小波变换原理

小波变换原理

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.MOLET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。

小波变换原理之时—频分析
   
信号分析的主要目的是寻找一种简单有效的信号变换方法，以便突出信号中的重要特性，简化运算的复杂度。大家熟知的Fourier变换就是一种刻画函数空间，求解微分方程，进行数值计算的主要方法和有效的数学工具。它可把许多常见的微分、积分和卷积运算简化为代数运算。从物理意义上理解，一个周期振动信号可看成是具有简单频率的简谐振动的叠加。Fourier展开正是这一物理过程的数学描述(见Fourier 变换一节)。
   
Fourier变换的特点是域变换，它把时域和频域联系起来，把时域内难以显现的特征在频域中十分清楚地显现出来。频谱分析的本质就是对F(ω)的加工和处理。基于这一基本原理，现代谱分析已研究与发展了多种行之有效的高效、多分辨率的分析算法。
   
在实际过程中，时变信号是常见的，如语音信号、地震信号、雷达回波等。在这些信号的分析中，希望知道信号在突变时刻的频率成份，显然利用Fourier变换处理这些信号，这些非平稳的突变成份往往被Fourier变换的积分作用平滑掉了。由于，因此，频谱F(ω)的任一频率成份的值是由时域过程f(t)在(-∞，+∞)上的贡献决定的，而过程f(t)在任一时刻的状态也是由F(ω)在整个频域(-∞，+∞)的贡献决定的。该性质可由δ(t)函数来理解，即时域上的一个冲激脉冲在频域中具有无限伸展的均匀频谱。f(t)与F(ω)间的彼此的整体刻画，不能反映各自在局部区域上的特征。因此，不能用于局部分析。在实际应用中，也不乏不同的时间过程却对应着相同的频谱的例子。
  
以上我们从各个方面论述了Fourier变换与小波变换的异同。虽然小波变换在某些方面优于Fourier变换，但小波函数的存在性的证明依赖于Fourier分析，其思想也来源于Fourier分析。更进一步的研究还表明：在处理渐变信号时，Fourier分析或加窗Fourier 分析更为有效。因此小波分析不能取代Fourier分析，它只是Fourier分析的新发展，与Fourier分析相辅相成。

小波分析的应用

小波分析的应用是与小波分析的理论研究紧密地结合在一起地。现在，它已经在科技资讯产业领网域取得了令人瞩目的成就。 电子资讯技术是六大高新技术中重要的一个领网域，它的重要方面是影像和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构（或恢复）。从数学地角度来看，信号与影像处理可以统一看作是信号处理（影像可以看作是二维信号），在小波分析地许多分析的许多应用中，都可以归结为信号处理问题。现在，对於其性质随实践是稳定不变的信号，处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的，而特别适用於非稳定信号的工具就是小波分析。

事实上小波分析的应用领网域十分广泛，它包括：数学领网域的许多学科；信号分析、影像处理；量子力学、理论物理；军事电子对抗与武器的智能化；电脑分类与识别；音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面；例如，在数学方面，它已用於数值分析、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在影像处理方面的影像压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高解析度等。

(1)小波分析用於信号与影像压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与影像的特征不变，且在传递中可以抗干扰。基於小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波网域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。

(2)小波在信号分析中的应用也十分广泛。它可以用於边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘侦测等。

(3)在工程技术等方面的应用。包括电脑视觉、电脑图形学、曲线设计、湍流、远端宇宙的研究与生物医学方面。