- •Начальный курс по теории вейвлетов Введение
- •Лекция 1
- •0 Вводные замечания
- •1.1 Краткий экскурс в ряды Фурье. Предпосылки вейвлет-преобразования
- •1.1.1 Идея вейвлет-преобразования
- •1.1.2 Аппроксимирующая и детализирующая компоненты вейвлет-анализа и синтеза сигналов
- •1.2 Разложение по вейвлетам
- •1.3 Обратное вейвлет-преобразование
- •Лекция 2
- •2.1 Базисные функции вейвлет-преобразования
- •2.1.1 Определение вейвлета
- •2.1.2 Другие системы вейвлетов
- •2.1.3 Признаки вейвлета
- •2.2 Критерии выбора вейвлета
- •2.3 Примеры вейвлетобразующих функций
- •Лекция 3
- •3.1 Усреднение и детализация
- •3.2 Масштабирующие функции и вейвлет-функиии
- •3.3 Кратномасштабный анализ
- •3.4 Нормирование
- •3.5 Вейвлет-преобразование
1.2 Разложение по вейвлетам
Дискретные преобразования. С помощью быстро стремящейся к нулю локализованной функции, предусмотрев систему сдвигов (переносов) вдоль оси, покрывается вся ось . Пусть для простоты смещение по оси времени будут целыми числами, т.е. . Введём аналог синусоидальной частоты. Для простоты и определённости запишем её через степени двойки: , здесь и целые числа .
Таким образом, с помощью дискретных масштабных преобразований и сдвигов мы можем описать все частоты и покрыть всю ось, имея единственный базисный вейвлет .
Напомним определение нормы:
(звёздочка обозначает комплексно-сопряжённую функцию). Следовательно,
т.е. если вейвлет имеет единичную норму, то все вейвлеты семейства вида
(1.9)
также нормированы на единицу, т.е.
Вейвлет называется ортогональным, если определённое соотношением (1.9) семейство представляет собой ортонормированный базис функционального пространства , т.е.
и каждая функция может быть представлена в виде ряда
, (1.10)
равномерная сходимость которого в означает, что
Простейшим примером ортогонального вейвлета является HAAR-вейвлет, названный так по имени предложившего его в 1910 г. Хаара (Нааr) и определяемый соотношением
(1.11)
Легко видеть, что любые две функции полученные из этого вейвлета по формуле (1.9) с помощью масштабных преобразований и сдвигов , ортогональны и имеют единичную норму.
Сконструируем базис функционального пространства с помощью непрерывных масштабных преобразований и переносов вейвлета с произвольными значениями базисных параметров масштабного коэффициента и параметра сдвига :
(1.12)
На его основе запишем интегральное вейвлет-преобразование:
(1.13)
Проводя дальнейшую аналогию с преобразованием Фурье, коэффициенты разложения (1.10) функции в ряд по вейвлетам можно определить через интегральное вейвлет-преобразование:
(1.14)
В дальнейшем иногда вместо для коэффициентов (амплитуд) вейвлет-преобразования используются обозначения или , или .
Каждая функция из может быть получена суперпозицией масштабных преобразовании и сдвигов базисного вейвлета, т.е. является композицией «вейвлетных волн» (с коэффициентами, зависящими от номера волны (частоты, масштаба) и от параметра сдвига (времени)).
Использование дискретного вейвлет-преобразования (дискретного частотно-временного пространства в виде целых сдвигов и растяжений по степеням двойки) позволяет провести доказательство многих положений теории вейвлетов, связанных с полнотой и ортогональностью базиса, сходимостью рядов и т.п. Доказательность этих положений необходима, например, при сжатии информации или в задачах численного моделирования, т.е. в случаях, когда важно провести разложение с минимальным числом независимых коэффициентов вейвлет-преобразования и иметь точную формулу обратного преобразования. При применении вейвлетов для анализа сигналов непрерывное вейвлет-преобразование (1.13) более удобно; его некоторая избыточность, связанная с непрерывным изменением масштабного коэффициента и параметра сдвига , становится здесь положительным качеством, так как позволяет более полно и чётко представить и проанализировать содержащуюся в данных информацию.
Итак, вейвлет-коэффициенты определяются интегральным значением скалярного произведения сигнала на вейвлет-функцию заданного вида.
Прямое вейвлет-преобразование (ПВП), именуемое также непрерывным преобразованием, означает разложение произвольного входного сигнала на принципиально новый базис в виде совокупности волновых пакетов вейвлетов, которые характеризуются четырьмя принципиально важными свойствами: • имеют вид коротких, локализованных во времени (или в пространстве), волновых пакетов, с нулевым значением интеграла; обладают возможностью сдвига по времени; способны к масштабированию (сжатию/растяжению); имеют ограниченный (или локальный) частотный спектр.
Этот базис может быть ортогональным, что заметно облегчает анализ, даёт возможность реконструкции сигналов и позволяет реализовать алгоритмы быстрых вейвлет-преобразований. Однако, есть ряд вейвлетов, которые свойствами ортогональности не обладают, но которые, тем не менее, практически полезны, например, в задачах анализа и идентификации локальных особенностей сигналов и функций.
При вейвлет-преобразовании выбор типов вейвлетов намного более обширен, чем при преобразовании Фурье. В качестве вейвлет-функций могут использоваться ортогональные, биортогональные и полуортогональные непериодические функции, функции, имеющие глобальный экстремум и быстрое затухание на бесконечности (см. подразделы 2.1.1, 2.1.2 лекции 2) и т.д. Все это даёт обширные возможности для представления различных сигналов.