source: Wavelet Methods for Time Series Analysis
小波的本質
- wavelets,中文翻譯成小波,其實它就是 small waves 的意思,那什麼是大波呢, 正弦信號就是 big waves
- 滿足以下條件的實函數(記作,
ψ(⋅) )我們就稱之爲小波:
ψ(⋅) 的積分爲零:
∫∞−∞ψ(u)du=0 ψ(⋅) 平方的積分爲1:
∫∞−∞ψ2(u)du=1
- 那麼爲什麼說滿足以上條件就是 wavelet呢?
- 假設上面的二式成立,那麼對於任何滿足
0<ϵ<1 的ϵ , 一定存在一個有限區間[−T,T] 使得
∫T−Tψ2(u)du<1−ϵ - 當
ϵ 非常接近零的時候,ψ(⋅) 在[−T,T] 以外的區間上,幾乎是爲零的:因爲它的非零的部分基本上已經侷限在[T,−T] 這個區間上了。因爲區間[−T,T] 的長度相較於整個實軸(−∞,∞) 來說是非常小,小到可以忽略的,所以可以非零的活動可以被認爲是在很小的時間段裏面。這就是 small 的原因。 - 同時對於式一來說,我們可以看出正的信號都會被負的信號 cancel掉,所以
ψ(⋅) 是一個 wave - 式一和式二總體就能看出這是 small wave 的。
- 假設上面的二式成立,那麼對於任何滿足
小波分析(Wavelet Analysis)
- wavelets tell us about variations in local averages
- 先考慮一些基本的:
- 記
x(⋅) 爲一個信號,t 爲時間 - 那麼在區間
[a,b] 上x(⋅) 的均值爲:1b−a∫bax(u)du=α(a,b) - 如果將
a,b 用λ,t 來表示的話,可以寫成
A(λ,t)=α(t−λ2,t+λ2)=1λ∫t+λ2t−λ2x(u)du - 其中,
λ=b−a 稱作 scale t=(a+b)2 是時間段的中心- 所以,
A(λ,t) 是x(⋅) 在 t 時刻處λ 尺度下的均值。
- 記
- 很顯然,相較於均值本身,我們更關心不同尺度下均值的變化。所以這裏我們就可以將小波與均值的變換聯繫起來。
- 我們可以將
A(λ,t) 的變化表示爲:
D(1,t−12)=A(1,t)−A(1,t−1)=∫t+12t−12x(u)du−∫t−12t−32x(u)du - 或者:
D(1,t)=A(1,t+12)−A(1,t−12)=∫t+1tx(u)du−∫tt−1x(u)du - 上面的scale都默認爲1,如果換成一般的 scale
λ 的話,可得:
D(λ,t)=A(λ,t+λ2)−A(λ,t−λ2)=1λ∫t+λtx(u)du−1λ∫tt−λx(u)du
- 我們可以將
- 一種典型的小波就是 Haar wavelet:
ψ(H)(u)={−12√,12√,0,−1<u≤00<u≤1others
- 我們可以用 Haar 小波 來提取時間 t 處單位 尺度的差值:
∫∞−∞ψH(u)x(u)du=WH(1,0) - 要提取其他 t 處的信息, 只需要平移
ψH(u) :
ψH1,t(u)=ψH(u−t)
ψ(H)1,t(u)={−12√,12√,0,t−1<u≤tt<u≤t+1others - 要提取其他尺度
λ 處的信息:
ψ(H)λ,t(u)=1λ√ψH(u−tλ)={−12√,12√,0,t−λ<u≤tt<u≤t+λothers - 不同
λ,t 的集合,我們可以得到x(⋅) 在不同尺度下的變化,這就是x(⋅) 的 Haar continuous wavelet transform (CWT) :
W(λ,t)=∫∞−∞ψλ,t(u)x(u)du,whereψλ,t(u)=1λ√ψ(u−tλ)
- 我們可以用 Haar 小波 來提取時間 t 處單位 尺度的差值:
- 事實上,
W(λ,t) 和x(t) 是等價的,我們可以推算出:
∫∞−∞x2(t)dt=1Cψ∫∞0[∫∞−∞W2(λ,t)dt]dλλ2
- 等式左邊 爲
x(⋅) 的能量(energy) - 等式右邊是 能量密度( energy density) 在
λ,t 上的積分
- 等式左邊 爲
Wavelet Sum up
(http://www2.isye.gatech.edu/~brani/wp/kidsA.pdf)
- Computational complexity of the fast Fourier transformation is
- one can do data smoothing by thresholding the wavelet coefficients and then returning the thresholded code to the “time domain.”