数字水印 | 小波变换的原理入门

🤖 原视频： 小波变换：离散小波变换 DWT

🤖 写在前面： 本文主要基于原视频内容，同时又融合了多篇博客的内容。

前言

虽然网络上已经存在了许多介绍小波变换的博客，但是要么讲的太深，偏向于数学和物理，要么讲的太浅，一两段介绍完后就开始了代码实操部分。为了能够在周五的组会上侃侃而谈 (应付组会)，同时又不想在公式的苦海中挣扎，因此我试图通过一些浅显易懂的介绍来入门小波变换。

1 小波变换

小波变换是指，输入信号通过和小波函数做卷积，被分解为一系列的信号，对应着不同的时域信息和频域信息。因此，小波变换可以实现时频分析。

以上的表述可能不够专业，但确实很简明易懂😇

小波变换 $(\mathsf{wavelet}\mathsf{transform})$ 分为：

• 连续小波变换 $(\mathsf{continuous}\mathsf{wavelet}\mathsf{transform},\mathsf{CWT})$
• 离散小波变换 $(\mathsf{discrete}\mathsf{wavelet}\mathsf{transform},\mathsf{DWT})$

在默认的情况下，不加前缀词的 “小波变换” 指的是连续小波变换。

2 连续小波变换（CWT）

CWT 是通过一系列的小波函数来实现的。

小波函数写作 ${\varphi }_{a,b}(t)$，由母函数 $\varphi (t)$ 构建而来。具体来说，通过控制参数 $a$ 和 $b$ 对母函数进行平移和伸缩，从而得到小波函数。再让输入信号和小波函数做卷积，将输入信号分解为一系列的信号。

素材源自：https://blog.csdn.net/l494926429/article/details/51818012

最靠前的黑色线可以理解为一个输入信号，它后面的彩色线可以理解为一系列的信号。黑色线可以由这些彩色线叠加而成，即输入信号可以由一系列的信号叠加而成。小波变换要做的，就是将输入信号重新分解为一系列的信号。

2.1 小波函数

小波函数和母函数的关系如下：

$${\varphi }_{a,b}(t)=\frac{1}{\sqrt{a}}\varphi (\frac{t-b}{a})$$

其中，$\frac{1}{\sqrt{a}}$ 是归一化系数，$a$ 是影响频域的伸缩参数，$b$ 是影响时域的平移参数。母函数 $\varphi (t)$ 有常见的几十种函数形式可供选择。

母函数的选取也是实际应用中需要考虑的问题。

母函数的基本形状如下：

是一个振幅以 $0$ 开始，又以 $0$ 为止的短促的波。

参数 $a$ 和 $b$ 含义如下：

• 伸缩参数 $a(\mathsf{scale}\mathsf{parameter})$：$a$ 越大，周期越大，频率越小。$a$ 用于压缩或拉伸小波函数，从而可以检测信号中的不同频率成分。较小的尺度对应于压缩的小波，用于分析信号的高频部分；较大的尺度对应于拉伸的小波，用于分析信号的低频部分。
• 平移参数 $b(\mathsf{translation}\mathsf{parameter})$： b b