Fourier分析与小波分析的比较

来源 :南开大学 | 被引量 : 0次 | 上传用户:felixsilent
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
信号处理的任务之一是认识客观世界中存在的信号的本质特征,并找出规律。从不同的角度去认识、分析信号有助于了解信号的本质特征。信号最初是以时间的形式来表达的。除了时间以外,频率是一种表示信号特征最重要的方式。频率的表示方法是建立在Fourier分析基础之上的,由于Fourier分析是一种全局的变换,因此无法表述信号的时频局部性质,而时频局部性质恰好是非平稳信号最基本和最关键的性质。 窗口Fourier变换是一种单一分辨率的信号分析方法,它的思想是:选择一个时频局部化的窗函数,假定分析窗函数g(t)在一个短时间间隔内是平稳的,移动窗函数,使f(t)g(t)在不同的有限时间宽度内是平稳信号,从而计算出各个不同时刻的功率谱。窗口Fourier变换不能兼顾频率与时间分辨率的需求。窗口Fourier变换窗函数受到Heisenberg不确定准则的限制,时频窗的面积不小于2。 小波变换使用一个窗函数(小波函数),时频窗面积不变,但形状可改变。小波函数根据需要调整时间与频率分辨率,具有多分辨分析的特点,克服了窗口Fourier变换分析非平稳信号单一分辨率的困难。小波变换在时间、尺度(频率)两域都具有表征信号局部特征的能力,在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,很适合于探测正常信号中夹带的瞬间反常现象并展示其成分。所以,小波变换被称为分析信号的显微镜。但是小波分析不能完全取代Fourier分析,小波分析是Fourier分析的发展。 本文首先对经典的Fourier变换和窗口Fourier变换与小波变换在时频分析方法上进行分析、比较,讨论他们各自的应用范围及其优缺点。通过对小波变换的特点进行总结、分析,并利用其时频两域都具有局部性的特点,对信号的采样及重构理论进行研究,找出经典的Shannon采样定理的局限性以及小波采样的优点。
其他文献
蚁群优化算法是一种新型的智能仿生类进化算法,已在许多领域获得了广泛的成功应用.本文提出了两类改进的蚁群算法,并将其用于求解旅行商问题(Traveling Salesman Problem,TSP
洪水运动严重的威胁了人类的生存和发展。对其进行准确有效的预测和预报是一个对现在和将来都十分重要的课题,具有很强的理论和现实意义。洪水演进就是研究洪水波在河段中的运
正则半群及其子类的研究在半群代数理论的研究中占主导地位.随着半群代数理论的发展,国内外许多著名的学者逐渐开始研究各种广义正则半群,并且已经取得了一系列的成果.特别地
在拍摄和传输过程中,图像往往因各种因素被加入大量噪声,不仅严重影响了图像的视觉效果,同时也给以后的图像分析和理解带来一定的困难,因此在图像预处理中图像平滑是非常重要的环