小波變換和motion信號處理(二)

這是《小波變換和motion信號處理》系列的第二篇，深入小波。第一篇我進行了基礎(chǔ)知識的鋪墊，第三篇主要講解應(yīng)用。

在上一篇中講到，每個小波變換都會有一個mother wavelet，我們稱之為母小波，同時還有一個father wavelet，就是scaling function。而該小波的basis函數(shù)其實就是對這個母小波和父小波縮放和平移形成的?？s放倍數(shù)都是2的級數(shù)，平移的大小和當前其縮放的程度有關(guān)。

還講到，小波系統(tǒng)有很多種，不同的母小波，衍生的小波基就完全不同。小波展開的近似形式是這樣：

其中的

就是小波級數(shù)，這些級數(shù)的組合就形成了小波變換中的基basis。和傅立葉級數(shù)有一點不同的是，小波級數(shù)通常是orthonormal basis，也就是說，它們不僅兩兩正交，還歸一化了。

我們還講了一般小波變換的三個特點，就是小波級數(shù)是二維的，能定位時域和頻域，計算很快。但我們并沒有深入講解，比如，如何理解這個二維?它是如何同時定位頻域和時域的?

在這一篇文章里，我們就來討論一下這些特性背后的原理。

首先，我們一直都在講小波展開的近似形式。那什么是完整形式呢?之前講到，小波basis的形成，是基于基本的小波函數(shù)，也就是母小波來做縮放和平移的。但是，母小波并非唯一的原始基。在構(gòu)建小波基函數(shù)集合的時候，通常還要用到一個函數(shù)叫尺度函數(shù)，scaling function，人們通常都稱其為父小波。它和母小波一樣，也是歸一化了，而且它還需要滿足一個性質(zhì)，就是它和對自己本身周期平移的函數(shù)兩兩正交：

另外，為了方便處理，父小波和母小波也需要是正交的?？梢哉f，完整的小波展開就是由母小波和父小波共同定義的。

其中

是母小波，

是父小波。需要提醒一點的是，這個正交純粹是為了小波分析的方便而引入的特性，并不是說小波變換的基就一定必須是正交的。但大部分小波變換的基確實是正交的，所以本文就直接默認正交為小波變換的主要性質(zhì)之一了。引入這個父小波呢，主要是為了方便做多解析度分析(multiresolution analysis, MRA)。說到這里，你的問題可能會井噴了：好好的為什么出來一個父小波呢?這個scaling function是拿來干嘛的?它背后的物理意義是什么?wavelet function背后的物理意義又是什么?這個多解析度分析又是什么呢?不急，下面，我們圍繞一個例子來鞏固一下前面的知識，同時再引出新的特性。

假設(shè)我們有這樣一個信號：

該信號長度為8，是離散的一維信號。我們要考慮的，就是如何用小波將其展開。為了方便講解，我們考慮最簡單的一種小波，哈爾小波。下面是它的一種母小波：

那如何構(gòu)建基于這個母小波的基呢?剛才提到了，要縮放，要平移。我們先試試縮放，那就是ψ(2n)：

但這樣的話，它與自己的內(nèi)積就不是1了，不符合小波基orthonormal的要求，所以我們要在前面加一個系數(shù)根號二，這樣我們就得到了另一個哈爾小波的basis function：

同理，我們可以一直這樣推廣下去做scale，得到4n，8n，…….下的basis function。當然在這個例子里，我們信號長度就是8，所以做到4n就夠了。但推廣來說，就是這種scaling對母小波的作用為

，這是歸一化后的表示形式。

平移的話也很簡單，我們可以對母小波進行平移，也可以對scale之后的basis function進行平移。比如對上一幅圖中的basis function進行平移，就成了

看得出來，平移后的basis function和母小波以及僅僅scale過的小波，都是正交的，附合小波basis的特點。如果我們用ψ(n)來表示這個mother wavelet，那么這些orthonormal basis函數(shù)可以寫成：

這里的k是可以看成時域的參數(shù)，因為它控制著小波基時域的轉(zhuǎn)移，而j是頻域的參數(shù)，因為它決定了小波基的頻率特性?？吹竭@里，你應(yīng)該會感覺很熟悉，因為這里的平移和變換本質(zhì)和剛才對scaling function的平移變換是一模一樣的。

這樣，我們就有了針對此信號space的哈爾小波basis組合：

圖1

可以看出，我們用到了三層頻率尺度的小波函數(shù)，每往下一層，小波的數(shù)量都是上面一層的兩倍。在圖中，每一個小波基函數(shù)的表達形式都寫在了波形的下面。

等等，你可能已經(jīng)發(fā)現(xiàn)了，有問題。這里為什么多了個沒有函數(shù)表達式的波形呢?這貨明顯不是wavelet function阿。沒錯，它是之前提到的scaling function，也就是父小波。然后你可能就會問，為啥這個憑空插了一個scaling function出來呢?明明目標信號已經(jīng)可以用純的小波基組合表示了。是，確實是，就算不包括scaling function，這些小波函數(shù)本身也組成了正交歸一基，但如果僅限于此的話，小波變換也就沒那么神奇的功效了。引入這個scaling function，才能引入我們提到的多解析度分析的理論，而小波變換的強大，就體現(xiàn)在這個多解析度上。那在這里，我們怎么用這個多解析度呢?這個哈爾小波basis組合是怎么通過多解析度推導(dǎo)出來的呢?

話說在數(shù)學定義中，有一種空間叫Lebesgue空間，對于信號處理非常重要，可以用L^p(R)表示，指的是由p次可積函數(shù)所組成的函數(shù)空間。我們在小波變換中要研究的信號都是屬于L^2(R)空間的，這個空間是R上的所有處處平方可積的可測函數(shù)的集合，這樣就等于對信號提出了一個限制，就是信號能量必須是有限的，否則它就不可積了。小波變換的定義都是基于但不限于L^2(R)中的信號的。這玩意的特性要具體解釋起來太數(shù)學了，牽涉到太多泛函知識，我就不在這里詳述了。而且老實說我也沒能力完全講清楚，畢竟不是學這個的，有興趣可以參考wiki?？傊阌涀。〔ㄗ儞Q研究中所使用的信號基本都是平方可積的信號，但其應(yīng)用不限于這種信號，就行了。

對L^2(R)空間做MRA是在干嘛呢?就是說，在L^2(R)空間中，我們可以找出一個嵌套的空間序列

，并有下列性質(zhì)：

(i)

(ii)

(iii)

(iv)

(v) 有這樣一個方程

,

是

的orthonormal basis。

我來簡單解釋一下這些性質(zhì)。這個V_j都是L^2(R)空間中的子空間，然后他們是由小到大的，交集是{0}，因為這是最小的子空間，并集就是L空間。是不是有點難以理解?沒關(guān)系，看看下面這個圖就清楚了：

這個圖是圈圈套圈圈，最里面的圈是V0，之后分別是V1，V2，V3，V4 。那他們有趣的性質(zhì)就是，假如有一個函數(shù)f(t)他屬于一個某空間，那你將其在時域上平移，它還是屬于這個空間。但如果你對它頻域的放大或縮小，它就會相應(yīng)移到下一個或者上一個空間了。

同時我們還知道，你要形容每一個空間的話，都需要有對應(yīng)的orthonormal basis，這是必然的，那對于V0來講，它的orthonormal basis就是

這一系列函數(shù)是什么呢?是

的時域變換，而且我們剛才也說了，時域上平移，是不會跳出這個空間的。這樣，我們就可以說，由這一系列basis所定義的L^2(R)子空間V0被這些basis所span，表示成：

k從負無窮到正無窮。上面的bar表示這是一個閉包空間，也就是說

這樣，我們就定義了基本的V0這個子空間。剛才說了，這個子空間的基都是對

的整數(shù)時域變換，這里我們稱

為scaling function，所以換個說法，就是說這里整個子空間V0，由scaling function和其時域變換的兄弟們span。

當然，如果這個scaling function只是用來代表一個子空間的，那它的地位也就不會這么重要了。剛才我們提到，這個嵌套空間序列有一個性質(zhì)，

。這就是這個函數(shù)，如果你對它頻域的放大或縮小，它就會相應(yīng)移到下一個或者上一個空間了。這個性質(zhì)就有意思了，它代表什么呢?對于任何一個包含V0的更上一層的空間來講，他們的基都可以通過對scaling function做頻域的scale后再做時域上的整數(shù)變換得到!推廣開來就是說，當

我們有

這也就意味著，對于任何屬于V_j空間的函數(shù)f(t)，都可以表示為：

到這里，我們就明白這些個子空間和那個憑空冒出來的scaling function的作用了。scaling的構(gòu)建這些不同的子空間的基礎(chǔ)，當j越大的時候，每一次你對頻率變換后的scaling function所做的時域上的整數(shù)平移幅度會越小，這樣在這個j子空間里面得到的f(t)表示粒度會很細，細節(jié)展現(xiàn)很多。反之亦然。通俗點說，就是對scaling function的變換平移給你不同的子空間，而不同的子空間給你不同的分辨率，這樣你就可以用不同的分辨率去看目標信號。

下面就是時候看看什么是MRA equation了，這是更加有趣，也是更加核心的地方。通過剛才的講解，V0屬于V1，那scaling function

是在V0中的，自然也在V1中了。我們把他寫成V1的基的線性組合，那就是

其中的h(n)是scaling function的系數(shù)，也叫做scaling filter或者scaling vector，可以是實數(shù)，也可以是虛數(shù)。根號2是為了維持norm為1的?？?，在這個公式里，我們就把屬于V0的函數(shù)用V1的基表示出來了。同理