- •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
2.2 Критерии выбора вейвлета
Свойство регулярности, число нулевых моментов и число вейвлет-коэффициентов, превышающих некоторое пороговое значение, были предложены в качестве возможных критериев для выбора конкретного вейвлета, не говоря уже о требуемых вычислительных затратах. Иногда для выбора используется так называемый функционал информационной ценности. Пытаются минимизировать его и таким способом выбрать оптимальный базис. В частности, рассматривается энтропийный критерий вероятностного распределения вейвлет-коэффициентов. Энтропия функции по отношению к вейвлет-базису отражает число существенных членов в разложении (см. лекцию 3) . Она определяется как . Если мы имеем набор ортонормальных базисов, то выберем для анализа функции f тот, который приводит к наименьшей энтропии.
Число возможных вейвлетов в нашем распоряжении намного больше, чем приведено в предыдущих примерах. Мы не будем обсуждать все, а лишь рассмотрим некоторые.
• Во-первых, следует упомянуть сплайны, которые приводят к вейвлетам с некомпактным носителем, но с экспоненциальным спадом на бесконечности и с некоторым (ограниченным) числом непрерывных производных. Там используется специальный приём ортогонализации. По сути дела сплайны тесно связаны интерполяционными схемами нахождения более точных начальных значений посредством связи их с некоторыми линейными комбинациями оцифрованного набора .
• Чтобы обеспечить полную симметрию и точную реконструкцию одновременно, применяют так называемые биортогональные вейвлеты. При этом используется два двойственных вейвлет-базиса, и , связанных с двумя разными многомасштабными лестницами. Их свойства регулярности могут заметно отличаться друг от друга. Функция может быть записана в двух видах, абсолютно эквивалентных до тех пор, пока не производится сжатие:
(2.3)
(2.4)
где вейвлет и дуальный ему удовлетворяют требованию биортогональности . В отличие от вейвлетов Добеши, у которых их регулярность тесно связана с числом обращающихся в нуль моментов, биортогональные вейвлеты обладают большей свободой выбора. Если один из них обладает гладкостью порядка , то дуальный ему вейвлет автоматически имеет, по крайней мере, нулевых моментов. Если оказывается намного более регулярной функцией, то имеет намного больше нулевых моментов, чем . Это позволяет нам выбрать, например, в виде очень гладкой функции и иметь с большим числом нулевых моментов. Большое число нулевых моментов у приводит к лучшим результатам при сжатии информации для достаточно гладкой . Если же сжатие было проведено, то формула (2.3) оказывается заметно полезнее формулы (2.4). Число существенных членов в ней намного меньше, и, более того, лучшая гладкость помогает восстановить с более высокой точностью. Биортогональные базисы близки к ортонормальному базису. Оба вейвлета можно сделать симметричными. Симметричные биортогональные вейвлеты, близкие к ортонормальному базису. Построение биортогональных вейвлет-базисов обычно оказывается более простым, чем соответствующая процедура для ортонормальных базисов.
• Наличие соотношений на двух масштабах является характерной чертой построения вейвлет-пакетов. Основная идея их создания состоит в последовательном итерировании расщепления полосы частот при сохранении одной и той же пары фильтров. Введённая выше скейлинг-функция приобретает наименование , а сам пакет строится исходя из неё с помощью соотношений
(2.3)
(2.4)
Обычный «материнский вейвлет» записан как . Это семейство вейвлетов образует ортонормальный базис в , который называется базисом вейвлет-пакетов с фиксированным масштабом.
• Можно отказаться от свойства ортонормальности и сконструировать неортогональные вейвлеты, которые называются фреймами. Важный особый класс фреймов представлен базисами Рисса в . Базис Рисса является фреймом, но обратное утверждение неверно. Фреймы удовлетворяют следующему требованию (см. лекцию 1, соотношение (0.8)):
. (2.5)
Постоянные и называются границами фрейма. При говорят о жёстких фреймах. Случай соответствует ортонормальным вейвлетам.
• При действии (сингулярными) операторами зачастую получаются бесконечные выражения, если использовать обычные вейвлеты. В этих случаях можно подобрать некую сглаживающую функцию , чтобы наложить дополнительные условия, которые будут необходимы и достаточны для того, чтобы результат воздействия (сингулярного интегрального) оператора оказался непрерывным на пространстве . В этом случае выбирают так называемые вейвлеты, подогнанные под . Любая функция/снова разлагается по формуле
(2.6)
но вейвлет-коэффициенты вычисляются теперь следующим образом:
(2.7)
Они удовлетворяют условию нормировки
(2.8)
Условие на знакопеременность выглядит при этом так:
(2.9)
Как мы видим, осцилляции вейвлета также подогнаны под функцию (вообще говоря, под «комплексную меру» .
• До сих пор мы рассматривали вейвлеты с масштабным множителем, равным . Они наиболее удобны для численных расчётов. Однако можно доказать, что в рамках многомасштабного анализа этот множитель должен быть рациональным числом и никаких других требований не налагается. Поэтому можно построить схемы с другими целыми или дробными масштабными множителями. Иногда их использование может привести к лучшей локализации по частоте. Для вейвлетов с масштабным множителем их фурье-образ сосредоточен в основном в пределах одной октавы между и , тогда как вейвлет базисы с дробными множителями могут иметь ширину полосы пропускания, более узкую, чем октава.
• Более того, можно использовать непрерывные вейвлеты. Тогда элемент вейвлет-базиса записывается в виде (см. лекцию 1, соотношение (1.8) и (1.15))
. (2.10)
Прямое и обратное вейвлет-преобразования выглядят так:
(2.11)
(2.12)
Здесь
(2.13)
Отсюда легко распознать, что знакопеременность вейвлетов, требуемая условием является их общим свойством. Обращение в нуль фурье-образа вейвлета при , обеспечивает конечность значения в формуле (2.13). Одним из специальных и часто используемых примеров непрерывных вейвлетов является вторая производная гауссовой функции, известная здесь под названием «мексиканская шляпа» (МНАТ) из-за её формы. В действительности её можно рассматривать как некий специальный фрейм. Процедура восстановления (синтеза) может оказаться, однако, неустойчивой в этом случае. Тем не менее, её часто используют для анализа сигналов. Формула (2.11) представляет нечто вроде свёртки. Именно поэтому общая теория так называемых операторов Кальдерона-Зигмунда применима, в частности, к проблемам разложения по вейвлетам.