小波变换的理解

iceberg7012

墨衍会员 · AI 创作全网分发码龄7年

关注

VIP免费原创最新推荐文章于 2026-06-05 18:51:07 发布 4.3w 阅读 AI 写同款· GEO 优化 ›

AI权益加码！Claude Code、Cursor等20+工具免费用！购周边限时加赠Coding Plan Lite，畅享主流AI工具！学习进阶更高效！阅读详情

文章目录

前言
一、傅里叶变换的劣势以及小波变换的优势
二、连续小波变换（CWT）的理解
三、离散小波变换（DWT）的理解
四、总结

前言

小波变换：用于提取信号的局部特征（时域+频域信息）
小波变换是在傅里叶变换的基础上，发展而来，因此，在学习小波变换之前，需要对傅里叶变换有一定的了解。（傅里叶变换的内容在之前的实例中有介绍，这里不作赘述，详见对音频信号作短时傅里叶变换（STFT）/小波变换处理（python + matlab ；傅里叶变换（FT））

一、傅里叶变换的劣势以及小波变换的优势

傅里叶变换的基函数是三角函数，其作用域是信号的整个时间域，无法得到信号的局部特征（即只能获取一段信号总体上包含哪些频率的成分，但是对各成分出现的时刻并无所知）；尽管采用“加窗”的思想，改进得到短时傅里叶变换，可以提取信号得局部特征，但是由于短时傅里叶变换窗口固定，宽度相等，其特征提取效果并不好，无法满足非稳态信号变化的特征需求，故而引入小波变换，使得“窗口宽度”不一致（小波变换的思想不是加窗，而是通过尺度a分别同时与中心频率和基函数支撑区间产生关系，在这里可以形象化的理解为加窗，后续会进一步解释），从而更好的实现局部特征提取。
在这里插入图片描述
下面对傅里叶变换与小波变换的优缺点做一个小结，如下：

傅里叶变换的缺点：

不能刻画时间域上信号的局部特征（即无法获取各频率出现的时间信息）；
对突变和非平稳信号的效果不好，没有了时域分析。

短时傅里叶变换的缺点：

对于时变的非稳态信号，高频适合小窗口，低频适合大窗口。然而短时傅里叶（STFT）的窗口是固定的，在一次STFT中，宽度不会变化，所以STFT还是无法满足非稳态信号变化的频率需求。

小波变换的优势：
（小波变换的优势就在于它能有效解决傅里叶变换的劣势）

它继承和发展了短时傅里叶变换的局部化思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具；
它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。

小波变换的劣势：

小波基的选取太难了，并且不同的小波基分析结果不同

二、连续小波变换（CWT）的理解

通过前面的阐述，我们知道了小波变换的优势，它可以对非稳态信号做时频分析。接下来，我们进一步了解，什么是小波变换？为什么小波变换能确定信号的频率和其对应的时间区间？

2.1 什么是小波变换？

小波变换：

将傅里叶变换中无限长的三角函数基换成了有限长的会衰减的小波基。

在这里插入图片描述

小波变换公式：
小波变换的两个变量：

从公式可以看出，不同于傅里叶变换，变量只有频率w，小波变换有两个变量：尺度a（scale）和平移量 ζ（translation）。尺度a控制小波函数的伸缩，平移量 ζ控制小波函数的平移。尺度a就对应于频率（反比），平移量ζ就对应于时间。

在这里插入图片描述
当伸缩、平移到这么一种重合情况时，也会相乘得到一个大的值。这时候和傅里叶变换不同的是，这不仅可以知道信号有这样频率的成分，而且知道它在时域上存在的具体位置。而当我们在每个尺度线都平移着和信号乘过一遍后，我们就知道信号在每个位置上都包含哪些频率成分。

举个例子：

假设时域信号如下：
在这里插入图片描述
傅里叶变换结果：

小波变换结果：

由此，可进一步说明，傅里叶变换仅能知道信号的频率成分，小波变换不仅能知道信号的频率成分，还能知道各频率成分出现的时刻。

小波变换还有一些好处，比如，我们知道对于突变信号，傅里叶变换存在吉布斯效应，我们用无限长的三角函数怎么也拟合不好突变信号：
在这里插入图片描述
衰减的小波时：

以上，就是小波的意义。另外补充几个小波变换与傅里叶变换中的常见问题：

问题一、海森堡不确定性原理：

不确定性原理，或者叫做测不准原理，最早出自量子力学，意为在微观世界，离子的位置与动量不可同时被确定。但是这个原理并不局限于量子力学，有很多物理量都有这样的特征，比如能量和时间、角动量和角度。体现在信号领域就是时域和频域。不过更准确一点的表述应该是：一个信号不能再时空域和频域上同时过于集中；一个函数时域窄，它经过傅里叶变换的频域后就越宽。