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
- P2157 [SDOI2009]学校食堂 (dp+状态压缩)
题目链接:传送门 题目: 题目描述 小F 的学校在城市的一个偏僻角落,所有学生都只好在学校吃饭.学校有一个食堂,虽然简陋,但食堂大厨总能做出让同学们满意的菜肴.当然,不同的人口味也不一定相同,但每个人 ...
- PTA——数列求和
PTA 7-34 求分数序列前N项和 #include<stdio.h> int main() { int i,n; ,fm = ,sum = ; scanf("%d" ...
- (18)jq事件操作
jq的私人网站:http://jquery.cuishifeng.cn/ 具体的查看上面的网站 <!DOCTYPE html><html><head> <me ...
- 求两个数之间的质数 -----------基于for循环 算法思想
前端代码: <%@ Page Language="C#" AutoEventWireup="true" CodeFile="Default.as ...
- 【JVM】内存分析<一>工具的使用
一. 获取堆快照 1.出现OOME时生成堆dump: #出现 OOME 时生成堆 dump: -XX:+HeapDumpOnOutOfMemoryError #生成堆文件地址: -XX:HeapDum ...
- vue全家桶+Koa2开发笔记(8)--开发网页
1.使用 mongoose 动态倒入数据 mongoimport -d student -c areas areas.dat -d 后面是数据库名称: -c后面是表名称 最后是数据源 2.使用vue的 ...
- spring获取jdbc链接底层原理
获取连接池的连接二种逻辑 1.一个事务中,一个连接 (底层逻辑:threadlocal存储 里面是map: key是数据源,value:链接) map存储应该是为多数据源使用的2.没有事务的serv ...
- python——psutil的使用(获取进程信息)
import psutil psutil.pids() [1, 2, 3, 7, 8, 9, 10, 12, 13, 14, 15, 16, 17, 18, 19, 20, 26, 27, 28, 2 ...
- mysql新建用户在本地无法登录
新建了一个mysql用户,但是无法在本地登录,即使已经授权任一ip都可以登录,甚至特地写清楚localhost登录,还是不行,情况如下 [root@localhost zabbix-release-3 ...
- csvn使用入门
在前面我们已经配置好了csvn服务器,直达链接http://blog.csdn.net/qq_34829953/article/details/78285647 现在我们在win10环境下使用我们搭建 ...