学习小波变换与傅里叶变换

1、两种变换都是摆弄基;傅里叶变换是将f(x)用不同的正弦、余弦函数来表示

2、傅里叶用的是正弦波,是一种能量无限的波;小波分析是用的一种能量集中地波,能量有限

3、每种小波都是有其父小波和母小波经过拉伸、平移等形成的

4、小波信号对于一维、高维信号的表示都很好,但是傅里叶变换对于突变信号和高维的非三角波信号表示则无能为力

5、小波能在时域和频域上定位信号,小波信号允许更加精确的局部描述和信号特征的分离。傅里叶波则是在强行对整个时域的描述。

可见小波变换相对于傅里叶变换的NB处!

时间: 2024-10-15 13:48:42

学习小波变换与傅里叶变换的相关文章

小波变换(wavelet transform)的通俗解释(一)

小波变换 小波,一个神奇的波,可长可短可胖可瘦(伸缩平移),当去学习小波的时候,第一个首先要做的就是回顾傅立叶变换(又回来了,唉),因为他们都是频率变换的方法,而傅立叶变换是最入门的,也是最先了解的,通过傅立叶变换,了解缺点,改进,慢慢的就成了小波变换.主要的关键的方向是傅立叶变换.短时傅立叶变换,小波变换等,第二代小波的什么的就不说了,太多了没太多意义.当然,其中会看到很多的名词,例如,内积,基,归一化正交,投影,Hilbert空间,多分辨率,父小波,母小波,这些不同的名词也是学习小波路上的标

为什么我最后选择做量化分析

如题,作为一个自我探索者,我高中参加过noip并获得省级二等奖,大学做微电子,毕业以后做过新闻类的数据挖掘推荐.然后做了一段时间图像处理.本科学得比较好的是信号处理相关,信息论.数字信号处理.信号与系统.图像处理等信息科学. 想做什么? 有一个是想做数据分析,然后是想做金融大数据分析. 一直想往金融方向转,但是由于自己一直浑浑噩噩,目标不明确,荒废了一些时日,打算从现在起重新做人,现在大环境较好,比较适合做这个. 学习过什么? 股票信息主要是信号较多.本科是学信号的,对于各种信号处理技术,离散,

从拉普拉斯矩阵说到谱聚类

转载:http://blog.csdn.net/v_july_v/article/details/40738211   0 引言     11月1日上午,机器学习班第7次课,邹博讲聚类(PPT),其中的谱聚类引起了自己的兴趣,他从最基本的概念:单位向量.两个向量的正交.方阵的特征值和特征向量,讲到相似度图.拉普拉斯矩阵,最后讲谱聚类的目标函数和其算法流程.     课后自己又琢磨了番谱聚类跟拉普拉斯矩阵,打算写篇博客记录学习心得, 若有不足或建议,欢迎随时不吝指出,thanks. 1 矩阵基础

小波去噪的基本知识

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

泛函分析的知识点

度量空间 线性空间实例:向量空间$K^n$.p方可和数列空间$l^p$.p幂可积函数空间$L^p(E)$.连续函数空间$C[a,b]$.k阶连续导数函数空间$C^k[a,b]$.矩阵空间$M_{mn}$ 度量空间=定义了距离的集合. Holder不等式$\Rightarrow$柯西不等式$\Rightarrow$向量空间的距离 Minkowski不等式$\Rightarrow$p方可和数列空间的距离 拓扑性质 基于开球(邻域)定义:内点/开集.聚点/导集 任意多开集的并是开集.有限个开集的交也是

【DWT笔记】傅里叶变换与小波变换

[DWT笔记]傅里叶变换与小波变换 一.前言 我们经常接触到的信号,正弦信号,余弦信号,甚至是复杂的心电图.脑电图.地震波信号都是时域上的信号,我们也成为原始信号,但是通常情况下,我们在原始信号中得到的信息是有限的,所以为了获得更多的信息,我们就需要对原始信号进行数学变换,得到变换域的信号,通常接触到的变换主要有傅里叶变换.拉普拉斯变换.Z变换.小波变换等等,今天主要讨论下傅里叶变换与小波变换. 二.平稳信号与非平稳信号 在介绍主体之前,先要说下平稳信号与非平稳信号的区别. 平稳信号是指分布参数

[傅里叶变换及其应用学习笔记] 十七. Ш函数

Ш函数的三个性质 上节课我们学习了$Ш_p$函数,其定义如下 $Ш_p = \displaystyle{ \sum_{k=-\infty}^{\infty}\delta(x-kp) }$     $Ш_p$函数有以下三个性质, 1) 采样性质,继承了$\delta$函数的采样性质 $f(x)Ш_p(x) = \displaystyle{ \sum_{k=-\infty}^{\infty}f(kp)\delta(x-kp) }$ 2) 周期性质,继承了$\delta$函数的移位性质 $(f*Ш_p

[傅里叶变换及其应用学习笔记] 二十四. 级联,脉冲响应

我们上节课学习了 在离散有限维空间中,任何线性系统都是通过矩阵间的相乘得到的 在连续无限维空间中,任何线性系统都是通过对核函数的积分得到的 脉冲响应(impulse response) 级联线性系统(Cascading linear system) 如果$L$与$M$都是线性的,有 $w=MLv$ 在连续无限维空间中 $\begin{align*}MLv&=M\left( \int_{-\infty}^{\infty}k(x,y)v(y)dy \right )\\&\approx M\le

[傅里叶变换及其应用学习笔记] 十九. 采样定理在音乐上的应用

采样定理在音乐上的应用 人可以听到20~20000Hz的声音,上限为20000Hz,即$\frac{p}{2} = 20000$,$p=40000$.那么采样率至少要为40000.CD的采样率采用44100(44.1kHz),据传,在采集模拟信号时采用44100,是因为这些采集的机器以该采样率设置时最为正常,而并非出于理论上的考虑. 在采样时,若采用低于40000的采样率,就会造成声音的高频部分混叠(alias),也有人把这个说成是“低频混叠了变为高频部分,而高频的部分被混叠为低频部分”,实际上