Multiresolution Analysis(多分辨率分析)
[注意:本文中所有的傅里叶变换和反变换均含对称因子$\frac{1}{\sqrt{2\pi}}$,且$z=e^{-ik\omega}$]
1. 多分辨率分析
1.1 概念
多分辨率分析指的是一系列$L^2(R)$的子空间$V_j$,每个子空间$V_{j+1}$都是它“上一级”子空间$V_j$的“精细化”:
(i) $V_j\subset V_{j+1}$ # 子空间逐级嵌套
(ii) $\overline{U_{j \in Z}V_j}=L^2(R)$ # 所有子空间的并“构成”$L^2(R)$。注意此处上横线不是求补的意思(待补充:)
(iii) $\cap_{j \in Z} V_j=\{0\}$ # 全部子空间的交为空集。可这样理解:交的结果趋向于最“不精细”的那个子空间$V_{-\infty}$
(iv) $f(t) \in V_0 \iff f(2^jt)\in V_j$ # 子空间之间存在“缩放”关系
对子空间$V_0$,存在一组尺度函数$\{ \phi (t-k) \}$作为规范正交基。
我们假定$\phi(t)$是实值且归一化的函数,那么下式成立:
$\int_R\phi(t)dt=\sqrt{2\pi}\Phi(0)=1$ # 傅里叶变换式取$\omega=0$即得
根据子空间之间的“包含”和“缩放”关系,可以写出空间$V_j$的规范正交基:
$\phi_{j,k}(t)=2^{j/2}\phi(2^jt-k)$
系数$2^{j/2}$使得时间尺度变换后的基的范数仍为1。
如果函数$f(t) \in \sum_{k \in Z}c_k\phi_{j,k}(t)$,那么可以写出$f(t)$在$V_j$的规范正交基上的投影:
$c_k=\langle f(t),\phi_{j,k}(t) \rangle$
因为各级子空间存在包含与被包含的关系,所以子空间$V_j$的基总可以用$V_{j+1}$的基的线性组合表示。例如:
$\phi (t) = \sqrt{2} \sum_{k \in Z} h_k \phi (2t-k)$
上式中,$h_k=\langle \phi(t), \phi_{1,k}(t) \rangle$
对于更一般的$\phi_j(t)$:
$\phi_j(t)=\sum_{k \in Z} h_k \phi_{j+1,k}(t)$
注意对上式中的各级子空间$V_0, V_1, ..., V_j, V_{j+1}, ...$,$h_k$总是相同的。
对于更更一般的$\phi_{j,k}(t)$,将$h_k$进行移位即可:
$\phi_{j,l}(t)=\sum_{k \in Z} h_{k-2l} \phi_{j+1, k}(t)$
考虑到各级子空间之间的尺度关系,$h$的下标为$k-2l$是自然的事。
系数$h_k$称为尺度滤波器,具有如下性质:
(i) $\sum_{k \in Z} h_k=\sqrt{2}$ # 为了保持归一化,$\sum h_k$必须等于$\sqrt{2}$。回想下HAAR的尺度滤波器系数
(ii) $\sum_{k \in Z} h_k h_{k-2l} = \delta(l)$ # 因为$\phi(t)$是正交基,所以距离为$2l$的权序列不相关
(iii) $\sum_{k \in Z} h_k^2=1$ # 为了保持尺度变换前后(尺度滤波器内的部分)能量不变
如果将$L^2(R)$上的任意函数$f(t)$投影到$V_j$:
$P_{f,j}(t)=\sum_{k \in Z}\langle f(t), \phi_{j,k}(t) \rangle\phi_{j,k}(t)$
如果我们有一个函数$f_{j+1}\in V_{j+1}$,那么有:
$f_{j+1}(t)=\sum_{k \in Z}a_k\phi_{j+1,k}(t)$
现在将$f_{j+1}(t)$投影到$V_j$:
$f_j(t)=\sum_{l\in Z}b_l\phi_{j,l}(t)$
为了求出$b_l$的表达式,我们可以这样考虑:
想象一下将$\phi_{j+1}$投影到$V_j$,每一个$\phi_{j+1}$都要用$\phi_j$的线性组合来表示。所以$\phi_{j,l}$前的系数是以$a_k$为权的$h_k$的线性组合(加上偏移量$2l$):
$f_j(t)=\sum_{l\in Z}b_l\phi_{j,l}(t)=\sum_{l\in Z} \left( \sum_{k \in Z}a_kh_{k-2l} \right) \phi_{j,l}(t)$
1.2 小波函数
$\psi(t)=\sqrt{2}\sum_{k \in Z}g_k\phi(2t-k)$
$\psi_{j,k}(t)=2^{j/2}\psi(2^jt-k)$
$g_k=(-1)^kh_{1-k}$
$\psi_{j,l}(t)=\sum_{k \in Z}g_{k-2l}\phi_{j+1,k}(t)=\sum_{k \in Z}(-1)^k h_{1+2l-k}\phi_{j+1,k}(t)$
1.3 $\phi(t)$的symbol
上面我们将$\phi(t)$表示为
$\phi(t)=\sqrt{2}h_k\phi(2t-k)$
若将$h_k$记作$h(k)$,上面的式子就是一个卷积式子。于是经过一些简单变换就得到:
$\Phi(\omega)=H(\frac{\omega}{2})\Phi(\frac{\omega}{2})$
$H(\omega)=\frac{1}{\sqrt{2}}\sum_{k \in Z}h_ke^{-ik\omega}$
$\phi(t)$具有如下性质:
(i) $||\Phi||=1$ # 单位长度
(ii) $\Phi(0)=\frac{1}{\sqrt{2\pi}}$
(iii) $H(0)=1$ # 直流增益1
(iv) $H(\omega)$周期为$2\pi$ # $h$是离散的,所以这条显然
1.4 The Stability Function
根据空间$V_j$的基在时域的正交性质,可以推导出下式(The Stability Function):
$\mathcal{A}(\omega)=\sum_{l \in Z} \left| \Phi(\omega + 2\pi l) \right| ^2=\frac{1}{2\pi}$
以HAAR小波为例,其频域为sinc函数,按$2\pi$移位平方累加,在整个频域为常数。
另一方面,在时域上有下式成立:
$\sum_{k \in Z}\phi(t-k)=1$
The Stability Function只需$\phi(t)$为正交基即可,不需要尺度条件。如果加上尺度条件,还有下面的式子:
$|H(\omega)|^2+|H(\omega+\pi)|^2=1$
如果一个函数的频谱满足上式及以下条件,那么该函数有与之对应的尺度函数:
(i) $H(0)=1$ # $h_k$过直流
(ii) 满足$H(z)=(\frac{1+z}{2})^NS(z)$,其中$max_{|z|=1}|S(z)|\le 2^{N-1}$
# 1. 系数$(\frac{1+z}{2})^N$使得$H(z)$为低通形式;
# 2. [1, 1]的z变换为$\frac{1+z}{2}$(考虑了归一化系数),所以$(\frac{1+z}{2})^N$可看作N组[1, 1]的卷积的z变换。
1.5 $g(t)$的symbol$G(\omega)$
$G(\omega)=\frac{1}{\sqrt{2}} \sum_{k \in Z} g_k e^{-ik\omega}=\frac{1}{\sqrt{2}}\sum_{k \in Z} (-1)^kh_{1-k}e^{-ik\omega}$
$G(\omega)$和$\Psi(\omega)$的性质
(i) $\Psi(\omega)=G(\frac{\omega}{2})\Phi(\frac{\omega}{2})$
(ii) $G(\omega)=-e^{-i\omega}\overline{H(\omega+\pi)}$
(iii) $G(0)=0$ # 高通效果
(iv) $\sum_{k \in Z}g_k=0$ # 直流增益0
(v) $\sum_{k \in Z}h_{2k}=\sum_{k \in Z}h_{2k+1}=\frac{\sqrt{2}}{2}$
Multiresolution Analysis(多分辨率分析)的更多相关文章
- 帕累托分析法(Pareto Analysis)(柏拉图分析)
帕累托分析法(Pareto Analysis)(柏拉图分析) ABC分类法是由意大利经济学家帕雷托首创的.1879年,帕累托研究个人收入的分布状态图是地,发现少数人收入占全部人口收入的大部分,而多数人 ...
- VTune使用amplxe-cl进行Hardware Event-based Sampling Analysis 0分析
于BASH正在使用VTune进行Hardware Event-based Sampling Analysis 0分析: 结果(部分)例如以下: 版权声明:本文博客原创文章.博客,未经同意,不得转载.
- survival analysis 生存分析与R 语言示例 入门篇
原创博客,未经允许,不得转载. 生存分析,survival analysis,顾名思义是用来研究个体的存活概率与时间的关系.例如研究病人感染了病毒后,多长时间会死亡:工作的机器多长时间会发生崩溃等. ...
- Why many EEG researchers choose only midline electrodes for data analysis EEG分析为何多用中轴线电极
Source: Research gate Stafford Michahial EEG is a very low frequency.. and literature will give us t ...
- [Virus Analysis]恶意软件分析(二)玩出花的批处理(中)
本文作者:i春秋作家——Sp4ce 0×01上一篇文章部分 首先是文件目录 整理后的目录 整理前的部分文件代码 update.bat %%Q %%Q %%Q %%Q %%Q %%Q %%Q %%Q % ...
- Analysis 图标分析 - loadrunner
analysis常见 /
- 性能测试工具LoadRunner24-LR之Analysis 系统资源分析
1.内存分析方法 内存分析方法主要是用于判断系统有无遇到内存瓶颈,是否需要通过增加内存等手段提高系统性能表现.主要计数器包括Memory和Physical Disk类别的计数器 内存分析的主要步骤和方 ...
- 性能测试工具LoadRunner23-LR之Analysis 性能分析
一.图表分析 1.Average Transaction Response Time(事务平均响应时间) “事务平均响应时间”显示的是测试场景运行期间的每一秒内事务执行所用的平均时间,通过它可以分析测 ...
- TensorRT Analysis Report分析报告
TensorRT Analysis Report 一.介绍 TensorRT是一个高性能的深度学习推理(Inference)优化器,可以为深度学习应用提供低延迟.高吞吐率的部署推理.TensorRT可 ...
随机推荐
- SQLI DUMB SERIES-6
less6 输入 ?id=1" 说明双引号未被过滤,输入的id被一对双引号所包围,存在注入点,可以闭合双引号. 而输入正常时 情况和less5相同,因此注入同less5.
- Fedora瘦身
启用的服务 systemctl list-unit-files --type=service | grep enabled 所有服务 systemctl list-unit-files --type= ...
- python与系统做交互常用的模块和使用方法
1.使用os模块与系统做简单命令的交互 >>>import os >>>os.popen('pwd') <open file 'pwd', mode 'r' ...
- 经过强制类型转换以后,变量a, b的值分别为( )short a = 128; byte b = (byte) a;
1.Java中用补码形式表示 2.第一位正负位,1表示负,0表示正. 3.原码:一个数的二进制表示. 3的原码00000011 -3的 原码 10000011 4 ...
- 发布自己的npm包
如何发布自己写的npm包,这里有详细解释 : https://blog.csdn.net/u010130282/article/details/82629924 本文旨在解释遇到的问题: 1:需要设置 ...
- 关于Spring IOC的学习和理解
面向对象——三层架构(表现层.业务层.持久层) 三层架构:即表现层.业务层.持久层. ① 持久层:采用DAO模式,建立实体类和数据库表映射(ORM映射).也就是哪个类对应哪个表,哪个属性对应哪个列.持 ...
- (原创) 使用pymongo 3.6.0连接MongoDB的正确姿势
0.疑惑 前两天使用pymongo连接MongoDB的时候发现了一个奇怪的现象:我本机MongoDB并没有打开,但是使用pymong.MongoClient()进行连接时,并没有异常,我的服务端也正常 ...
- Python——scapy模块实现tcp探测目标服务器路由轨迹
scapy模块的安装 484 yum install tcpdump graphviz ImageMagick -y 485 wget http://www.secdev.org/projects ...
- JQuery注册页面表单检验完善
<!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title> ...
- linux下PHP手动添加扩展库
1.进入php源程序目录中的ext目录中,这里存放着各个扩展模块的源代码,选择你需要的模块,比如curl模块: cd curl 执行phpize生成编译文件,phpize在PHP安装目录的bin目录下 ...