用matlab小波分析的实例

1 绪论
1.1概述
小波分析是近15年来发展起来的一种新的时频分析方法。

其典型应用包括齿轮变速控制，起重机的非正常噪声，自动目标所顶，物理中的间断现象等。

而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量，典型应用包括细胞膜的识别，金属表面的探伤，金融学中快变量的检测，INTERNET的流量控制等。

从以上的信号分析的典型应用可以看出，时频分析应用非常广泛，涵盖了物理学，工程技术，生物科学，经济学等众多领域，而且在很多情况下单单分析其时域或频域的性质是不够的，比如在电力监测系统中，即要监控稳定信号的成分，又要准确定位故障信号。

这就需要引入新的时频分析方法，小波分析正是由于这类需求发展起来的。

在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息，这对于某些应用来说是很恰当的，因为信号的频率的信息对其是非常重要的。

但其丢弃的时域信息可能对某些应用同样非常重要，所以人们对傅立叶分析进行了推广，提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor变换，时频分析，小波变换等。

其中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试，其基本假定在于在一定的时间窗内信号是平稳的，那么通过分割时间窗，在每个时间窗内把信号展开到频域就可以获得局部的频域信息，但是它的时域区分度只能依赖于大小不变的时间窗，对某些瞬态信号来说还是粒度太大。

换言之，短时傅立叶分析只能在一个分辨率上进行。

所以对很多应用来说不够精确，存在很大的缺陷。

而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分（信号较平稳）可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况下（频率变化不大）可以用较低的频率分辨率来换取精确的时间定位。

因为这些特定，小波分析可以探测正常信号中的瞬态，并展示其频率成分，被称为数学显微镜，广泛应用于各个时频分析领域。

全文介绍了小波变换的基本理论，并介绍了一些常用的小波函数，它们的主要性质包括紧支集长度、滤波器长度、对称性、消失矩等，都做了简要的说明。

在不同的应用场合，各个小波函数各有利弊。

小波分析在图像处理中有非常重要的应用，包括图像压缩，图像去噪，图像融合，图像分解，图像增强等。

文中给出了详细的程序范例，用MATLAB实现了基于小波变换的图像处理。

小波分析在图像处理中有非常重要的应用，包括图像压缩，图像去噪，图像融合，图像分解，图像增强等。

文中给出了详细的程序范例，用MATLAB实现了基于小波变换的图像处理。

小波分析在图像处理中有非常重要的应用，包括图像压缩，图像去噪，图像融合，图像分解，图像增强等。

文中给出了详细的程序范例，用MATLAB实现了基于小波变换的图像处理。

1.2 傅立叶变换与小波变换的比较
小波分析是傅立叶分析思想方法的发展与延拓。

它自产生以来，就一直与傅立叶分析密切相关。

它的存在性证明，小波基的构造以及结果分析都依赖于傅立叶分析，二者是相
辅相成的。

两者相比较主要有以下不同：
（1）傅立叶变换的实质是把能量有限信号f （t ）分解到以{t j e ω}为正交基的空间上去；小波变换的实质是把能量有限信号)(t f 分解到j W -（j=1，2，…，J ）和j V -所构成的空间上去。

（2）傅立叶变换用到基本函数只有)exp(),cos(),sin(t i t t ωωω，具有唯一性；小波分析用到的函数（即小波函数）则具有不唯一性，同一个工程问题用不同的小波函数进行分析有时结果相差甚远。

小波函数的选用是小波分析应用到实际中的一个难点问题（也是小波分析研究的一个热点问题），目前往往是通过经验或不断的试验（对结果进行对照分析）来选择小波函数。

（3）在频域中，傅立叶变换具有较好的局部化能力，特别是对于那些频率成分比较简单的确定性信号，傅立叶变换很容易把信号表示成各频率成分的叠加和的形式。

例如，)cos(23.4)sin(345.0)sin(321t t t ωωω++，但在时域中，傅立叶变换没有局部化能力，即无法从信号)(t f 的傅立叶变换)(ω f 中看出)(t f 在任一时间点附近的性态。

事实上，ωωd f )( 是关于频率为ω的谐波分量的振幅，在傅立叶展开式中，它是由)(t f 的整体性态所决定的。

（4）在小波分析中，尺度a 的值越大相当于傅立叶变换中ω的值越小。

（5）在短时傅立叶变换中，变换系数),(τωS 主要依赖于信号在],[δτδτ+-片段中的情况，时间宽度是δ2（因为δ是由窗函数)(t g 唯一确定，所以δ2是一个定值）。

在小波变换中，变换系数),(b a W f 主要依赖于信号在],[ψψ∆+∆-a b a b 片段中的情况，时间宽度是ψ∆a 2，该时间宽度是随着尺度a 变化而变化的，所以小波变换具有时间局部分析能力。

（6）若用信号通过滤波器来结实，小波变换与短时傅立叶变换不同之处在于：对短时傅立叶变换来说，带通滤波器的带宽f ∆与中心频率f 无关；相反，小波变换带通滤波器的带宽f ∆则正比于中心频率f ，即
C f
f Q =∆= C 为常数 亦即滤波器有一个恒定的相对带宽，称之为等Q 结构（Q 为滤波器的品质因数，且有
带宽
中心频率=Q ）。

1.3 小波分析与多辨分析的历史
小波理论包括连续小波和二进小波变换，在映射到计算域的时候存在很多问题 ，因为两者都存在信息冗余，在对信号采样以后，需要计算的信息量还是相当的大，尤其是连续小波变换，因为要对精度内所有的尺度和位移都做计算，所以计算量相当的大。

而二进小波变换虽然在离散的尺度上进行伸缩和平移，但是小波之间没有正交性，各个分量的信息搀杂在一起，为我们的分析带来了不便。

真正使小波在应用领域得到比较大发展的是Meyer 在1986年提出的一组小波，其二进制伸缩和平移构成)(2R L 的标准化正交基。

在此结果基础上，1988年S.Mallat 在构造正交小波时提出了多分辨分析的概念，从函数分析的角度给出了正交小波的数学解释，在空间的概念上形象的说明了小波的多分辨率特性，给出了通用的构造正交小波的方法，并将之前所有的正交小波构造方法统一起来，并类似傅立叶分析中的快速傅立叶算法，给出了小波变换的快速算法——Mallat 算法。

这样，在计算上变得可行以后，小波变换在各个领域才发挥它独特的优势，解决了各类问题，为人们提供了更多的关于时域分析的信息。

形象一点说，多分辨分析就是要构造一组函数空间，每组空间的构成都有一个统一的
形式，而所有空间的闭包则逼近)(2R L 。

在每个空间中，所有的函数都构成该空间的标准化正交基，而所有函数空间的闭包中的函数则构成)(2R L 的标准化正交基，那么，如果对信号在这类空间上进行分解，就可以得到相互正交的时频特性。

而且由于空间数目是无限可数的，可以很方便地分析我们所关心的信号的某些特性。

下面我们简要介绍一下多分辨分析的数学理论。

定义：空间)(2R L 中的多分辨分析是指)(2R L 满足如下性质的一个空间序列{}Z j j V ∈：
（1）调一致性：1+⊂j j V V ，对任意Z j ∈
（2）渐进完全性：Φ=∈j Z j V I ，{})(2R L V U close j Z j =∈
（3）伸缩完全性：1)2()(+∈⇔∈j j V t f V t f
（4）平移不变性：j j j j j V k t V t Z k ∈-⇒∈∈∀--)2()2(,2/2/φφ
（5）Riesz 基存在性：存在0)(V t ∈φ，使得{}
Z k k t j j ∈--|)2(2/φ构成j V 的Risez 基。

关于Riesz 的具体说明如下：
若)(t φ是0V 的Risez 基，则存在常数A ，B ，且，使得： {}{}2
222
22)(k k k c B k t c c A ≤-≤∑φ 对所有双无限可平方和序列{}k c ，即 {}∞<=∑∈222
Z k k k c c 成立。

满足上述个条件的函数空间集合成为一个多分辨分析，如果)(t φ生成一个多分辨分析，那么称)(t φ为一个尺度函数。

可以用数学方法证明，若)(t φ是0V 的Riesz 基，那么存在一种方法可以把)(t φ转化为0V 的标准化正交基。

这样，我们只要能找到构成多分辨分析的尺度函数，就可以构造出一组正交小波。

多分辨分析构造了一组函数空间，这组空间是相互嵌套的，即
L V V V V V L 21012⊂⊂⊂⊂⊂--
那么相邻的两个函数空间的差就定义了一个由小波函数构成的空间，即
1+=⊕j j j V W V
并且在数学上可以证明j j W V ⊕且j i W V ⊕，j i ≠，为了说明这些性质，我们首先来介绍一下双尺度差分方程，由于对1,+⊂∀j j V V j ，所以对j V x g ∈∀)(，都有1)(+∈j V x g ，也就是说可以展开成1+j V 上的标准化正交基，由于0)(V t ∈φ，那么)(t φ就可以展开成
∑∈=Z
n n n t h t )()(,1φφ
这就是著名的双尺度差分方程，双尺度差分方程奠定了正交小波变换的理论基础，从数学上可证明，对于任何尺度的)(0,t j φ，它在j+1尺度正交基)(,1t n j +φ上的展开系数n h 是一定的，这就为我们提供了一个很好的构造多分辨分析的方法。

在频域中，双尺度差分方程的表现形式为：
)(ˆ)()2(ˆωφωωφ
H = 如果)(ˆωφ
在ω=0连续的话，则有
∑∞==1)0(ˆ)2()(ˆj j
H φωωφ
说明)(ˆωφ的性质完全由)0(ˆφ决定。

2 小波分析的基本理论
2.1 从傅立叶变换到小波变换
小波分析属于时频分析的一种，传统的信号分析是建立在傅立叶变换的基础上的，由于傅立叶分析使用的是一种全局的变换，要么完全在时域，要么完全在时域，要么完全在频域，因此无法表述信号的时频局域性质，而这种性质恰恰是非平稳信号最根本和最关键的性质。

为了分析和处理非平稳信号，人们对傅立叶分析进行了推广乃至根本性的革命，提出并发展了一系列新的信号分析理论：短时傅立叶变换、Gabor 变换、时频分析、小波变换、分数阶傅立叶变换、线调频小波变换、循环统计量理论和调幅-调频信号分析等。

其中，短时傅立叶变换和小波变换也是应传统的傅立叶变换不能够满足信号处理的要求而产生的。

短时傅立叶变换分析的基本思想是：假定非平稳信号在分析窗函数g （t ）的一个短时间间隔内是平稳（伪平稳）的，并移动分析窗函数，使)()(τ-t g t f 在不同的有限时间宽度内是平稳信号，从而计算出各个不同时刻的功率谱。

但从本质上讲，短时傅立叶变换是一种单一分辨率的信号分析方法，因为它使用一个固定的短时窗函数。

因而短时傅立叶变换在信号分析上还是存在着不可逾越的缺陷。

小波变换是一种信号的时间—尺度分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。

即在低频部分具有较高的频率分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合于探测正常信号中夹带的瞬态反常现象并展示其成分，所以被誉为分析信号的显微镜，利用连续小波变换进行动态系统故障检测与诊断具有良好的效果。

2.1.1 傅里叶变换
在信号处理中重要方法之—是傅立叶变换(FoMierTrMsroM)，它架起了时间域和频率域之间的桥梁。

对很多信号来说，傅立叶分析非常有用。

因为它能给出信号令包含的各种频率成分。

但是、傅立叶变换有着严重的缺点：变换之后使信号失去了时间信息，它不能告诉人们在某段时间里发生了什么变化。

而很多信号都包含有人们感兴趣的非稳态(或者瞬变)持性，如漂移、趋势项、突然变化以及信号的升始或结束。

这些特性是信号的最重要部分。

因此傅里叶变换不适于分析处理这类信号。

虽然傅立叶变换能够将信号的时域特征和频域特征联系起来，能分别从信号的时域和频域观察，但却不能把二者有机地结合起来。

这是因为信号的时域波形中不包含任何频域信息。

而其傅立叶谱是信号的统计特性，从其表达式中也可以看出，它是整个时间域内的积分，没有局部化分析信号的功能，完全不具备时域信息，也就是说，对于傅立叶谱中的某一频率，不知道这个频率是在什么时候产生的。

这样在信号分析中就面临一对最基本的
矛盾：时域和频域的局部化矛盾。

在实际的信号处理过程中，尤其是对非平稳信号的处理中，信号在任一时刻附近的频域特征都很重要。

如柴油机缸盖表面的震动信号就是由撞击或冲击产生的，是一瞬变信号，仅从时域或频域上来分析是不够的。

这就促使去寻找一种新方法，能够将时域和频域结合起来描述观察信号的时频联合特征，构成信号的时频谱。

这就是所谓的时频分析法，也称为时频局部化方法。

2.1.2 短时傅里叶变换
由于标准傅立叶变换只在频域里有局部分析的能力，而在时域里不存在这种能力，Dennis Gabor 于1946年引入了短时傅立叶变换。

短时傅立叶变换的基本思想是：把信号划分成许多小的时间间隔，用傅立叶变换分析每一个时间间隔，以便确定该时间间隔存在的频率。

其表达式为
dt e g t f S t j R
ωτωτω--=⎰)()(),(* (2.1)
其中*表示复共轭，g(t)是有紧支集的函数，f(t)是进入分析的信号。

在这个变换中，t j e ω起着频限的作用，g(t)起着时限的作用。

随着时间τ的变化，g(t)所确定的“时间窗”在t 轴上移动，是f （t ）“逐渐”进行分析。

因此，g （t ）往往被称之为窗口函数， ),(τωS 大致反映了f （t ）在时刻τ时、频率为ω的“信号成分”的相对含量。

这样信号在窗函数上的展开就可以表示为在],[δτδτ+-、],[εωεω+-这一区域内的状态，并把这一区域称为窗口，δ和ε分别称为窗口的时宽和频宽，表示了时频分析中的分辨率，窗宽越小则分辨率就越高。

很显然，希望δ和ε都非常小，以便有更好的时频分析效果，但还森堡测不准原理指出δ和ε是互相制约的，两者不可能同时都任意小（事实上，δε≥21，且仅当
2224/11)(δδπ
t e t g =为高斯函数时，等号成立） 由此可见，短时傅立叶变换虽然在一定程度上克服了标准傅立叶不具有局部分析能力的缺陷，但它也存在着自身不可克服的缺陷，即当窗函数g(t)确定后，矩形窗口的形状就确定了，τ，ω只能改变窗口在相平面上的位置，而不能改变窗口的形状。

可以说短时傅立叶变换实质上是具有单一分辨率的分析，若要改变分辨率，则必须重新选择窗函数g(t)。

因此，短时傅立叶变换用来分析平稳信号犹可，但对非平稳信号，在信号波形变化剧烈的时刻，主频是高频，要求有较高的时间分辨率（即δ要小），而波形变化比较平缓的时刻，主频是低频，则要求有较高的频率分辨率（即ε要小）。

而短时傅立叶变换不能兼顾两者。

2.1.3 小波变换
小波变换提出了变化的时间窗，当需要精确的低频信息时，采用长的时间窗，当需要精确的高频信息时，采用短的时间窗。

由图1．3看出，小波变换用的不是时间-频率域，而是时间-尺度域。

尺度越大，采用越大的时间窗，尺度越小，采用越短的时间窗，即尺度与频率成反比。

2.2 连续小波变换
2.2.1一维连续小波变换
定义：设)()(2R L t ∈ψ，其傅立叶变换为)(ˆωψ
，当)(ˆωψ满足允许条件（完全重构条件或恒等分辨条件）
⎰=R
d C ωωωψψ2
)(ˆ< ∞ (2.2) 时，我们称)(t ψ为一个基本小波或母小波。

将母函数)(t ψ经伸缩和平移后得
)(1)(,a b t a t b a -=ψψ 0;,≠∈a R b a (2.3) 称其为一个小波序列。

其中a 为伸缩因子，b 为平移因子。

对于任意的函数)()(2R L t f ∈的连续小波变换为
dt a b t t f a f b a W R
b a f )()(,),(2/1,->==<⎰-ψψ (2.4) 其重构公式（逆变换）为
⎰⎰∞∞-∞∞--=dadb a
b t b a W a C t f f )(),(11)(2ψψ (2.5) 由于基小波)(t ψ生成的小波)(,t b a ψ在小波变换中对被分析的信号起着观测窗的作用，所以)(t ψ还应该满足一般函数的约束条件
⎰∞
∞-dt t )(ψ〈∞ (2.6)
故)(ˆωψ
是一个连续函数。

这意味着，为了满足完全重构条件式，)(ˆωψ在原点必须等于0，即
0)()0(ˆ==⎰∞
∞-dt t ψψ (2.7) 为了使信号重构的实现在数值上是稳定的，处理完全重构条件外，还要求小波)(t ψ的傅立叶变化满足下面的稳定性条件：
∑∞∞--≤≤B A j 2
)2(ˆωψ
(2.8) 式中0〈A ≤B 〈∞
从稳定性条件可以引出一个重要的概念。

定义（对偶小波） 若小波)(t ψ满足稳定性条件（2.8）式，则定义一个对偶小波)(~t ψ
，其傅立叶变换)(ˆ~ωψ由下式给出： ∑∞-∞
=-=j j 2)
2()(*)(ˆ~ωψωψωψ （2.9） 注意，稳定性条件（2.8）式实际上是对（2.9）式分母的约束条件，它的作用是保证对偶小波的傅立叶变换存在的稳定性。

值得指出的是，一个小波的对偶小波一般不是唯一的，然而，在实际应用中，我们又总是希望它们是唯一对应的。

因此，寻找具有唯一对偶小波的合适小波也就成为小波分析中最基本的问题。

连续小波变换具有以下重要性质：
（1）线性性：一个多分量信号的小波变换等于各个分量的小波变换之和
（2）平移不变性：若f （t ）的小波变换为),(b a W f ，则)(τ-t f 的小波变换为),(τ-b a W f
（3）伸缩共变性：若f （t ）的小波变换为),(b a W f ，则f （ct ）的小波变换为
0),,(1>c cb ca W c
f ， （4）自相似性：对应不同尺度参数a 和不同平移参数b 的连续小波变换之间是自相似的。

（5）冗余性：连续小波变换中存在信息表述的冗余度。

小波变换的冗余性事实上也是自相似性的直接反映，它主要表现在以下两个方面：
（1）由连续小波变换恢复原信号的重构分式不是唯一的。

也就是说，信号f （t ）的小波变换与小波重构不存在一一对应关系，而傅立叶变换与傅立叶反变换是一一对应的。

（2）小波变换的核函数即小波函数)(,t b a ψ存在许多可能的选择（例如，它们可以是非正交小波、正交小波、双正交小波，甚至允许是彼此线性相关的）。

小波变换在不同的（a ，b ）之间的相关性增加了分析和解释小波变换结果的困难，因此，小波变换的冗余度应尽可能减小，它是小波分析中的主要问题之一。

2.2.2 高维连续小波变换
对)1)(()(2>∈n R L t f n ，公式
⎰⎰∞∞-∞
∞--=dadb a b t b a W a C t f f )(),(11)(2ψψ (2.10) 存在几种扩展的可能性，一种可能性是选择小波)()(2n R L t f ∈使其为球对称，其傅立叶变换也同样球对称，
)()(ˆωηωψ
=（2.11） 并且其相容性条件变为
∞<=⎰∞
t
dt t C 022)()2(ηπψ（2.12） 对所有的)(,2n g L g f ∈。

f C db b a W b a W a da
g f n <=⎰∞+ψ),(),(01 （2.13）
这里，),(b a W f =〈b a ,ψ〉，)()(2/,a
b t a t n b a -=-ψψ，其中0,≠∈+a R a 且n R b ∈，公式（2.6）也可以写为
⎰⎰∞+-=0,11),(db b a W a da C f b a R f n n
ψψ（2.14） 如果选择的小波ψ不是球对称的，但可以用旋转进行同样的扩展与平移。

例如，在二维时，可定义
))(()(11,,a
b t R a t b a -=--θθψψ（2.15） 这里，2,0R b a ∈>，⎪⎪⎭
⎫ ⎝⎛-=θθθθθcos sin sin cos R ，相容条件变为 ⎰⎰∞<=∞πψθθθψπ20
202)sin ,cos (ˆ)2(d r r r dr C （2.16） 该等式对应的重构公式为
⎰⎰⎰∞-=020,,31),,(2
πθψθψθd b a W db a da C f b a f R （2.17） 对于高于二维的情况，可以给出类似的结论。

2.3 离散小波变换
在实际运用中，尤其是在计算机上实现时，连续小波必须加以离散化。

因此，有必要讨论连续小波)(,t b a ψ和连续小波变换),(b a W f 的离散化。

需要强调指出的是，这一离散化都是针对连续的尺度参数a 和连续平移参数b 的，而不是针对时间变量t 的。

这一点与我们以前习惯的时间离散化不同。

在连续小波中，考虑函数：
)()(2/1,a
b t a t b a -=-ψψ 这里R b ∈，+∈R a ，且0≠a ，ψ是容许的，为方便起见，在离散化中，总限制a 只取正值，这样相容性条件就变为
∞<=⎰∞ωω
ωψψd C 0)(ˆ (2.18) 通常，把连续小波变换中尺度参数a 和平移参数b 的离散公式分别取作
000,b ka b a a j j ==，这里Z j ∈，扩展步长10≠a 是固定值，为方便起见，总是假定10>a （由于m 可取正也可取负，所以这个假定无关紧要）。

所以对应的离散小波函数)(,t k j ψ即可写作
)()()(002/00
002/0
,kb t a a a b ka t a t j j j j j k j -=-=---ψψψ（2.19） 而离散化小波变换系数则可表示为 >=<=⎰∞
∞-k j k j k j f dt t t f C ,*,,,)()(ψψ（2.20）
其重构公式为
∑∑∞∞-∞∞
-=)()(,,t C C t f k j k j ψ（2.21）
C 是一个与信号无关的常数。

然而，怎样选择0a 和0b ，才能够保证重构信号的精度呢？显然，网格点应尽可能密（即0a 和0b 尽可能小），因为如果网格点越稀疏，使用的小波函数)(,t k j ψ和离散小波系数k j C ,就越少，信号重构的精确度也就会越低。

实际计算中不可能对全部尺度因子值和位移参数值计算CWTa,b 值，加之实际的观测信号都是离散的，所以信号处理中都是用离散小波变换(DwT)。

大多数情况下是将尺度因子和位移参数按2的幂次进行离散。

最有效的计算方法是s ．Mallat 于1988年发展的快小波算法(又称塔式算法)。

对任一信号，离散小波变换第一步运算是将信号分为低频部分〔称为近似部分)和离散部分(称为细节部分)。

近似部分代表了信号的主要特征。

第二步对低频部分再进行相似运算。

不过这时尺度因子已经改变。

依次进行到所需要的尺度。

除了连续小波(CWT)、离散小波(DWT)，还有小波包（Wavelet Packet ）和多维小波。

2.4 小波包分析
短时傅立叶变换对信号的频带划分是线性等间隔的。

多分辨分析可以对信号进行有效的时频分解，但由于其尺度是按二进制变化的，所以在高频频段其频率分辨率较差，而在低频频段其时间分辨率较差，即对信号的频带进行指数等间隔划分（具有等Q 结构）。

小波包分析能够为信号提供一种更精细的分析方法，它将频带进行多层次划分，对多分辨率分析没有细分的高频部分进一步分解，并能够根据被分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高了时-频分辨率，因此小波包具有更广泛的应用价值。

关于小波包分析的理解，我们这里以一个三层的分解进行说明，其小波包分解树如图
图1 小波包分解树
图1中，A 表示低频，D 表示高频，末尾的序号数表示小波分解的层树（也即尺度数）。

分解具有关系：
S=AAA3+DAA3+ADA3+DDA3+AAD3+DAD3+ADD3+DDD3。

2.4.1 小波包的定义
在多分辨分析中，j z
j W R L ∈⊕=)(2 ,表明多分辨分析是按照不同的尺度因子j 把Hilbert 空间)(2R L 分解为所有子空间)(Z j W j ∈的正交和的。

其中， j W 为小波函数)(t ψ的闭包（小波子空间）。

现在，我们希望几拟议部对小波子空间j W 按照二进制分式进行频率的细分，以达到提高频率分辨率的目的。

一种自然的做法是将尺度空间j V 和小波子空间j W 用一个新的子空间n
j U 统一起来表征，
若令
j
j j j W U V U ⎪⎩⎪⎨⎧==10 Z j ∈ 则Hilbert 空间的正交分解j j j W V V ⊕=+1即可用n
j U 的分解统一为
100
1j j j U U U ⊕=+ Z j ∈ （2.22）
定义子空间n
j U 是函数是函数)(t U n 的闭包空间，而)(t U n 是函数)(2t U n 的闭包空间，并令
)(t U n 满足下面的双尺度方程：
⎪⎩
⎪⎨⎧-=-=∑∑∈+∈Z k n n Z k n n k t u k g t u k t u k h t u )
2()(2)()2()(2)(122 (2.23) 式中，)1()1()(k h k g k --=，即两系数也具有正交关系。

当n=0时，以上两式直接给出
⎪⎩
⎪⎨⎧-=-=∑∑∈∈Z k k Z k k k t u g t u k t u h t u )
2()()2()(0100 （2.24） 与在多分辨分析中，)()(t t ψφ和满足双尺度方程：
⎪⎩
⎪⎨⎧-=-=∑∑∈∈Z k k Z k k k t g t k t h t )
2()()2()(φψφφ {}{}22l g l h Z k k Z k k ∈∈∈∈ （2.25） 相比较，)(0t u 和)(1t u 分别退化为尺度函数)(t φ和小波基函数)(t ψ。

式（2.24）是式（2.22）的等价表示。

把这种等价表示推广到+∈Z n （非负整数）的情况，即得到（2.23）的等价表示为
121++⊕=n j
n j n j U U U Z j ∈；+∈Z n （2.26） 定义（小波包） 由式（2.23）构造的序列{})(t u n （其中+∈Z n ）称为由基函数)(0t u =)(t φ确定的正交小波包。

当n=0时，即为（2.24）式的情况。

由于)(t φ由k h 唯一确定，所以又称{}Z n n t u ∈)(为关于序列{}k h 的正交小波包。

2.4.2 小波包的性质
定理1 设非负整数n 的二进制表示为∑∞
=-=112i i i n ε i ε=0或1
则小波包)(w u n ∧
的傅立叶变换由下式给出：
∏∞=∧=1)2/()(i j n w m w u i ε (2.27) 式中
∑+∞
-∞
=-==k jkw e k h w H w m )(21)()(0 ∑∞
-∞
=-==k jkw e k g w G w m )(21)()(1 定理 2 设{}Z
n n t u ∈)(是正交尺度函数)(t φ的正交小波包，则kl n n l t u k t u δ>=--<)(),(，即{}Z n n t u ∈)(构成)(2R L 的规范正交基。

2.4.3 小波包的空间分解
令{}Z n n t u ∈)(是关于k h 的小波包族，考虑用下列方式生成子空间族。

现在令n=1，2，…；j=1，2，…，并对（2.22）式作迭代分解，则有
7
26
25
25
24
22
131
211
,--------⊕=⊕=⊕==j j j j j j j j j j U U U U U U U U U W
因此，我们很容易得到小波子空间j W 的各种分解如下：
7262524231
21------⊕⊕⊕=⊕=j j j j j j j j U U U U W U U W。