惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Help Net Security
Help Net Security
G
Google Developers Blog
雷峰网
雷峰网
WordPress大学
WordPress大学
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Engineering at Meta
Engineering at Meta
Security Latest
Security Latest
T
Threat Research - Cisco Blogs
AWS News Blog
AWS News Blog
F
Full Disclosure
C
Cybersecurity and Infrastructure Security Agency CISA
T
The Exploit Database - CXSecurity.com
J
Java Code Geeks
U
Unit 42
C
Cyber Attacks, Cyber Crime and Cyber Security
V
V2EX
C
Cisco Blogs
博客园 - 司徒正美
Project Zero
Project Zero
L
LINUX DO - 热门话题
阮一峰的网络日志
阮一峰的网络日志
Blog — PlanetScale
Blog — PlanetScale
Scott Helme
Scott Helme
A
About on SuperTechFans
Hugging Face - Blog
Hugging Face - Blog
S
Securelist
小众软件
小众软件
aimingoo的专栏
aimingoo的专栏
S
Schneier on Security
G
GRAHAM CLULEY
酷 壳 – CoolShell
酷 壳 – CoolShell
Cyberwarzone
Cyberwarzone
MongoDB | Blog
MongoDB | Blog
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
博客园 - 叶小钗
T
Threatpost
Recorded Future
Recorded Future
C
CXSECURITY Database RSS Feed - CXSecurity.com
宝玉的分享
宝玉的分享
N
News and Events Feed by Topic
人人都是产品经理
人人都是产品经理
The Register - Security
The Register - Security
S
Security Archives - TechRepublic
博客园 - Franky
N
News | PayPal Newsroom
Simon Willison's Weblog
Simon Willison's Weblog
S
SegmentFault 最新的问题
W
WeLiveSecurity
A
Arctic Wolf
B
Blog

博客园 - Tony Ma

偏最小二乘回归(PLSR)- 1 概览 偏最小二乘回归(PLSR)- 2 标准算法(NIPALS) [转]无处不在的线性分解 [转]在数学的海洋中飘荡 [转]概率漫谈 [转]机器学习和计算机视觉相关的数学(2) [转]机器学习和计算机视觉相关的数学(1) [转] Learning中的代数结构的建立 矩阵分析-正交-0 引言 矩阵分析-线性系统-4 病态系统(ill-conditioned Systems)与条件数(condtion number) 矩阵分析-线性系统-3 LU分解 矩阵分析-线性系统-5 最小二乘问题(The Least Squares Problem) 矩阵分析-基础-常见矩阵 矩阵分析-线性系统-2 高斯消元法、高斯-若尔当消元法 矩阵分析-线性系统-1 定义、方程组解的表现形式和性质 图像处理-线性滤波-3 高斯滤波器 图像处理-线性滤波-2 图像微分(1、2阶导数和拉普拉斯算子) 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应) The Research Life! By John Lafferty
数字信号处理 - Chap8 小波 (3)信号编码和多分辨率分析
Tony Ma · 2011-02-22 · via 博客园 - Tony Ma

8.3 信号编码

小波可将信号分解为基函数的尺度化和平移副本,因此可以用来对信号进行编码。当然,这首先要求该小波族的特性与被编码信号的特性相近;同时,应能用最小的尺度对信号中最细微的部分编码。要对函数f(t)编码,需要构造表达式如下。其中,j要足够大,从而尺度image 足够小,以保证能够捕获重要的信号细节。

                         image

可被尺度为j的尺度函数完整描述的一族函数image属于Sj子空间。对于一个特定时间段那的Sj子空间中的信号编码,需要所有定义在该时间段的尺度为image 的尺度函数的平移。

8.3.1 基于多尺度函数的编码

下面介绍通过尺度函数对信号进行编码的例子

1)待编码的信号形状与Haar小波接近,可用它来编码

2)随着j的增加,尺度函数越来越接近待编码的信号

3)在确定可接受的误差范围之后,就可以选择合适的尺度

4)图h中信号的近似表达为image 。此时函数f(t)不属于子空间image ,应为它不能被此尺度上的尺度函数所完全描述。

 image image   image image

                                              图1.  通过尺度函数对信号编码

8.3.1 基于小波函数的编码

虽然使用尺度函数能对信号进行编码,但使用小波的效率更高。

先看下面Haar小波图

                           image

                                                                         图2. 小波函数的贡献

1)前两列显示了函数imageimage 的波形,它们是j=2尺度上尺度函数的基和小波函数的基,分别覆盖子空间S2和W2

2)第3列是j=3时的尺度函数,覆盖子空间S3,

3)覆盖S2的函数不能组合出覆盖S3的函数,除非将其与覆盖W2的函数组合。

4)如图中第1行所示image image ,小波函数image 可描述任何能被尺度函数集image 描述的信号,而这些信号不能被image 基所描述。进而有,小波函数形成的子空间覆盖了两个相邻尺度的尺度函数所形成子空间的“差”。所以,image 中的函数即可用image 中的尺度函数编码,也可用image 中的尺度函数和image 中的小波函数来组合编码

                      image      (1)

下图显示了对于Haar族的前几个尺度,要找出尺度间细节所需的小波函数。子空间S3总是被S2和W2的组合所覆盖,计为image ,进而推广到其它尺度子空间有

                          image

                             image                          (2)

image image image

根据式2,可知信号可用一个尺度函数和很多小波函数来编码,公式1可变为:

image             (3)

        1)image 由子空间image 所覆盖

        2)第1项依赖于image (j=0尺度上的尺度函数平移)

        3)第2项image 是j从0到M-1的小波函数的所有尺度和平移。

        4)c0[k]和dj[k]是小波系数。所有这些构成了信号的离散小波变换。

 下图展示的是通过一个基尺度函数和一族小波函数重新对信号进行编码的结果,通过将尺度函数与期望数量的小波细节函数现价实现编码。图3中8个函数的和形成图4的信号,函数为image

image image

                                                                图3.  通过小波函数对信号编码

                                                image

                                                               图4. 图3中尺度函数及各小波函数的和

8.4 多分辨率分析

前面介绍基于小波函数的信号编码时有公式3,这里重点介绍如何计算小波系数。

8.4.1 尺度函数的多分辨率分析

尺度函数image 的重要特点是它可以表示成下一较细精度上的尺度函数加权和,即满足下面的多分辨率分析(multiresolution analysis,MRA)方程

                                        image              (4)

下面通过Haar小波来介绍上面的概念。如下图所示,image,从而得MRA方程image ,其中image                                                   

            image

                  图3. Haar尺度函数的多分辨率分析

8.4.2 小波函数的多分辨率分析

小波函数image 也能由尺度函数image 的平移来建立,表达式也是一个MSA方程。这说明小波族中每个小波函数可以表达为下一较细精度上的尺度函数加权和。

                                  image               (5)

至此,我们就清楚为什么父小波和母小波有那么多共同点。因为,小波函数由尺度函数确定,而尺度函数来做父小波。从这个意义上来说,福父小波决定了小波族中所有成员的特性。

下面同样以Haar小波为例来介绍上面概念。图4是Haar母小波,结合图3可知image ,其MRA方程为image ,其中image

                             image

                                     图4. Haar母小波

其它小波族同样服从MSA方程(式4、5),但是它们尺度函数和小波函数间的关系不如Haar族那么明显。