小波分析是干嘛的

西安石油大学本科毕业设计（论文）

小波多分辨率分析在地震资料处理中的应用

摘 要： 小波分析是近年来发展起来的新的数学理论和方法，在噪声消除方面有

着广泛的应用。小波分析能同时在时频域内对信号进行分析，所以它能有效区分信号中的突变部分和噪声，从而实现对非平稳信号的消噪。小波多分辨率分析是利用小波变换对信号进行多尺度分解分析。利用小波多分辨率分析方法对地震记录进行去噪，可以有效地对噪声和信号进行分离，从而使地质信息丰富清晰，便于解释。利用此方法去噪的过程，可分为如下三个步骤：对记录进行小波多尺度分解，选择一个小波并确定分解的层次，然后进行分解计算；小波分解高频系数的阈值量化，对各个分解尺度下的高频系数选择一个阈值进行阈值量化处理；小波重构，根据小波分解的低频系数和各层高频系数进行小波重构。这三个步骤中，最关键的是如何选择阈值以及进行阈值量化。在某种程度上，它关系到信号消噪的质量。

关键词: 小波变换；多分辨率分析；去噪；阈值；地质信息提取

- I -

西安石油大学本科毕业设计（论文）

The wavelet multi-resolution analysis used in the processing of

seimic data

Abstr

西安石油大学本科毕业设计（论文）

小波多分辨率分析在地震资料处理中的应用

摘 要： 小波分析是近年来发展起来的新的数学理论和方法，在噪声消除方面有

着广泛的应用。小波分析能同时在时频域内对信号进行分析，所以它能有效区分信号中的突变部分和噪声，从而实现对非平稳信号的消噪。小波多分辨率分析是利用小波变换对信号进行多尺度分解分析。利用小波多分辨率分析方法对地震记录进行去噪，可以有效地对噪声和信号进行分离，从而使地质信息丰富清晰，便于解释。利用此方法去噪的过程，可分为如下三个步骤：对记录进行小波多尺度分解，选择一个小波并确定分解的层次，然后进行分解计算；小波分解高频系数的阈值量化，对各个分解尺度下的高频系数选择一个阈值进行阈值量化处理；小波重构，根据小波分解的低频系数和各层高频系数进行小波重构。这三个步骤中，最关键的是如何选择阈值以及进行阈值量化。在某种程度上，它关系到信号消噪的质量。

关键词: 小波变换；多分辨率分析；去噪；阈值；地质信息提取

- I -

西安石油大学本科毕业设计（论文）

The wavelet multi-resolution analysis used in the processing of

seimic data

Abstr

武汉理工大学毕业论文

1 绪论

1.1概述

小波分析是近15年来发展起来的一种新的时频分析方法。其典型应用包括齿轮变速控制，起重机的非正常噪声，自动目标所顶，物理中的间断现象等。而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量，典型应用包括细胞膜的识别，金属表面的探伤，金融学中快变量的检测，INTERNET的流量控制等。

从以上的信号分析的典型应用可以看出，时频分析应用非常广泛，涵盖了物理学，工程技术，生物科学，经济学等众多领域，而且在很多情况下单单分析其时域或频域的性质是不够的，比如在电力监测系统中，即要监控稳定信号的成分，又要准确定位故障信号。这就需要引入新的时频分析方法，小波分析正是由于这类需求发展起来的。

在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息，这对于某些应用来说是很恰当的，因为信号的频率的信息对其是非常重要的。但其丢弃的时域信息可能对某些应用同样非常重要，所以人们对傅立叶分析进行了推广，提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor变换，时频分析，小波变换等。其中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试，其基本假定在于在一定的时间窗内信号是平稳的，

小波分析实验报告

姓名: 班级: 学号:

成绩: 教师签名:

实验一名称： 小波函数的Fourier变换和Fourier逆变换 实验目的 用Matlab实现函数的Fourier变换和Fourier逆变换 实验内容 一、用Matlab实现下列函数的Fourier变换和Fourier逆变换 1．Morlet小波 ?(x)?e?x22ei?0x ?0?5 程序代码： >> syms x i w0; >> f=exp(-x^2/2)*exp(i*w0*x); >> F=fourier(f,x); F = (2^(1/2)*pi^(1/2))/exp((x + i*w0*sqrt(-1))^2/2) >> f=ifourier(F) f = exp((i^2*w0^2)/2 - (t - i*w0)^2/2) 2．Marr小波 ?(x)?(1?x2)e?x22 程序代码： >> syms x; >> f=(1-x^2)*exp(-x^2/2); >> F=fourier(f) F = (2^(1/2)*pi^(1/2)*w^2)/exp(w^2/2) >>

MATLAB的小波分析

一、小波分析用于降噪的基本过程

1、 分解过程：选定一种小波，对信号进行N层分解；

2、 作用阈值过程：对分解得到的各层系数选择一个阈值，并对细节系数进行软阈值处理； 3、 重建过程：降处理后的系数通过小波重建恢复原始信号；

二、基本降噪模型函数 一维离散小波分解命令

Dwt [cA cD] = dwt(X,’wname’) 使用小波’wname’对型号X进行单层分解，求得的

近似系数存放于数组cA中，细节系数存放在数组cD 中； [cA cD] = dwt(X,’wname’,’mode’,MODE) 利用MODE方式进行扩展 [cA cD] = dwt(X,Lo_D,Hi_D) 利用指定滤波器进行小波分解

Wanedec [C, L] = wavedec(X,N,’wname’) 使用wname的小波进行N层分解，C为层数，

L为各层系数

Idwt X= idwt(cA,cD,’wname’) 利用小波wname把近似系数CA和CD重建为上一层

近似系数X

X= idwt(cA,cD,’wname’,L) 重建至L层

Waverec X= waverec（C，L，‘wname‘） 重建为原始信号

时间序列的小波分析

时间序列（Time Series）是地学研究中经常遇到的问题。在时间序列研究中，时域和频域是常用的两种基本形式。其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析（如Fourier变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。然而，地学中许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。显然，时域分析和频域分析对此均无能为力。

20世纪80年代初，由Morlet提出的一种具有时-频多分辨功能的小波分析（Wavelet Analysis）为更好的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计。

目前，小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域内得到了广泛的应。在时间序列研究中，小波分析主要用于时间序列的消噪和

调频广播信号降噪处理的小波分析

认证与实验室

调频广播信号降噪处理的小波分析

FMSignalDenoisingBasedonWaveletTheory

陈吉文（西安电子科技大学机电工程学院，陕西西安710071）

ChenJi-wen(Mechanical-electronicEngineeringInstitue,Xi'dianUniversity,ShanxiXi'an710071)

简述了小波分析的理论基础以及降噪原理，比较了常用的三种小波函数。对某广播电台测得的摘要：

调频广播信号，分别用db小波、sym小波和Coif小波进行信号分解，采取软阈值的方法进行降噪处理，然后重构降噪后的信号。最后指出了小波属性对降噪结果的影响。小波分析；信号降噪；Matlab关键词：

TM934.2中图分类号：

A文献标识码：

1003-0107(2010)03-0070-03文章编号：

Abstract:Thewaveletanalyticaltheoriesandprinciplefordenoisingwasintroduced,thenacomparanceamongthethreekindsofthethesignalwaveletfunctionsincommon

一、名词解释。（每题5分共30分） 1、线性空间与线性子空间 答：线性空间是一个在标量域F上的非空矢量集合V；设V1是数域K上的线性空间V的一个非空子集合，且对V已有的线性运算满足以下条件：（1）如果x,y?V1，则x?y?V（2）如果x?V1,k?K，则kx?V1，则称V1是V的一个线性子空间或子空间。 1；2、标准正交基 答：若向量空间的基是正交向量组，则称其为向量空间的正交基，若正交向量组的每个向量都是单位向量，则称其为向量空间的标准正交基。在无限维希尔伯特空间中，正交基不再是哈默尔基，也即是说不是每个元素都可以写成有限个基中元素的线性组合。因此在无限维空间中，正交基应该被更严格地定义为由线性无关而且两两正交的元素组成、张成的空间是原空间的一个稠密子空间（而不是整个空间）的集合。 3、双正交基 双正交小波基?j,k(t)?2?j/2??(2?j框架的概念是t?k),j,k?Z是框架的一种形式，标准正交基的推广，尺度函数和小波函数分别满足以下双尺度方程: ??(t)?????(t)????(t)???????(t)???2?h0(n)?(2t?n)n?Z2?h1(n)?(2t?n)n?Z?(2t?n)2?g0(n)?n?Z ?(2t?n)

时间序列的小波分析

时间序列（Time Series）是地学研究中经常遇到的问题。在时间序列研究中，时域和频域是常用的两种基本形式。其中，时域分析具有时间定位能力，但无法得到关于时间序列变化的更多信息；频域分析（如Fourier变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析。然而，地学中许多现象（如河川径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律。对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息。显然，时域分析和频域分析对此均无能为力。

20世纪80年代初，由Morlet提出的一种具有时-频多分辨功能的小波分析（Wavelet Analysis）为更好的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计。

目前，小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学领域内得到了广泛的应。在时间序列研究中，小波分析主要用于时间序列的消噪和

小波函数性质及其对小波分析结果的影响

Ξ

何岭松

(华中理工大学机械学院信息所　武汉,430074)摘要　分析了小波变换在图像处理、语音处理领域和设备故障诊断领域的应用特点,指出了两者的不同之处。并进一步讨论了小波函数的性质及其对小波变换结果的影响,指出在用小波变换进行诊断信号分析和特征提取时,小波函数的影响是不容忽视的。

关键词:小波分析;信号分析;故障诊断;滤波器中图分类号:TN 911

图像和语言信号压缩是小波分析最成功的应用领域,其典型的应用过程为:

原始信号→正小波变换→信号压缩→存储、传输→逆小波变换→信号重构

而在设备故障诊断领域,小波变换的主要作用是信号特征提取,其典型的应用过程为:

原始信号→正小波变换→信号特征提取

在图像和语音信号处理中,小波变换是作为一个中间工具,信号压缩和信号重构中正、反小波变换的作用相互抵消。从理论上说小波变换对处理结果没有影响。但在设备故障诊断信号处理中,只进行了正向小波变换,因此分析结果中不可避免地带有小波变换本身性质的影响,而这种影响是不容忽略的。

1　小波函数的性质及其影响

小波变换实质上是用小波函数对信号进行卷积分,小波函数的性质决定了小波变换的性质。在快速算法中,小波函数用一对数字滤波器来表达,相应的小波变换