2.8 Mallat算法与快速傅立叶变换

更新于 2026年11月21日 版权声明
2.8 Mallat算法与快速傅立叶变换

根据多分辨率理论,相邻尺度空间基函数之间存在二尺度关系:

图示

如图2-7,将式(2-7)对时间进行平移和伸缩,将Vj空间剩余尺度系数cj,k进一步分解,可分别得到Vj+1,Wj+1空间的剩余系数cj+1,k和小波系数dj+1,k:

图示

图示

图2-7 小波二尺度分解

同样将尺度空间Vj+1继续分解下去,可得任意尺度空间Vj,此即为著名小波变换快速算法Mallat塔式算法。

图示

上式即为小波变换系数的重建公式。(https://www.daowen.com)

根据Mallat算法,其中关键运算就是输入信号与滤波器组进行卷积运算,设输入规模为N,滤波器长度为L,则算法复杂度为N×L。低通与高通两个通道滤波的计算量为2×N×L。传统Mallat算法处理实时信号存在边际效应,会使信号产生局部失真。为解决这个问题,工程应用的一般使用FFT算法来处理Mallat算法中的卷积运算。根据时域卷积定理,设f和g 都是平方可积函数,则卷积函数

图示

傅立叶变换存在,且有:

图示

因此,可以先对(2-8)式中的滤波器组h0与j尺度空间的信号cj分别作傅立叶变换得到F[h0],F[cj],然后再做傅立叶逆变换得到:

图示

同理有:

图示

✍AI写作