小波变换提供时频联合分析能力,克服傅里叶变换的局限。
核心概念
小波变换使用可伸缩、可平移的小波基函数分析信号:
| 参数 | 含义 |
|---|---|
| 尺度(频率) | |
| 平移(时间位置) | |
| 小波基函数 |
与傅里叶变换对比
| 特性 | 傅里叶变换 | 小波变换 |
|---|---|---|
| 时域信息 | 丢失 | 保留 |
| 频域分辨率 | 均匀 | 多尺度 |
| 适用信号 | 平稳 | 非平稳 |
常用小波
| 小波 | 特点 |
|---|---|
| Haar | 最简单,不连续 |
| Daubechies | 紧支撑,正交 |
| Morlet | 复数,适合频率分析 |
应用场景
- 图像压缩(JPEG2000)
- 信号去噪
- 边缘检测
- 医学影像分析
小波变换提供时频联合分析能力,克服傅里叶变换的局限。
小波变换使用可伸缩、可平移的小波基函数分析信号:
| 参数 | 含义 |
|---|---|
| 尺度(频率) | |
| 平移(时间位置) | |
| 小波基函数 |
| 特性 | 傅里叶变换 | 小波变换 |
|---|---|---|
| 时域信息 | 丢失 | 保留 |
| 频域分辨率 | 均匀 | 多尺度 |
| 适用信号 | 平稳 | 非平稳 |
| 小波 | 特点 |
|---|---|
| Haar | 最简单,不连续 |
| Daubechies | 紧支撑,正交 |
| Morlet | 复数,适合频率分析 |