成果表达
成果解释
需要回答以下问题：
1. 性质：是为什么性质的监测？状态安全监测还
是交通安全监测或运行安全监测；
2. 是否需在不同荷载情况下，对变形体的变形模
型做检验验证？
3. 是否需根据岩土力学性质建立物理力学模型？
4. 工程整治的效果怎样？
5. 是否需对地球物理假设进行验证？
6. 是否需对工程建筑物进行监测和检验？
7. 采取措施后是否需做建筑物的安全证明？
2.4 监测数据处理平差程序设计与实现
监测数据处理平差程序设计（实验）
1.秩亏自由网平差原理
精度评定
程序设计
设计CLeve 类
各个函数的实现（见程序：）
在菜单中实现计算
计算结果
参考文献：
本章主要内容：
变形监测内容的确定
监测方法、仪器和监测精度的确定
监测部位和测点布置的确定
变形监测频率的确定
综合变形监测系统
控制网优化设计问题的分类及解法
控制网优化设计的质量标准
监测数据处理平差程序设计与实现（试验上机）
第三章变形分析的系统论方法
一般知识点：系统科学范畴及发展：
系统科学的定义：
系统科学的特征：
3.1 重点：掌握变形分析与预报系统论原理
1.变形体系统的特征:
1)开放性
2)耗散性
3)系统结构的层次性
4)非线性
5)自相关性
6)变形过程的动态性
7)变形过程的随机性
8)突变性
2.变形体系统建模方法
a)黑箱系统模型
b)白箱系统模型
c)灰箱系统模型
3.利用灰色理论建立模型的步骤：
4.建立模型遵循的原则：
1)系统模型是系统的代表而不是系统的本身
2)系统模型要符合一定的假设条件
3)模型的规模和难度要适当
4)模型要有代表性
5)模型要保证足够的精度要尽量采用标准化模型和借鉴已经有成功经验的模型3.2 重点：变形体系统研究的动力学方法：
1.计算流程：
1)相空间重构
2)计算先关联维数
3)计算科尔莫戈夫熵
4)计算李雅普罗夫指数
2.滑坡的力学模型：
第四章变形模式的拓扑约束识别
主要内容：
1.引言
2.聚类分析相似性测度
3.变形模式及其检验
4.变形模式的拓扑约束识别
5.拓扑约束识别中传感器观测数据的应用
6.应用说明
4.1引言
如第2章2.43所述，变形体的变形状态可以由目标点的6个应变分量描述。当变形体存在不连续带时，他被不连续带分割成若干块体，要完整的描述变形体的变形状态，除了给出给出各个块体的应变分量，还需要给出各个块体的变形模型。针对传统识别方法的不足，本章提出了变形模式的拓扑识别约束方法，这种方法有效的解决了变形模式自动识别问题。
4.2 聚类分析相似性测度
1 传统的相似性测度
2 相似性测度的扩展
4.3 变形模式及其检验
1 二维变形模型
u=a0+a1x+a2y
v=b0+b1x+b2y
2 三维变形模型
u=a0+a1x+a2y+a3z
v=b 0+b 1x+b 2y+b 3z
w=c 0+c 1x+c 2y+c 3z
4.4 变形模式的拓扑约束识别
1 为什么要引入拓扑约束识别？
2 拓扑约束矩阵
3 拓扑约束的识别方法
4.5 拓扑约束识别中传感器观测数据的应用
1 水准测量数据的应用
2 倾斜数据的应用
ραρ
-+=21)(sin )(cos c A c A v a
误差方程 3 应变测量的数据应用 εβββε-++=321sin sin cos cos cos c Ac Ac v
4.6 应用说明
1 一般应用说明
变形模式的拓扑约束识别法可以识别均匀变形与不均匀变形体，对于均匀变形块体给出了变形模型，这种识别具有较广泛的应用。
2 特殊应用说明
活动断层的识别
走滑层的统计检验
正逆断层的统计检验
3 滑坡体滑动面推估算方法
利用变形模式的拓扑识别法可以由地表诶一观测数据识别出均匀变形块体和不均匀变形块体。
4.7 应用实例
当变形体上分布了一定数量的变形监测点，那么就可以根据变形监测资料对变形体的变形块及其变形模型进行识别。用拓扑约束识别方法进行了两个实例分析研究。个是依据我国GPS A 级网的部分点复测资料进行的地壳块体识别分析；另一个是依据宝塔滑坡体的GPS 多期观测资料进行滑坡块的识别。
（一）宝塔滑坡体的滑动面推估
（二）三峡库区宝塔滑坡体的变形块体识别
结论：
从识别结果可以看出，所推估的滑动面在走向与倾向上与实际是相符的，但计算精度怎样还有待进一步的地址调查或与滑坡发生后的实际资料比较。
第五章变形驱动力反演
主要内容：
1、引言
2、弹性力学基本方程
3、弹性力学平面问题的有限单元法
4、基于弹性力学平面问题的变形驱动力反演
5.1 引言
1 背景
2 叠加法
3 主要目的
本章提出一种与上述方法不同的方法，他同样是基于有限元方法，根据大地测量测定的位移，可同时得到变形体的外界力和底部驱动力。
5.2 弹性力学基本方程
5.3 弹性力学平面问题的有限单元法
1 分析域的单元剖分
2 按最小能量原理建立有限元方程
3 单元刚度矩阵和单元等效节点载荷
4 有限元问题的求解步骤
（1）对分析域进行单元划分；
（2）构造每个单元的单元刚度矩阵并计算单元等效节点荷载；
（3）构造结构敢赌矩阵和结构等效节点荷载；
（4）求解节点平衡方程，利用位移边界条件或位移约束求解节点平衡方程，得到节点位移；（5）计算各单元的应变和应力
5.4基于弹性力学平面问题的变形驱动力反演
1 弹性体的体积域可用V 域表示，弹性体的整个边界用s 表示。根据边界上的位移和力的信息的了解情况，边界s 又分为力的边界s σ与位移边界s μ。弹性力学平面问题的求解思路是：首先对分析域进行单元剖分，对每一个单元建立以单元节点位移为参数的位移插值函数，使得单元内任意一点处的位移可由单元节点位移内插值求得。
2 计算结构等效节点荷载
3 边界力可由边界单元的节点位移求得。在分析域的边界上，按照边界条件表达式求得。
)cos (sin 2xy ki x ki ki kx ix t S P P τασα-=
= )cos (sin 2x ki xy ki ki ky iy t S P P σατα-== 4 体积力等效节点荷载和体积力反演
等效节点荷载P 包含两部分：体积力的等效节点荷载；边界力的等效节点荷载。 5驱动力反演步骤
1 单元剖分。以变形观测点为节点将分析域划分为三角单元；
2 构造整体刚度矩阵；
3 计算结构等效节点荷载。
4 边界力及其等效节点荷载。
5 计算体积力的等效节点荷载。
6 计算体积力分布。由体积力的等效节点荷载计算出节点体积力，进而由体积力的单元插值函数得到单元内体积分布。
5.5基于弹性力学空间问题的变形驱动力反演
1 驱动力的三维反演
（1）单元剖分
（2）构成结构刚度矩阵
（3）计算重力的等效节点荷载
（4）计算垂直边界的边界力及其结构等效节点荷载
（5）底部边界力函数
2 驱动力三维反演步骤如下：
（1）单元剖分
（2）构造结构刚度矩阵
（3）计算重力的等效节点荷载
（4）计算垂直边界上的驱动力及其结构等效节点荷载
（5）计算底部边界力的结构等效节点荷载
（6）计算底部节点驱动力向量Ts
（7）按照插值函数计算底部驱动力
第六章：自适应卡尔曼滤波
1.自适应的卡尔曼滤波变形分析模型
掌握卡尔曼滤波基本模型及变形分析模型；
熟悉应用卡尔曼滤波建立变形分析模型
2.重点：卡尔曼滤波基本模型
3.难点：卡尔曼滤波建立变形分析模型
分析步骤：
1）由变形系统的数学模型关系式（状态方程和观测方程），确定系统状态转移矩阵、动态噪声矩阵和观测矩阵；
2）利用组观测数据中的第一组观测数据，确定滤波的初值，包括：状态向量的初值及其相应的协方差阵、观测噪声的协方差阵和动态噪声的协方差阵；
3）读取组观测数据，实施Kalman滤波；
4）存储滤波结果中最后一组的状态向量估计和相应的协方差阵；
5）等待当前观测时段的数据；
6）将上述组观测数据中的第一组观测数据去掉，把当前新的一组观测数据放在其最后位置，重新构成组观测数据，回到上述的第1）步，重新进行Kalman滤波。如此递推下去，达到自动滤波的目的。
第七章变形的时序分析和频谱分析法
主要内容：
1.时间序列分析模型
2.人工神经网络模型
3.频谱分析及其应用
频谱分析法
最小二乘响应分析
第八章变形预测的人工神经网络法
8.1 重点：BP网络算法：
1.基本概念：
2.人工神经网络的特点：
(1)并行分布处理的工作模式。
(2)神经系统的可塑性和自组织性。
(3)信息处理与信息存贮合二为一。
(4)信息处理的系统性
(5)能接受和处理模糊的、模拟的、随机的信息。
(6)求满意解而不是精确解。
(7)系统的恰当退化和冗余备份(鲁棒性和容错性)。
3.BP网络结构
4.误差反向训练方法
BP神经网络采用BP算法进行学习，其学习过程分四个阶段。
BP网络学习的步骤：
5.存在的优缺点：
8.2 难点：BP网络算法的改进模型：
1.改进的方向及其要求：
改进的本质：
a)对可变权值的动态调整
核心思想：
b)将输出误差以某种形式通过隐层向输入层逐层反传
改进的过程：
c)信号的正向传播，误差的反向传播
8.3 重点：BP网络变形预报模型
1.基本定义。
2.训练算法步骤。
8.4 难点：神经网络专家系统变形预报系统。
8.5 一般知识点：预报的误差评价体系。
一致性检验：
a.平均值一致性
b.方差一致性
第九章小波理论及变形分析模型主要内容：
1.小波理论
2.小波滤波去噪方法
3.熟悉小波多尺度变形分析模型和小波神经网络预测模型建立方法（
4.实现基于MA TLAB 的变形预报模型程序（实验）
9.1 小波理论
小波变换包括：
1. 连续小波变换、逆变换
2. 离散小波变换
3. 二进小波变换及其逆变换
小波特点：
小波优点：
连续小波变换：
1.连续小波变换的定义
2.逆变换
3.连续小波变换的性质
几种常用的小波（略）
离散小波变换
离散化过程中的两个问题：
一、离散小波能否完全表征函数f(t)的全部信息。 二、是否任何函数f(t)都可以表示为以 为单位的加权和。
离散小波变换的逆变换： 二进制小波变换的逆变换：
9.2 小波滤波去噪方法
1.Daubechies 小波的滤波系数及变换方法
2.基于小波变换的变形分析模型
3.小波变换在变形分析的作用 实例：超高层建筑的动态特性测定（详见课件ppt ）
9.3 小波多尺度变形分析（2学时）
小波多尺度概述
观测序列小波多尺度变换特征分析
,()j k t
小波多尺度傅里叶视频分析
小波多尺度自回归建模
小波滤波模型
观测序列小波多尺度变换特征分析
观测序列小波多尺度变换相关性分析：
小波多尺度傅里叶时频分析
小波多尺度自回归建模
小波滤波模型（卡尔曼滤波）
9.4 基于MATLAB的变形预报模型程序设计（实验）（2学时）
实验内容、目的及其要求：
实验目的：对变形数据进行分析建模分析，提高对变形分析和预报结果的理解，加深对基本理论的认识，也利于提高编程能力和工程应用能力。
实验要求
分组进行实验，完成数据计算。编写实验报告。
注意事项：
1．实验前，学生要认真预习实验指导书，明确实验目的和要求，掌握与实验相关的理论知识，了解与实验有关的内容；
2．了解实验所用的设备和仪器，熟悉使用方法和操作过程；
3．掌握相关的理论方法，得出计算成果；
4．对所做实验得出结论，编写实验报告。
第十章变形监测分析与预报的发展展望
主要内容：
1.工程变形监测技术的发展展望
2.工程变形分析预报的发展展望
3.工程安全监测、分析与预报综合信息系统
工程变形监测技术的发展展望：
（1）变形监测内外业作业的一体化；
（2）变形监测数据获取及处理的自动化；
（3）变形监测测量过程控制和系统行为
的智能化；
（4）变形监测测量成果和产品的数字化；
（5）变形监测测量信息管理的可视化。
10.1 变形分析和预报方法：
（1）回归分析法；（5）有限元法；
（2）时间序列分析法；（6）人工神经网络法；
（3）频谱分析法；（7）小波分析法；
（4）卡尔曼滤波法；（8）系统分析法。
10.2 工程安全监测、分析与预报综合信息系统
系统总体设计：
1总控部分；6应用程序库及管理系统；
2输入系统；7知识库及管理系统；
3输出系统；8综合分析推理系统；
4数据库及管理系统；9图形图像库及管理系统；
5模型库及管理系统；10多库协同器。
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
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
我希望能简单介绍一下小波变换，它和傅立叶变换的比较，以及它在移动平台做motion detection的应用。如果不做特殊说明，均以离散小波为例子。考虑到我以前看中文资料的痛苦程度，我会尽量用简单，但是直观的方式去介绍。有些必要的公式是不能少的，但我尽量少用公式，多用图。另外，我不是一个好的翻译者，所以对于某些实在翻译不清楚的术语，我就会直接用英语。我并不claim我会把整个小波变换讲清楚，这是不可能的事，我只能尽力去围绕要点展开，比如小波变换相对傅立叶变换的好处，这些好处的原因是什么，小波变换的几个根本性质是什么，背后的推导是什么。我希望达到的目的就是一个小波变换的初学者在看完这个系列之后，就能用matlab或者别的工具对信号做小波变换的基本分析并且知道这个分析大概是怎么回事。 要讲小波变换，我们必须了解傅立叶变换。要了解傅立叶变换，我们先要弄清楚什么是”变换“。很多处理，不管是压缩也好，滤波也好，图形处理也好，本质都是变换。变换的是什么东西呢？是基，也就是basis。如果你暂时有些遗忘了basis的定义，那么简单说，在线性代数里，basis是指空间里一系列线性独立的向量，而这个空间里的任何其他向量，都可以由这些个向量的线性组合来表示。那basis在变换里面啥用呢？比如说吧，傅立叶展开的本质，就是把一个空间中的信号用该空间的某个basis的线性组合表示出来，要这样表示的原因，是因为傅立叶变换的本质，是。小波变换自然也不例外的和basis有关了。再比如你用Photoshop去处理图像，里面的图像拉伸，反转，等等一系列操作，都是和basis的改变有关。 既然这些变换都是在搞基，那我们自然就容易想到，这个basis的选取非常重要，因为basis的特点决定了具体的计算过程。一个空间中可能有很多种形式的basis，什么样的basis比较好，很大程度上取决于这个basis服务于什么应用。比如如果我们希望选取有利于压缩的话，那么就希望这个basis能用其中很少的向量来最大程度地表示信号，这样即使把别的向量给砍了，信号也不会损失很多。而如果是图形处理中常见的线性变换，最省计算量的完美basis就是eigenvector basis了，因为此时变换矩阵T对它们的作用等同于对角矩阵( Tv_n = av_n，a是eigenvalue )。总的来说，抛开具体的应用不谈，所有的basis，我们都希望它们有一个共同的特点，那就是，容易计算，用最简单的方式呈现最多的信号特性。 好，现在我们对变换有了基本的认识，知道他们其实就是在搞基。当然，搞基也是分形式的，不同的变换，搞基的妙处各有不同。接下来先看看，傅立叶变换是在干嘛。 傅立叶级数最早是Joseph Fourier 这个人提出的，他发现，这个basis不仅仅存在与vector space，还存在于funct ion space。这个function space本质上还是一个linear vector space，可以是有限的，可以是无限的，只不过在这个空间里，vector就是function了，而对应的标量就是实数或者复数。在vector space里，你有vector v可以写成vector basis的线性组合，那在function space里，function f(x)也可以写成对应function basis的线性组合，也有norm。你的vector basis可以是正交的，我的function basis也可以是正交的（比如sin(t)和sin(2t)）。唯一不同的是，我的function basis是无穷尽的，因为我的function space的维度是无穷的。好，具体来说，那就是现在我们有一个函数，f(x)。我们希望将它写成一些cos函数和一些sin函数的形式，像这样 again，这是一个无限循环的函数。其中的1，cosx, sinx, cos2x …..这些，就是傅立叶级数。傅立叶级数应用如此广泛的主要原因之一，就是它们这帮子function basis是正交的，这就是有趣的地方了。为什么function basis正交如此重要呢？我们说两个vector正交，那就是他俩的内积为0。那对于function basis呢？function basis怎么求内积呢？ 现在先复习一下vector正交的定义。我们说两个vector v,w如果正交的话，应符合：
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。
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。
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
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。
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
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
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。
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 ?
《水文小波分析原理及其应用》考试试题 课程编号：7.637 学分：3.0 任课教师：刘东考试形式：开卷 一、写出下列专业术语的英文表达（每小题1分，共10分） （1）小波分析: wavelet analysis； （2）小波变换：wavelet transformation； （3）小波函数：wavelet function； （4）小波消噪：Wavelet denoising； （5）小波方差：Wavelet variance ； （6）连续小波变换：Continuous wavelet transform； （7）离散小波变换：Discrete wavelet transform ； （8）小波人工神经网络模型：Wavelet artificial neural network model； （9）小波随机耦合模型：Wavelet stochastic coupling model； （10）快速小波变换算法：Fast wavelet transform algorithm。 二、论述学习“水文小波分析原理及其应用”课程的目的与意义。（10分）答：水文学是研究地球上水分分布、循环、运动等变化规律及水－环境相互作用的一门科学，属于地球科学的一个分支。水文时间序列在各种因素影响下具有确定性成分、随机成分）。水文学的一个重要研究途径就是利用现有分析技术对水文时间序列进行描述，探讨水文系统的演变规律。 小波变换克服了Fourier变换的不足，能够反映出水文时间序列在时频域上的总体特征以及时频局部化信息，被誉为“数学显微镜”。利用小波分析的多分辨率功能，可以充分挖掘水文时间序列所包含的信息，展现水文时间序列的精细结构，从而使我们更好地掌握水文时间序列的多时间尺度变化特征及突变特征。
小波分析理论简介 （一） 傅立叶变换伟大的历史贡献及其局限性 1 Fourier 变换 1807年，由当年随拿破仑远征埃及的法国数学、物理学家傅立叶（Jean Baptistle Joseph Fourier ,1786-1830),提出任意一个周期为T (=π2)的函数 )(t f ，都可以用三角级数表示： )(t f = ∑∞ -∞=k ikt k e C = 20 a + ∑∞=1cos k k kt a + ∑∞ =1 sin k k kt b (1) k C = π 21 ? -π 20 )(dt e t f ikt = * ikt e f , (2) k k k C C a -+= )(k k k C C i b --= (3) 对于离散的时程 )(t f ，即 N 个离散的测点值 m f ，=m 0,1，2，……,N-1, T 为测量时间： )(t f =2 0a + )sin cos (12 1∑-=+N k k k k k t b t a ωω+t a N N 2 2cos 21 ω=∑-=1 0N k t i k k e C ω （4） 其中 ∑-== 1 02cos 2 N m m k N km x N a π ，=k 0，1，2，…,2N (5) ∑-== 1 2sin 2N m m k N km x N b π , =k 1,2,…, 2N -1 (6) ∑-=-= 1 )/2(1N m N km i m k e x N C π ，=k 0，1，2，…,N-1 (7) t N k k ?=π ω2 ，N T t =? (8) 当T ∞→ 时，化为傅立叶积分（即 Fourier 变换）： ? ∞ ∞ --= dt e t f f t i ωω)()( =t i e f ω, （9） ωωπ ωd e f t f t i )(21 )(? ∞ ∞ -= (10)
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 )(-∞ 2011-2012 学年第一学期 2011级硕士研究生考试试卷 课程名称：小波变换理论及应用任课教师：考试时间：分钟 考核类型：A（）闭卷考试（80%）+平时成绩（20%）； B（）闭卷考试（50%）+ 课程论文（50%）； C（√）课程论文或课程设计（70%）+平时成绩（30%）。 一、以图示的方式详细说明连续小波变换（CWT）的运算过程，分析小波变换的内涵；并阐述如何从多分辨率（MRA）的角度构造正交小波基。（20分） 二、综述小波变换理论与工程应用方面的研究进展，不少于3000字。（25分） 三、运用MATLAB中的小波函数和小波工具箱，分别对taobao.wav语音信号在加噪之后的taobao_noise.wav信号进行降噪处理，要求列出程序、降噪结果及降噪的理论依据。（25分） 四、平时成绩。（30分） （一）连续小波变换（CWT ）的运算过程及内涵 将平方可积空间中任意函数f （t ）在小波基下展开，称这种展开为函数f （t ）的连续小波变换（Continue Wavelet Transform ，简记CWT ）其表达式为 t a b t t f a b a f W d )(*)(||1),(? ∞+∞--=ψψ （ 1.1） 其中，a ∈R 且a ≠0。式（1.19）定义了连续小波变换，a 为尺度因子，表示与频率相关的伸 缩，b 为时间平移因子。其中)(| |1)(,a b t a t b a -=ψψ为窗口函数也是小波母函数。 从式（1.1）可以得出，连续小波变换计算分以下5个步骤进行。 ① 选定一个小波，并与处在分析时段部分的信号相比较。 ② 计算该时刻的连续小波变换系数C 。如图1.5所示，C 表示了该小波与处在分析时段内的信号波形相似程度。C 愈大，表示两者的波形相似程度愈高。小波变换系数依赖于所选择的小波。因此，为了检测某些特定波形的信号，应该选择波形相近的小波进行分析。 图1.5 计算小波变换系数示意图 ③ 如图1.6所示，调整参数b ，调整信号的分析时间段，向右平移小波，重复①～②步骤，直到分析时段已经覆盖了信号的整个支撑区间。 ④ 调整参数a ，尺度伸缩，重复①～③步骤。 ⑤ 重复①～④步骤，计算完所有的尺度的连续小波变换系数，如图1.7所示。 图1.6 不同分析时段下的信号小波变换系数计算 图1.7 不同尺度下的信号小波变换系数计算 C =0.2247小波变换理论及应用
相关主题
文本预览