調整函式

調整函式()
分辨率為2-j的 f 的近似值被定義為Vj上的正交投影PVjf。

為了計算這個投影,我們必須找到Vj的標準正交基底。

定理使 Riesz 基底 {θ(t-n)}n∈Z正交化,並通過擴張和平移調整函式Φ,建構每個空間Vj的正交基底。

避免混淆分辨率2-j和尺度 2j,在這裡,分辨率的概念被丟棄,並且PVjf 為尺度2j的近似值。

定理
令 {Vj }j*∈Z為多分辨率近似,並且Ø為具有傅立葉變換的調整函數

  • \hat{\phi}(\omega)= \dfrac{\hat{\theta}(\omega)}{(\sum_{k=-\infin} ^{+\infin} |\hat{\theta}(\omega+2k\pi)|^2)^{1/2}}

其中

  • \phi_{j,n}(t)= \dfrac{1}{\sqrt{2^j}} \phi(\dfrac{t-n}{2^j})

當j∈Z,Vj的正交基底為{Φj,n}n∈Z

定理證明
為了建造一個標準正交基底,我們尋找一個函數Φ∈V0。 因此,它可以在{θ(t-n)}n∈Z的基礎上擴展:

  • \phi(t)= \sum_{n=-\infin}^{+\infin} a[n]\theta(t-n)

這意味著

  • \hat{\phi}(\omega)= \hat{a}(\omega)\hat{\theta}(\omega)

其中 \hat{a}是週期2W的有限能量的傅立葉級數。 為了計算 \hat{a}我們表示了

頻域中{Φ(t-n)}n∈Z的正交性。 設 \bar{\phi}(t)= \phi^*(-t)。

對任意(n,p)∈Z2而言

  • \begin{align}

\left \langle \phi(t-n),\phi(t-p) \right \rangle
& = \int_{-\infin}^{+\infin} \phi(t-n)\phi^*(t-p) \mathrm{d}t \\
& = \phi \star \bar{\phi}(p-n)
\end{align}

因此,只有在 \phi \star \bar{\phi}(n)= \delta[n]時,{Φ(t-n)}n∈Z是正交的。

計算此等式的傅里葉變換得到

  • \sum_{k=-\infin} ^{+\infin} |\hat{\phi}(\omega+2k\pi)|^2 = 1

實際上, \phi \star \bar{\phi}(n)的傅里葉變換是 |\hat{\phi}(\omega)|^2,取樣函數可以對其傅立葉變換進行週期化。

如果我們選擇下列式子,則上式將被證實

  • \hat{a}(\omega) = (\sum_{k=-\infin} ^{+\infin} |\hat{\theta}(\omega+2k\pi)|^2)^{-1/2}

其中分母具有嚴格上下限,因此a是有限能量的2W週期函數。

近似值
通過縮放正交基礎的擴展,獲得f在Vj上的正交投影

  • P_{V_j}f=\sum_{k=-\infin} ^{+\infin} \left \langle f,\phi_{j,n} \right \rangle \phi_{j,n}

內積為

  • a_j[n]=\left \langle f,\phi_{j,n} \right \rangle

在尺度2j處擁有離散近似。 我們可以將它們重寫為卷積形式:

  • \begin{align}

a_j[n]
& = \int_{-\infin}^{+\infin} f(t) \frac{1}{\sqrt{2^j}} \phi(\frac{t-2^jn}{2^j}) \mathrm{d}t \\
& = f \star \bar{\phi}_j(2^jn)
\end{align} , with \bar{\phi}_j(t) = \sqrt{2^{-j}}\phi(2^{-j}t)

傅立葉轉換 \hat{\phi}的能量通常集中在[-π,π]中。

因此, \bar{\phi}_j(t)的傅立葉轉換 \sqrt{2^j}\hat{\phi}^*(2^j\omega)主要是在[-2-jπ,2-jπ]中,不可忽略不計。

離散近似 aj[n] 是以間隔 2j 取樣的 f 低通濾波。

參考資料

S. Mallat, A Wavelet Tour of Signal Processing: The Sparse Way, Academic Press, 3rd  edition, 2009.

评论 (0)

  • 还没有评论,来抢沙发吧。