小波变换原理_时频分析之小波教程-part 1

原创： 陈锐CR

最近，好些人在问我EEG时频分析该如何分析。其实，时频分析是一种比较复杂的信号处理方法，它研究的是非平稳信号频谱随时间的变化规律，该方法将一维时间信号分解到时间-频率域，它可以帮助我们理解信号的复杂结构，解释其内在规律。
在时频分析方法中，基本上可以分为两大类：线性方法和二次变换。
线性方法中包括：短时傅里叶变换（Short-time Fourier Transform,STFT）、连续小波变换（Coutinious Wavelet Transform,CWT）和S变换（Stockwell Transform,ST）
二次变换中包括：Wigner-Ville变换（Wigner-ville Distribution,WVD）
在神经信号分析中，针对像EEG信号的时变和非平稳变化特性和血氧信号非平稳变化等大脑生理信号在观察时-频域信号时，常采用的时频分析方法——连续小波变换（CWT）。
为什么选取连续小波变换（CWT）？
1.说到小波变换，不得不了解的是傅里叶变换，傅里叶变换是只能看到信号在频域变化，无法观察到随时间的变化，而小波变换就解决了这个缺陷。
2.对于加窗的傅里叶变换，在这里就可以理解为STFT了，它就是给信号加窗分段来做FFT（快速傅里叶变换），而小波变换并没有采用加窗的思想，而是修改了基函数—将无限长的三角函数（傅里叶的基函数）换成了有限长的会衰减的小波基函数，这样不仅能够获取频域信息，还可以获得随时域的变化信息。

在学习连续小波变换中，会涉及到很多名词，例如，小波基、归一化正交、多分辨率、母小波、父小波等等，这是必须学习的过程。小编在这方面解释起来能力有限，在Robi Polikar写的关于小波变换一书中有更为详细的理解，因此，小编今天就做了一回译者，大体上翻译了本书。当然在后续的小波变换在实际软件Analyzer分析软件中，小编还会更为详细的介绍一些所需的参数。
小波教程 - 第1部分
作者：Robi Polikar

基本概念与小波理论概述
欢迎阅读这篇关于小波变换的入门教程。小波变换是一个相对较新的概念（大约10年前），但是有很多文章和书籍都写在它们前面。然而，大多数这些书籍和文章都是由数学人写的，对于其他数学人来说，仍然大多数数学人都不知道其他数学人在谈论什么（我的数学教授做了这个忏悔）。换句话说，大多数关于小波变换的文献对于那些对这个主题不熟悉的人（如果有的话）几乎没有帮助（这是我个人的观点）。
当我第一次开始进行小波变换时，由于缺乏这个主题的入门级文本，我一直在努力寻找小波变换这个神秘世界中发生了什么。因此，我决定为那些不熟悉本主题的人编写本教程。我认为自己对这个问题也很陌生，我不得不承认我还没有弄清楚所有的理论细节。但是，就工程应用而言，我认为所有的理论细节都不一定是必要的！
在本教程中，我将尝试给出小波理论的基本原理。由于简单地假设本教程的读者目前不需要它们，因此本教程中将不给出定理和相关方程的证明。但是，感兴趣的读者将被引导到相关参考资料以获得更深入和更深入的信息。
在本文档中，我假设您没有任何背景知识。如果你确实有这个背景，请忽略以下信息，因为它可能是微不足道的。
如果您在以下教程中发现任何不一致或不正确的信息，请随时与我联系。我将不胜感激在此页面上发表任何评论。
Robi Polikar

转换......什么？
首先，为什么我们需要变换，或者什么是变换呢？
将数学变换应用于信号以从该信号获得在原始信号中不容易获得的进一步信息。在下面的教程中，我将假设一个时域信号作为原始信号，以及一个已被任何可用的数学变换“转换”为已处理信号的信号。