在matlab中,對cwt理論的理解是通過上面第壹段的描述來解釋的。但算法是用CWT函數幫助文檔中的公式實現的,即先計算小波函數的積分差,再乘以1/ scale的根。這個公式的計算其實就是通過卷積運算完成小波的平移,通過不同尺度的1/根相乘完成小波的伸縮。妳在上面第壹段描述的是理論解釋,是示意圖。要實現它,妳得把它轉換成那個公式,而計算那個公式主要是通過積分、求差、卷積、乘以1/標度的根來運算。這壹系列操作的理論解釋就是實現妳在上面第壹段的描述。
如果小波分析到此結束,DWT是否只是在CWT的基礎上取離散尺度?然而,DWT的實際應用遠比CWT復雜,並不僅僅是從CWT中取離散化。原因是mallat算法的引入,將小波的應用轉向了濾波器的研究。Mallat算法是DWT最出彩的部分,它可以把信號分成高頻細節和低頻近似,是為了適應信號處理的壹些應用而提出的。中尺度2,4,8。。。小波系數的信息是DWT1,2,3。。。高頻小波細節系數的階信息,即沒有低頻逼近,所以CWT的應用非常有限。所以DWT引入了mallat算法,說到頻率,自然想到信號處理濾波器。因此,通過雙尺度方程,將DWT問題轉化為濾波器設計問題。
小波變換的實現由根據小波函數和尺度函數設計的濾波器來完成。濾波器的卷積完成小波的平移,尺度的擴展通過數據量減半完成。這些問題妳還是要參考那個過濾書。關於DWT頻率的計算,請參考/question/179600745075089787 . html?from = pubpage & ampmsgtype=2
有非常詳細的回答,應該分為近似和詳細。
路很長,還要上上下下!