小波的几个术语及常见的小波基介绍

小波的几个术语及常见的小波基介绍

本篇是这段时间学习小波变换的一个收尾，了解一下常见的小波函数，混个脸熟，知道一下常见的几个术语，有个印象即可，这里就当是先作一个备忘录，以后若有需要再深入研究。

一、小波基选择标准

小波变换不同于傅里叶变换，根据小波母函数的不同，小波变换的结果也不尽相同。现实中到底选择使用哪一种小波的标准一般有以下几点：

1、支撑长度

小波函数Ψ(t)、Ψ(ω)、尺度函数φ(t)和φ(ω)的支撑区间，是当时间或频率趋向于无穷大时，Ψ(t)、Ψ(ω)、φ(t)和φ(ω)从一个有限值收敛到0的长度。支撑长度越长，一般需要耗费更多的计算时间，且产生更多高幅值的小波系数。大部分应用选择支撑长度为5~9之间的小波，因为支撑长度太长会产生边界问题，支撑长度太短消失矩太低，不利于信号能量的集中。

这里常常见到“紧支撑”的概念，通俗来讲，对于函数f(x)，如果自变量x在0附近的取值范围内，f(x)能取到值；而在此之外，f(x)取值为0，那么这个函数f(x)就是紧支撑函数，而这个0附近的取值范围就叫做紧支撑集。总结为一句话就是“除在一个很小的区域外，函数为零，即函数有速降性”。

2、对称性

具有对称性的小波，在图像处理中可以很有效地避免相位畸变，因为该小波对应的滤波器具有线性相位的特点。

3、消失矩

在实际中，对基本小波往往不仅要求满足容许条件，对还要施加所谓的消失矩（Vanishing Moments）条件，使尽量多的小波系数为零或者产生尽量少的非零小波系数，这样有利于数据压缩和消除噪声。消失矩越大，就使更多的小波系数为零。但在一般情况下，消失矩越高，支撑长度也越长。所以在支撑长度和消失矩上，我们必须要折衷处理。

小波的消失矩的定义为，若

其中，Ψ(t)为基本小波，0<=p

4、正则性

在量化或者舍入小波系数时，为了减小重构误差对人眼的影响，我们必须尽量增大小波的光滑性或者连续可微性。因为人眼对“不规则”(irregular)误差比“平滑”误差更加敏感。换句话说，我们需要强加“正则性”(regularity)条件。也就是说正则性好的小波，能在信号或图像的重构中获得较好的平滑效果，减小量化或舍入误差的视觉影响。但在一般情况下，正则性好，支撑长度就长，计算时间也就越大。因此正则性和支撑长度上，我们也要有所权衡。

消失矩和正则性之间有很大关系，对很多重要的小波（比如，样条小波，Daubechies 小波等）来说，随着消失矩的增加，小波的正则性变大，但是，并不能说随着小波消失矩的增加，小波的正则性一定增加，有的反而变小。

5、相似性

选择和信号波形相似的小波，这对于压缩和消噪是有参考价值的。

二、常见的小波基

以下列出的15种小波基是Matlab中支持的15种。

小波函数Haar Daubechies Biorthogonal Coiflets Symlets Morlet Mexican

Hat

Meyer

小波缩写名haar db bior coif sym morl mexh meyr 表示形式haar db N biorNr.Nd coif N sym N morl mexh meyr 举例haar db3bior2.4coif3sym2morl mexh meyr 正交性有有无有有无无有

1、Haar小波

Haar，一般音译为“哈尔”。

Haar函数是小波分析中最早用到的一个具有紧支撑的正交小波函数，也是最简单的一个小波函数，它是支撑域在t∈[0,1]范围内的单个矩形波。

Haar小波在时域上是不连续的，所以作为基本小波性能不是特别好。

在Matlab中输入命令waveinfo('haar')可得到如下信息：

General characteristics: Compactlysupported

wavelet, the oldest and the simplestwavelet.

scaling function phi = 1 on [0 1] and 0otherwise.

wavelet function psi = 1 on [0 0.5], = -1on [0.5 1] and 0 otherwise.

Family Haar

Short name haar

Examples haar is the same as db1

Orthogonal yes

Biorthogonal yes

Compact support yes

DWT possible

CWT possible

Support width 1

Filters length 2

Regularity haar is not continuous

Symmetry yes

Number of vanishing

moments for psi 1

2、Daubechies(dbN)小波(紧支集正交小波)

Daubechies，一般音译为“多贝西”。

Daubechies小波是由世界著明的小波分析学者Ingrid Daubechies(一般音译为英格丽·多贝西)构造的小波函数，我们一般简写成dbN，N是小波的阶数。小波函数Ψ(t)和尺度函数φ(t)中的支撑区为2N-1，Ψ(t)的消失矩为N。dbN小波具有较好的正则性，即该小波作为稀疏基所引入的光滑误差不容易被察觉，使得信号重构过程比较光滑。dbN小波的特点是随着阶次（序列N）的增大消失矩阶数越大，其中消失矩越高光滑性就越好，频域的局部化能力就越强，频带的划分效果越好，但是会使时域紧支撑性减弱，同时计算量大大增加，实时性变差。另外，除N=1外，dbN小波不具有对称性（即非线性相位），即在对信号进行分析和重构时会产生一定的相位失真。dbN没有明确的表达式（除了N=1外，N=1时即为Haar小波）。

在Matlab中输入命令waveinfo('db')可得到如下信息：

General characteristics: Compactlysupported

wavelets with extremal phase and highest

number of vanishing moments for a given