下面我就按照傅里葉-->短時(shí)傅里葉變換-->小波變換的順序，講一下為什么會(huì )出現小波這個(gè)東西、小波究竟是怎樣的思路。（反正題主要求的是通俗形象，沒(méi)說(shuō)簡(jiǎn)短，希望不會(huì )太長(cháng)不看。。）

 

一、傅里葉變換

 

關(guān)于傅里葉變換的基本概念在此我就不再贅述了，默認大家現在正處在理解了傅里葉但還沒(méi)理解小波的道路上。（在第三節小波變換的地方我會(huì )再形象地講一下傅里葉變換）

 

下面我們主要將傅里葉變換的不足。即我們知道傅里葉變化可以分析信號的頻譜，那么為什么還要提出小波變換？答案就是“對非平穩過(guò)程，傅里葉變換有局限性”?？慈缦乱粋€(gè)簡(jiǎn)單的信號：

 

 

做完FFT（快速傅里葉變換）后，可以在頻譜上看到清晰的四條線(xiàn)，信號包含四個(gè)頻率成分。

 

一切沒(méi)有問(wèn)題。但是，如果是非平穩信號呢？

 

 

如上圖，最上邊的是頻率始終不變的平穩信號。而下邊兩個(gè)則是頻率隨著(zhù)時(shí)間改變的非平穩信號，它們同樣包含和最上信號相同頻率的四個(gè)成分。

 

做FFT后，我們發(fā)現這三個(gè)時(shí)域上有巨大差異的信號，頻譜卻非常一致。尤其是下邊兩個(gè)非平穩信號，我們從頻域上無(wú)法區分它們，因為它們包含的四個(gè)頻率的信號的成分確實(shí)是一樣的，只是出現的先后順序不同。

 

可見(jiàn)，傅里葉變換處理非平穩信號有天生缺陷。它只能獲取一段信號總體上包含哪些頻率的成分，但是對各成分出現的時(shí)刻并無(wú)所知。因此時(shí)域相差很大的兩個(gè)信號，可能頻譜圖一樣。

 

然而平穩信號大多是人為制造出來(lái)的，自然界的大量信號幾乎都是非平穩的，所以在比如生物醫學(xué)信號分析等領(lǐng)域的papers中，基本看不到單純傅里葉變換這樣naive的方法。

 

 

上圖所示的是一個(gè)正常人的事件相關(guān)電位。對于這樣的非平穩信號，只知道包含哪些頻率成分是不夠的，我們還想知道各個(gè)成分出現的時(shí)間。知道信號頻率隨時(shí)間變化的情況，各個(gè)時(shí)刻的瞬時(shí)頻率及其幅值——這也就是時(shí)頻分析。

 

二、短時(shí)傅里葉變換（Short-time Fourier Transform, STFT）

 

一個(gè)簡(jiǎn)單可行的方法就是——加窗。我又要套用方沁園同學(xué)的描述了，“把整個(gè)時(shí)域過(guò)程分解成無(wú)數個(gè)等長(cháng)的小過(guò)程，每個(gè)小過(guò)程近似平穩，再傅里葉變換，就知道在哪個(gè)時(shí)間點(diǎn)上出現了什么頻率了。”這就是短時(shí)傅里葉變換。

看圖：

 

 

時(shí)域上分成一段一段做FFT，不就知道頻率成分隨著(zhù)時(shí)間的變化情況了嗎！

 

用這樣的方法，可以得到一個(gè)信號的時(shí)頻圖了：

 

——此圖像來(lái)源于“THE WAVELET TUTORIAL”

 

圖上既能看到300Hz, 200 Hz, 100 Hz, 50 Hz四個(gè)頻域成分，還能看到出現的時(shí)間。兩排峰是對稱(chēng)的，所以大家只用看一排就行了。

 

是不是棒棒的？時(shí)頻分析結果到手。但是STFT依然有缺陷。

 

使用STFT存在一個(gè)問(wèn)題，我們應該用多寬的窗函數？

 

窗太寬太窄都有問(wèn)題：

 

 

窗太窄，窗內的信號太短，會(huì )導致頻率分析不夠精準，頻率分辨率差。窗太寬，時(shí)域上又不夠精細，時(shí)間分辨率低。

 

（這里插一句，這個(gè)道理可以用海森堡不確定性原理來(lái)解釋。類(lèi)似于我們不能同時(shí)獲取一個(gè)粒子的動(dòng)量和位置，我們也不能同時(shí)獲取信號絕對精準的時(shí)刻和頻率。這也是一對不可兼得的矛盾體。我們不知道在某個(gè)瞬間哪個(gè)頻率分量存在，我們知道的只能是在一個(gè)時(shí)間段內某個(gè)頻帶的分量存在。 所以絕對意義的瞬時(shí)頻率是不存在的。）

 

看看實(shí)例效果吧：

 

——此圖像來(lái)源于“THE WAVELET TUTORIAL”

 

上圖對同一個(gè)信號（4個(gè)頻率成分）采用不同寬度的窗做STFT，結果如右圖。用窄窗，時(shí)頻圖在時(shí)間軸上分辨率很高，幾個(gè)峰基本成矩形，而用寬窗則變成了綿延的矮山。但是頻率軸上，窄窗明顯不如下邊兩個(gè)寬窗精確。

 

所以窄窗口時(shí)間分辨率高、頻率分辨率低，寬窗口時(shí)間分辨率低、頻率分辨率高。對于時(shí)變的非穩態(tài)信號，高頻適合小窗口，低頻適合大窗口。然而STFT的窗口是固定的，在一次STFT中寬度不會(huì )變化，所以STFT還是無(wú)法滿(mǎn)足非穩態(tài)信號變化的頻率的需求。

 

三、小波變換

 

那么你可能會(huì )想到，讓窗口大小變起來(lái)，多做幾次STFT不就可以了嗎？！沒(méi)錯，小波變換就有著(zhù)這樣的思路。

但事實(shí)上小波并不是這么做的（關(guān)于這一點(diǎn)，方沁園同學(xué)的表述“小波變換就是根據算法，加不等長(cháng)的窗，對每一小部分進(jìn)行傅里葉變換”就不準確了。小波變換并沒(méi)有采用窗的思想，更沒(méi)有做傅里葉變換。）

 

至于為什么不采用可變窗的STFT呢，我認為是因為這樣做冗余會(huì )太嚴重，STFT做不到正交化，這也是它的一大缺陷。

 

于是小波變換的出發(fā)點(diǎn)和STFT還是不同的。STFT是給信號加窗，分段做FFT；而小波直接把傅里葉變換的基給換了——將無(wú)限長(cháng)的三角函數基換成了有限長(cháng)的會(huì )衰減的小波基。這樣不僅能夠獲取頻率，還可以定位到時(shí)間了~

 

【解釋】

 

來(lái)我們再回顧一下傅里葉變換吧，沒(méi)弄清傅里葉變換為什么能得到信號各個(gè)頻率成分的同學(xué)也可以再借我的圖理解一下。

傅里葉變換把無(wú)限長(cháng)的三角函數作為基函數：

 

 

這個(gè)基函數會(huì )伸縮、會(huì )平移（其實(shí)是兩個(gè)正交基的分解）?？s得窄，對應高頻；伸得寬，對應低頻。然后這個(gè)基函數不斷和信號做相乘。某一個(gè)尺度（寬窄）下乘出來(lái)的結果，就可以理解成信號所包含的當前尺度對應頻率成分有多少。于是，基函數會(huì )在某些尺度下，與信號相乘得到一個(gè)很大的值，因為此時(shí)二者有一種重合關(guān)系。那么我們就知道信號包含多少該頻率的成分。

 

 

（看，這兩種尺度能乘出一個(gè)大的值，所以信號包含較多的這兩個(gè)頻率成分，在頻譜上這兩個(gè)頻率會(huì )出現兩個(gè)峰）

 

以上，就是粗淺意義上傅里葉變換的原理。

 

如前邊所說(shuō)，小波做的改變就在于，將無(wú)限長(cháng)的三角函數基換成了有限長(cháng)的會(huì )衰減的小波基。

 

 

這就是為什么它叫“小波”，因為是很小的一個(gè)波嘛~

 

 

從公式可以看出，不同于傅里葉變換，變量只有頻率ω，小波變換有兩個(gè)變量：尺度a（scale）和平移量 τ（translation）。尺度a控制小波函數的伸縮，平移量 τ控制小波函數的平移。尺度就對應于頻率（反比），平移量 τ就對應于時(shí)間。

 

 

當伸縮、平移到這么一種重合情況時(shí)，也會(huì )相乘得到一個(gè)大的值。這時(shí)候和傅里葉變換不同的是，這不僅可以知道信號有這樣頻率的成分，而且知道它在時(shí)域上存在的具體位置。

 

而當我們在每個(gè)尺度下都平移著(zhù)和信號乘過(guò)一遍后，我們就知道信號在每個(gè)位置都包含哪些頻率成分。

 

看到了嗎？有了小波，我們從此再也不害怕非穩定信號啦！從此可以做時(shí)頻分析啦！

 

做傅里葉變換只能得到一個(gè)頻譜，做小波變換卻可以得到一個(gè)時(shí)頻譜！

 

↑：時(shí)域信號

 

↑：傅里葉變換結果

 

——此圖像來(lái)源于“THE WAVELET TUTORIAL”

↑：小波變換結果

 

小波還有一些好處：

 

1. 我們知道對于突變信號，傅里葉變換存在吉布斯效應，我們用無(wú)限長(cháng)的三角函數怎么也擬合不好突變信號：

 

 

然而衰減的小波就不一樣了：

 

 

2. 小波可以實(shí)現正交化，短時(shí)傅里葉變換不能。

 

以上，就是小波的意義。

 

以上只是用形象地給大家展示了一下小波的思想，希望能對大家的入門(mén)帶來(lái)一些幫助。畢竟如果對小波一無(wú)所知，直接去看那些堆砌公式、照搬論文語(yǔ)言的教材，一定會(huì )痛苦不堪。

 

在這里推薦幾篇入門(mén)讀物，都是以感性介紹為主，易懂但并不深入，對大家初步理解小波會(huì )很有幫助。文中有的思路和圖也選自于其中：

 

1. THE WAVELET TUTORIAL 

2. WAVELETS：SEEING THE FOREST AND THE TREES

3. A Really Friendly Guide to Wavelets

4. Conceptual wavelets

 

但是真正理解透小波變換，這些還差得很遠。比如你至少還要知道有一個(gè)“尺度函數”的存在，它是構造“小波函數”的關(guān)鍵，并且是它和小波函數一起才構成了小波多分辨率分析，理解了它才有可能利用小波做一些數字信號處理；你還要理解離散小波變換、正交小波變換、二維小波變換、小波包……這些內容國內教材上講得也很糟糕，大家就一點(diǎn)一點(diǎn)啃吧~有問(wèn)題歡迎私信我。水平有限，但一定幫助。

 

第一次在知乎寫(xiě)這么長(cháng)的回答，多數圖都是用MATLAB和PPT自己畫(huà)出來(lái)的，都是利用實(shí)驗室搬完磚之余的時(shí)間一點(diǎn)點(diǎn)弄的，歡迎分享，如轉載還請跟我說(shuō)一聲哈~

 

評論中的一些問(wèn)題的回答：

 

1. 關(guān)于海森堡不確定性原理

 

不確定性原理，或者叫測不準原理，最早出自量子力學(xué)，意為在微觀(guān)世界，粒子的位置與動(dòng)量不可同時(shí)被確定。但是這個(gè)原理并不局限于量子力學(xué)，有很多物理量都有這樣的特征，比如能量和時(shí)間、角動(dòng)量和角度。體現在信號領(lǐng)域就是時(shí)域和頻域。不過(guò)更準確一點(diǎn)的表述應該是：一個(gè)信號不能在時(shí)空域和頻域上同時(shí)過(guò)于集中；一個(gè)函數時(shí)域越“窄”，它經(jīng)傅里葉變換的頻域后就越“寬”。

如果有興趣深入研究一下的話(huà)，這個(gè)原理其實(shí)非常耐人尋味。信號處理中的一些新理論在根本上都和它有所相連，比如壓縮感知。如果你剝開(kāi)它復雜的數學(xué)描述，最后會(huì )發(fā)現它在本質(zhì)上能實(shí)現就源于不確定性原理。而且大家不覺(jué)得這樣一些矛盾的東西在哲學(xué)意義上也很奇妙嗎，世界觀(guān)感覺(jué)就此被改變了。。

 

2. 關(guān)于正交化

 

什么是正交化？為什么說(shuō)小波能實(shí)現正交化是優(yōu)勢?

 

簡(jiǎn)單說(shuō)，如果采用正交基，變換域系數會(huì )沒(méi)有冗余信息，等于是用最少的數據表達最大的信息量，利于數值壓縮等領(lǐng)域。JPEG2000壓縮就是用正交小波變換。

 

比如典型的正交基：二維笛卡爾坐標系的（1,0）、（0,1），用它們表達一個(gè)信號顯然非常高效，計算簡(jiǎn)單。而如果用三個(gè)互成120°的向量表達，則會(huì )有信息冗余，有重復表達。

 

但是并不意味著(zhù)正交一定優(yōu)于不正交。比如如果是做圖像增強，有時(shí)候反而希望能有一些冗余信息，更利于對噪聲的抑制和對某些特征的增強。

 

3. 關(guān)于瞬時(shí)頻率

 

原問(wèn)題：圖中時(shí)刻點(diǎn)對應一頻率值，一個(gè)時(shí)刻點(diǎn)只有一個(gè)信號值，又怎么能得到他的頻率呢？

 

很好的問(wèn)題。如文中所說(shuō)，絕對意義的瞬時(shí)頻率其實(shí)是不存在的。單看一個(gè)時(shí)刻點(diǎn)的一個(gè)信號值，當然得不到它的頻率。我們只不過(guò)是用很短的一段信號的頻率作為該時(shí)刻的頻率，所以我們得到的只是時(shí)間分辨率有限的近似分析結果。這一想法在STFT上體現得很明顯。小波等時(shí)頻分析方法，如用衰減的基函數去測定信號的瞬時(shí)頻率，思想也類(lèi)似。

 

4. 關(guān)于小波變換的缺點(diǎn)

 

這要看和誰(shuí)比了。

 

A.作為圖像處理方法，和多尺度幾何分析方法（超小波）比：

 

對于圖像這種二維信號的話(huà)，二維小波變換只能沿2個(gè)方向進(jìn)行，對圖像中點(diǎn)的信息表達還可以，但是對線(xiàn)就比較差，這時(shí)候ridgelet（脊波）, curvelet（曲波）等多尺度幾何分析方法就更有優(yōu)勢了。

 

B. 作為時(shí)頻分析方法，和HHT比：

 

相比于HHT等時(shí)頻分析方法，小波依然沒(méi)脫離海森堡測不準原理的束縛，某種尺度下，不能在時(shí)間和頻率上同時(shí)具有很高的精度；以及小波是非適應性的，基函數選定了就不改了。

 

知識有限，暫時(shí)想到的有這些。

 

 

推薦閱讀：