小波分析笔记一:小波产生的背景和历史

最近在看哈工大教授冉启文的小波分析的视频,讲的非常好,推荐给大家。

这里是第一讲笔记。

第一讲:小波产生的背景和历史

一、“点”的概念(重要)

1、以前我们认为在一维空间,点就是一个数;在二维空间,点就是两个数(x,y),N维空间的点   (x0,x1...xn)以此类推。

2、线性代数就是在研究3个事情。

(1)线性空间上的点怎么表达

(2)点怎么巧妙的表达

(3)同一个点在不同“基”之下的表示方法之间有什么关系。

3、把N维空间所有点都直接表示出来是不可能的,所以引入了“基”的概念:用更少的资源把要表达的对象全部表达出来的方法。

4、对于同样一个点(信号),针对不同的问题,应该采用不同的基。

5、不同“基”之间的转换关系是一个转换矩阵,而且是一个可逆的矩阵!而且,把一个标准正交基转化为另一个标准正交基的矩阵就是正交矩阵。如果都是标准正交基的话,一个向量的长度是不会变的!

6、复杂的点:

(1)点 = 数列

P(......x-1,x0,x1.......xn)    这些点平方可和,也就是能量有限

(2)进一步复杂:点 = 函数

如果让你表示一个N维的点,要如何表达呢?如何表达才让别人容易接受。这个N维空间的点太抽象了,无法 像二维,3维那样简单的作图。所以这时候就要引入 点=函数这个概念,用函数来表示N维的点,即将空间的“基”看作横坐标,纵坐标为幅值,那么将这些点连起来,就是一条折线。那么这条折线就代表这个N维空间中的一个点。

7、点 = 函数

(1)周期函数

常见的就是f(x+2pi) = f(x)

且f(x)在一个周期内能量有限

(0,2pi)的空间内点的表达

(2)非周期函数

f(x)在正负无穷内能量有限

(-∞,+∞)的空间内点的表达

8、傅里叶分析

1807年傅里叶提出。

对调和分析的推动作用在于,当我们想要分析一个函数时,如果这个函数很难分析,我们可以转化一下这个函数的基去分析,就像我们在线性代数中对点的分析一样。

9、傅里叶变换

1908(1910) Haar构造了一个函数h(t),具体请参考相关资料。但是当时未引起任何注意,直到1980年之后的小波盛行。

他这说明了傅里叶变换其实没什么特别有意义的东西,傅里叶变换只是使用了三角函数作为基,而我完全可以使用其他函数作为基嘛,比如h(t)

10、加窗傅里叶变换

(1) 意义:f(t)在时间点 t0 附近的频率成分(Gabor 1946)   -------局部频率的概念,悖论:瞬时频率,只出现一下,算是无限高的频率还是某个频率呢?

(2)加窗傅里叶的问题:窗的宽度与频率的不匹配,高频窄窗,低频宽窗。

(3)1978年解决了上述问题

(4)1980‘s  Morlet小波。

11、傅里叶变换的缺陷

只能判断信号中有这个频率,却不能判断这个频率出现的时间。那么加窗傅里叶呢?下回分析

时间: 2024-10-08 08:16:01

小波分析笔记一:小波产生的背景和历史的相关文章

ECG信号读取,检测QRS,P,T 波(基于小波去噪与检测),基于BP神经网络的身份识别

这学期选了神经网络的课程,最后作业是处理ECG信号,并利用神经网络进行识别. 1  ECG介绍与读取ECG信号 1)ECG介绍  具体ECG背景应用就不介绍了,大家可以参考百度 谷歌.只是简单说下ECG的结构: 一个完整周期的ECG信号有 QRS P T 波组成,不同的人对应不用的波形,同一个人在不同的阶段波形也不同.我们需要根据各个波形的特点,提取出相应的特征,对不同的人进行身份识别. 2)ECG信号读取 首先需要到MIT-BIH数据库中下载ECG信号,具体的下载地址与程序读取内容介绍可以参考

Matlab小波工具箱的使用2

http://blog.sina.com.cn/s/blog_6163bdeb0102dw7a.html 一维离散小波分析 工具箱提供了如下函数做一维信号分析:   Function Name Purpose 分解函数 dwt 一层分解 wavedec 分解 wmaxlev 最大小波分解层数 重构函数 idwt 一层重构 waverec 全重构 wrcoef 有选择性重构 upcoef 单一重构 分解结构工具 detcoef 细节系数抽取 appcoef 近似系数抽取 upwlev 分解结构重排

小波系数

1. 求小波变化系数时a b怎么取? 小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的,通过物理的直观和信号处理的实际需要经验的建立了反演公式,当时未能得到数学家的认可.正如1807年法国的热学工程师J.B.J.Fourier提出任一函数都能展开成三角函数的无穷级数的创新概念未能得到数学家J.L.Lagrange,P.S.Laplace以及A.M.Legendre的认可一样.幸运的是,早在七十年代,A.Calderon表示定理的发现.Hardy空间的原子分解和

ECG信号读出,检测QRS,P,T 波(小波去噪,并根据检测),基于BP辨识的神经网络

这学期的课程选择神经网络.最后的作业处理ECG信号,并利用神经网络识别. 1  ECG引进和阅读ECG信号 1)ECG介绍  详细ECG背景应用就不介绍了,大家能够參考百度 谷歌.仅仅是简单说下ECG的结构: 一个完整周期的ECG信号有 QRS P T 波组成,不同的人相应不用的波形,同一个人在不同的阶段波形也不同.我们须要依据各个波形的特点,提取出相应的特征,对不同的人进行身份识别. 2)ECG信号读取 首先须要到MIT-BIH数据库中下载ECG信号,具体的下载地址与程序读取内容介绍能够參考一

图像融合(六)-- 小波融合

基于小波的融合(wavelet) 小波变换的固有特性使其在图像处理中有如下优点:完善的重构能力,保证信号在分解过程中没有信息损失和冗余信息:把图像分解成平均图像和细节图像的组合,分别代表了图像的不同结构,因此容易提取原始图像的结构信息和细节信息:小波分析提供了与人类视觉系统方向相吻合的选择性图像. 离散小波变换(Discrete Wavelet Transform, DWT).DWT的函数基由一个称为母小波或分析小波的单一函数通过膨胀和平移获得.因而,DWT同时具有时域和频域分析能力,与一般的金

小波分解和重构

小波变换能够很好地表征一大类以低频信息为主要成分的信号, 小波包变换可以对高频部分提供更精细的分解 详见(http://www.cnblogs.com/welen/articles/5667217.html) 小波分解函数和重构函数的应用和区别 (https://www.baidu.com/link?url=NsLWcGxYPabqB0JEFzkjHzeLmcvGkjDRccPoaD7K0gwo9mrHRDCUgTbV15zT8NKTm9PAuTJ2Hwb3n10PutFRpbOdQRac7XC

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

【转】小波与小波包、小波包分解与信号重构、小波包能量特征提取 暨 小波包分解后实现按频率大小分布重新排列(Matlab 程序详解)

转:https://blog.csdn.net/cqfdcw/article/details/84995904 小波与小波包.小波包分解与信号重构.小波包能量特征提取   (Matlab 程序详解) -----暨 小波包分解后解决频率大小分布重新排列问题 本人当前对小波理解不是很深入,通过翻阅网络他人博客,进行汇总总结,重新调试Matlab代码,实现对小波与小波包.小波包分解与信号重构.小波包能量特征提取,供大家参考,后续将继续更新! 本人在分析信号的过程中发现,按照网上所述的小波包分解方法理解

好吧,左小波出山了!

我,还是一个不懂世事的毛头小子,第一次写博.万事开头难,没事咱慢慢来.咳,练文笔吗.我觉得写东西最锻炼逻辑思维,我是一个不善于表达的人,可能是程序员的通病,但你看看人家王小波,八九十年代的作家兼职程序员,可不可怕!所以那都不是借口,同学们表达多重要啊!不会表达,你就不会撩妹.看看王小波长成那德行了,几句情诗美的我银河奶奶那么开心.我是一个看到别人优点就想学的人,因为不学习俺就头疼. 最近我不知道为什么陷入无法自拔的自嗨状态,很有可能是自恋又犯了,可那又有啥招,我总被自己帅醒这是真的.当我也纠结一