![](/user_photo/2706_HbeT2.jpg)
- •Вейвлетные преобразования сигналов
- •Тема 21. Вейвлетный кратномасштабный анализ
- •Содержание
- •Введение
- •3.1. Принцип кратномасштабного анализа /2/.
- •3.2. Математичские Основы кратномасштабного анализа /2, 3, 5, 14/.
- •3.3. Быстрое вейвлет-преобразование /2, 5, 13/.
- •3.4. Фильтры дуальной декомпозиции и реконструкции сигналов /12/.
- •3.5. Ортогональные и биортогональные вейвлеты /2, 13/.
- •3.6. Двумерные вейвлеты /2, 13/.
- •Литература
3.1. Принцип кратномасштабного анализа /2/.
Дискретные ортогональные преобразования. Непрерывное вейвлет-преобразование, равно как и его прямой дискретный аналог с произвольным шагом по масштабу и сдвигу, несет огромное количество информации о сигнале, но обладает сильной избыточностью. Интуитивно понятно, что если какая-либо информация заключена в N отсчетах сигнала, то при любых преобразованиях сигнала для отображения этой информации без потерь в новом представлении (новом базисном пространстве) должно быть необходимо и достаточно то же самое количество отсчетов N. С учетом принципа неопределенности Гейзенберга это означает, что для точного восстановления сигнала достаточно знать его вейвлет-преобразование на некоторой довольно редкой решетке частотно-временной области, густой в области высоких частот сигнала, и редкой в области низких частот. Идея КМА заключается в том, чтобы масштабировать вейвлет в некоторое постоянное (например, 2) число раз, и при скольжении по сигналу сдвигать его во времени с шагом, равным интервалу носителя масштабированного вейвлета. Если обозначить количество масштабных строк индексом m, и принять N=2m, то при N=32 решетка вейвлетного спектра будет иметь всего m=5 масштабных строк с количеством отсчетов в первой строке 16, во второй 8, в третьей 4, в четвертой 2, и в пятой 1, с общим количеством отсчетов 32, как и в исходном сигнале. При этом все сдвиги одного масштаба будут попарно ортогональны (нет перекрытия сдвигов), равно как и вейвлеты разных масштабов в силу их нулевого первого момента.
Рис. 3.1.1.
Допустим, что мы анализируем определенную зависимость s(x) на интервале 0 ≤ х ≤ 1, показанную на рис. 3.1.2. Функция нецентрированная, и для использования вейвлет-преобразования с последующим восстановлением исходного сигнала требует применения как вейвлета, так и его скейлинг-функции. На основе базовых функций вейвлета и скайлинг-функции Наара, приведенных на рис. 3.1.1, записываем масштабированные функции:
m,k(x) = 2m/2 (2mx-k), (3.1.1)
m,k(x) = 2m/2 (2mx-k). (3.1.2)
Рис. 3.1.2.
Для коротких и достаточно гладких кривых нет смысла устанавливать много уровней декомпозиции сигнала. Примем максимальное значение m, равным 4, при этом N=1/2m=16 с интервалом дискретизации данных, соответственно, x=1/N. В принципе, можно применять и задание исходного значения x с последующим определением количества уровней разложения.
При сдвиговой ортогональности прямоугольных базисных функций прямое преобразование (проекции сигнала на базис (3.1.1)) для непрерывных сигналов выполняется по формуле:
Сm,k
=s(x)(2mx-k)
dx. (3.1.3)
Значения коэффициентов при m=4:
Восстановление
сигнала с четвертого уровня декомпозиции
соответственно выполняется по формуле
реконструкции:
sr(m,x)
=Сm,k
m,k(x),
m=4, N=16. (3.1.4)
Восстановление
исходной непрерывной функции сигналаs(x)
скейлинг-функцией Хаара невозможно в
силу того, что значение скейлинг-функции
– константа шириной x,
на которую умножается соответствующее
значение С4,k
и
распространяется на весь интервал
kx-(k+1)x
(кривая sr(x)
на рис. 3.1.2). Если выполнить перевод
сигнала s(t)
во временной
ряд sdk,
k=0…N-1,
с осреднением по интервалам x,
или с использованием (в общем случае
произвольного вейвлета) его скейлин-функции:
sdk
= 2m/2s(x)m,k
(x) dx, (3.1.5)
то нетрудно убедиться, что sdk = sr(kx+x/2) (числовые отсчеты sdk на рис. 3.1.2 отнесены к середине интервалов x).
В принципе, гистограмма sdk может представлять собой непосредственные исходные дискретные данные (результаты измерений и т.п.). Сравнением выражений (3.1.5) и (3.1.3) нетрудно убедиться, что нулевой уровень разложения (m=mmax) может быть получен непосредственно из дискретных данных:
Сm,k =sdk/2m/2 . (3.1.3')
Рис. 3.1.3.
Но при известных значениях коэффициентов С4,k предшествующего уровня следующий уровень может выполняться непосредственно по ним с учетом изменения нормировочного множителя в формуле скейлинг-функции (3.1.1). В общей форме:
Сm-1,k
= (1/)
(Сm,2k+
Сm,2k+1).
(3.1.6)
С3,k = {2.665, 13.421, 13.706, 6.948, 20.037, 29.906, 14.538, 2.267}.
Сравнением коэффициентов, вычисленных по формулам (3.1.3) и (3.1.6) можно убедиться в их идентичности.
Кроме аппроксимирующих коэффициентов Cm-1,k из предшествующей гистограммы аппроксимации Cm,k могут быть выделены также коэффициенты изменения сигнала в пределах нового интервала усреднения, т.е. коэффициенты разности значений первой и второй половины интервала:
Dm-1,k
= (1/)(Cm,2k
-
Cm,2k+1),
(3.1.7)
которые называют детализирующими коэффициентами.
D3,k = {-1.571, -2.979, 2.769, -0.625, -5.024, 1.275, 4.853, 1.299}.
Рис. 3.1.4.
Отсюда следует также, что ряды коэффициенты Cm-1,k и Dm-1,k (количество точек 2m-1 в каждом ряде) содержат полную информацию, адекватную информации в Cm,k предшествующего уровня (количество точек 2m=2m-1+2m-1), что позволяют полностью восстановить значения коэффициентов более высокого уровня m:
Cm,2k
= (1/)
(Cm-1,k+
Dm-1,k),
Cm,2k+1
= (1/
)
(Cm-1,k
- Dm-1,k),
(3.1.8)
а, следовательно, и восстановить исходный дискретный сигнал. Для восстановления значений в исходных интервалах при m=4, значение аппроксимирующего коэффициента на первой половине интервала при m=3 складывается с детализирующим коэффициентом, а на второй – вычитается. Для математического отображения этой операции введем функцию , форма которой приведена на рис. 3.1.1, и обеспечим ее сдвиг по координате синхронно со скейлинг-функцией. Эта функция является ортонормированным базисом разложения детализирующих коэффициентов. Именно она в связи со своей формой и получила название вейвлета (вейвлетной или детализирующей функции). С ее использованием уравнение (3.1.4) с входящими в него уравнениями (3.1.8) приводятся к следующей форме (с уровня m=3, 2m-1 =8):
sr(3,
x) =C3,k
3,k(x)
+
D3,k
3,k(x).
(3.1.9)
Как и значения коэффициентов Cm,k, значения детализирующих коэффициентов могут вычисляться непосредственно по формуле (3.1.3) с заменой скейлинг-функции на вейвлет-функцию.
Аналогичным образом операция разделения на аппроксимирующие и детализирующие коэффициенты может быть продолжена над значениями коэффициентов C3,k по уровню m=2, с выделением коэффициентов аппроксимации C2,k и детализации D2,k, и далее по уровням m=1 и m=0. На последнем уровне m=0 получаем только 1 коэффициент аппроксимации C0 и детализации D0 по всему интервалу задания сигнала 0 ≤ х ≤ 1. Применяя так же последовательно, начиная с m=0, функцию "сборки" сигнала (3.1.9), получаем общую формулу реконструкции сигнала:
sr(x)=C0·0(x)+D0·0(x)+D1,k·1,k(x)+
D2,k·2,k(x)+
D3,k·3,k(x).
(3.1.10)
Свойства преобразования. Отметим на этом примере характерные и очевидные особенности нового представления сигнала:
Общее количество коэффициентов разложения равно количеству отсчетов исходного сигнала (условие необходимости и достаточности сохранения в новом математическом представлении исходного объема информации).
Вейвлет и его скейлинг-функция должны иметь однозначную связь. Это определяется тем, что разложение сигнала может быть выполнено с использованием только скейлинг-функции, а детализирующие коэффициенты определяться по разности m и m+1 уровней аппроксимации, и наоборот.
Значение C0 представляет собой среднее значение исходного сигнала по интервалу его задания. Для центрированных сигналов это значение равно нулю. При выполнении разложения без скейлинг-функции (с вейвлетом в (3.1.2)) картина детальных особенностей нецентрированных сигналов остается без изменений, но полная реконструкция сигнала невозможна. Без значения C0·0(x) при полном разложении сигнал центрируется, при реконструкции с других масштабов декомпозиции искажается за счет отсутствия соответствующих коэффициентов Cm,k.
Увеличение масштабного значения m разложения соответствует возрастанию временного разрешения сигнала (1/2m). Коэффициенты вейвлет-преобразования вскрывают флюктуационную структуру сигнала на разных масштабах и в разных временных точках. Приведенный простой пример нетрудно расширить на любой произвольный сигнал с произвольной длительностью и с произвольным временным разрешением, разложение которого может осуществляться до определенного уровня m аппроксимации сигнала по низкочастотным составляющим и с детализацией локальных высокочастотных особенностей сигнала на разных масштабных уровнях. В областях "гладких" значений сигнала коэффициенты детализации близки к нулевым и ими можно пренебречь, что позволяет весьма эффективно осуществлять сжатие информации для хранения.
Реконструкция сигнала возможна с любого масштабного уровня декомпозиции, причем, как это следует из (3.1.10) и может быть легко проверено, все особенности сигнала сохраняются без искажений с временным разрешением первого вейвлета (с минимальной шириной окна).
При вейвлет-анализе произвольных сигналов выбор анализирующего вейвлета не определен заранее и во многом зависит от поставленных задач.