网上有关“为什么在信号处理中只用傅立叶变换和小波变换？”话题很是火热，小编也是针对为什么在信号处理中只用傅立叶变换和小波变换？寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助到您。
没有人规定在信号处理中必须要使用傅里叶变换或者小波变换。对于这两种变换来说，他们侧重要解决的问题是不同的。在傅里叶变换中，如果一个信号在实数域满足勒贝格可度量条件（Lebesgue-measurable）则这个信号的傅里叶变换收敛。通过傅里叶变换我们可以看到的是信号的时域特征被完全的变换到了频率域。这时在时域中不明显的周期性变化被直观的反应到了对应的频率域。数学上这样的变换是没有问题的，可是如果信号有非稳定性（non-stationary）则对应傅里叶变换不能得到信号随时间所产生变化的变化趋势。例如我们录制一个某人一分钟的演讲，通过傅里叶变换我们可以知道这个信号的所有频率分量分布，可是如果要知道某个音素的频率特征则无法得到。因为整个时域的信号被完全转移到了频率域。为了得到时间-频率分布信息，第一个被使用的方法是Gabor在1946（Theory of communicationElectrical Engineers - Part III: Radio and Communication Engineering, Journal of the Institution of, 1946, 93, 442-445）年创造的短时傅里叶变换，这个方法相当于一个加窗的傅里叶变换，每次执行傅里叶变换前先用一个窗函数提取信号的一个局部。这个方法的假设是在这个窗函数的范围中信号是线性和稳定的。通过在时域移动这个窗函数，可以想象我们就得到了信号粗略的时间频率分布信息。但是这个方法的弊端也是很明显的，如果要更好的时域分辨率，那么这个窗函数需要尽可能的短。可是一个短的窗函数可以保留的数据样点就少，这是频率分辨率就很低。为了提高频域分辨率，就要加长这个窗函数，但是时域分辨率就会降低。这就是经典的理论中的时间频率海森博格不确定性（Mallat, S., a Wavelet Tour of Singal Processing,Elsevier, 2009）。小波变换的完备性证明由Daubechies（The wavelet transform, time-frequency localization and signal analysis，IEEE Transactions on Information Theory, IEEE, 1990, 36, 961-1005）在1990年代证明完后得到了大规模的应用。不同于傅里叶变换中信号被分解为三角函数的叠加，小波变换中使用母小波（mother wavelet）为模板，整个变换通过伸缩和平移这个母小波来得到。在低频域中，母小波被压缩，时域分辨率高，高频域中，母小波被拉伸，频率分辨高。由于小波变换的这种特性，它被广泛的用于需要时间频率分析的信号处理当中。通过以上内容就可以看到，在信号处理中不是非要使用傅里叶变换或者小波变换。当所针对问题需要信号的频率特征时才会使用这两种方法。而这些方法论也是在不断的演进和变革的。在小波分析当中，虽然信号的局部特征比短时傅里叶变换中得到的更精确，可是选择一个合适的母小波却成为了一个关键问题。这个母小波需要满足特定条件，入紧支持（Compact support），积分条件等。而且这个母小波需要能很好的贴合原始信号中的某些特征。更重要的是，小波变换还是无法完全处理信号的非线性和非稳定性问题。在1998年Hilbert-Huang变换被提出，这个方法是现在已知方法中对非线性和非稳定信号支持最好的方法，自被提出以来受到了广泛的应用。希望这些能回答你的问题。
我想问下，小波分析，傅立叶函数变换，都干什么用的，是硕士研究生学得吗？
小波变换算法只是一个将图像由空间域（像素）转变为频域的一个方法，具体的输入输出根据编写的人可能会不同的，但图像本体肯定是要作为输入的，位图用矩阵（也许用数组来装了）来表示的话，你可以理解为每一个数值就是相应位置上的像素值，通过解读是可以转换为你肉眼能识别的图像。
而经过这个算法，虽然输出的还是一个矩阵，但是每一个数值的意义已经发生改变了，每一个值都是由原来所有的数值计算得来的，是代表着整张图的数据，而非再是一个点。在频域中矩阵里越靠近左上角的数值其能量值就越高，换句话说就是假设一张n x n的图，换成频域后[1，1]的那个点决定了图像的绝大多数信息，你要是把这个值改了，换回空间域后整张图都会改变，而最右下角[n,n]则正好相反。
小波变换跟特征提取没有直接关系，你可以理解为一个预处理，这样做之后，可以将图像的主要信息都集中到一个更小的区域，方便你进一步的分析处理，而具体怎么提取特征值，还得看你是怎么定义你的特征，以及另外的计算方法
小波变换和傅立叶变换最初是研究理学方面的问题提出的，后来对其研究分为数学理论的研究和信息处理应用方面的研究。数学专业和信息专业，都是先学傅氏变换，这基本是所有理科（包括部分工科）大学学生信号处理的基础知识。小波变换则较为困难，如果是数学专业得先学复变函数，泛函等基础才能开始学习，如果是信息专业则要先学信号处理相关的基础课程后才能开始应用方面的学习，所以硕士研究生阶段对于小波分析也就是个入门基础阶段。
关于“为什么在信号处理中只用傅立叶变换和小波变换？”这个话题的介绍，今天小编就给大家分享完了，如果对你有所帮助请保持对本站的关注！
本文来自作者[admin]投稿，不代表百科号立场，如若转载，请注明出处：https://bkvjgel.cn/xwzx/202501-5776.html
评论列表（4条）
我是百科号的签约作者“admin”！
希望本篇文章《为什么在信号处理中只用傅立叶变换和小波变换？》能对你有所帮助！
本站[百科号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：网上有关“为什么在信号处理中只用傅立叶变换和小波变换？”话题很是火热，小编也是针对为什么在信号处理中只用傅立叶变换和小波变换？寻找了一些与之相关的一些信息进行分析，如果能碰巧解...