文档介绍：到小波分析1背景传统的信号理论,是建立在Fourier分析基础上的,而Fourier变换作为一种全局性的变化,其有一定的局限性。在实际应用中人们开始对Fourier变换进行各种改进,小波分析由此产生了。小波分析是一种新兴的数学分支,它是泛函数、Fourier分析、调和分析、数值分析的最完美的结晶;在应用领域,特别是在信号处理、图像处理、语音处理以及众多非线性科学领域,它被认为是继Fourier分析之后的又一有效的时频分析方法。小波变换是近年发展起来的一种基于时频域的信号分析工具,它具有良好的时频局部性、选基灵活性和去相关性等优点,可用于光谱信号的噪声滤波和基线校正等。此后,多位物理、数学家的合作共同奠定了小波变换的理论和应用基础。由于小波变换能够更精确地分析信号的局部特征,在很多领域得到了越来越多地应用。小波分析的应用领域十分广泛,它包括:数学领域的许多学科;信号分析、图象处理;量子力学、理论物理;军事电子对抗与武器的智能化;计算机分类与识别;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,它已用于数值分析、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。在图象处理方面的图象压缩、分类、识别与诊断,去污等。以及在医学方面的应用,如核磁共振成像时间、提高CT、B超等分辨率。2小波变换的产生及去噪的必要性我们在一维信号分析中,可知傅里叶变换将信号分解成一系列不同频率的正弦或余弦波的叠加,与之类似,小波变换也可将信号分解成一系列小波函数的叠加,这一系列小波函数都由某个母小波函数经过平移和尺度变换得来。以不规则的小波信号来逼近局部信号显然比用光滑的正弦信号逼近程度要好,而用不同尺度小波对同一信号进行逼近又有利于对信号进行逐步细致的分析,这正是小波分析的基本思想。小波变换采用变化的时频窗,窗口面积固定,但形状可变。分析低频信号时,采用拉伸的小波和长的时间窗以获取足够信息,分析高频信号时,采用压缩小波和短时间窗以获取足够精度。常见的小波函数有Meyer波、Morlet波、8阶高斯波等。传统的去噪方法常使用Fourier变换去噪,将含噪信号变换到频域,然后采用低通滤波器进行滤波,但是基于Fourier变换的去噪方法存在着保护信号局部性和抑制噪声之间的矛盾。Fourier变换去噪不能有效的将噪声与有用信号的高频部分和有噪声引起的高频干扰加以有效的区分开来。这就使得我们在研究信号去噪课题上注意到小波的好处,小波去噪可以很好的保护有用信号的尖峰和突变部分的信号。小波变换具有良好的时频局部化性质,具有以下优点:(1)小波分解可以覆盖整个频域(提供了一个数学上完备的描述);(2)小波变换通过选取合适的滤波器,可以极大的减小或去除所提取得不同特征之间的相关性;(3)小波变换具有“变焦”特性,在低频段可用高频率分辨率和低时间分辨率(宽分析窗口),在高频段,可用低频率分辨率和高时间分辨率(窄分析窗口);(4)小波变换实现上有快速算法(Mallat小波分解算法)。因此采用小波去噪是具有必要性的。(1)或其等价条件(2)的函数称为基本小波,或母小波。其中为的傅里叶变换。式(2)说明母小波函数具有一定的振荡性,即包含某种频率特性。(3)式中均为