正交小波滤波器集
[Lo_D, Hi_D Lo_R Hi_R] = orthfilt (
W
)
[Lo_D, Hi_D Lo_R Hi_R] = orthfilt (
计算与缩放过滤器相关联的四个过滤器W
)W
对应于小波的:
Lo_D |
分解低通滤波器 |
Hi_D |
分解高通滤波器 |
Lo_R |
重建低通滤波器 |
Hi_R |
重建高通滤波器 |
对于正交小波,在多分辨率框架中,我们从尺度函数ϕ和小波函数ψ开始。其中一个基本关系是双尺度关系:
使用的所有过滤器dwt
和得到
与序列密切相关吗
.显然,如果ϕ是紧凑支持的,则序列(金宝appwn)是有限的,可以看作是FIR滤波器。扩展过滤器W
是
低通FIR滤波器
长度为2的N
和1
的规范
例如,对于db4
扩展过滤器,
Load db3 db3 db3 = 0.2352 0.5706 0.3252 -0.0955 -0.0604 0.0249 sum(db3) ans = 1.000 norm(db3) ans = 0.7071
从过滤器W
,我们定义了4个FIR滤波器,长度为2N,范数为1,组织如下:
过滤器 |
低通 |
高通 |
---|---|---|
分解 |
Lo_D |
Hi_D |
重建 |
Lo_R |
Hi_R |
四个滤波器的计算方法如下:
在哪里qmf
是这样的,Hi_R
和Lo_R
是正交镜滤光片(即,Hi_R (k) = (1)k
(2 + 1 - k)
,因为k = 1,2, Ä, 2N
),wrev
翻转滤波器系数。所以Hi_D
和Lo_D
也是正交镜滤光片。这些过滤器的计算是使用orthfilt
.
%负载缩放过滤器。加载db8;w = db8;次要情节(421);茎(w);标题(“原始比例滤波器”);%计算四个过滤器。[Lo_D, Hi_D Lo_R Hi_R] = orthfilt (w);次要情节(423);茎(Lo_D); title('Decomposition low-pass filter'); subplot(424); stem(Hi_D); title('Decomposition high-pass filter'); subplot(425); stem(Lo_R); title('Reconstruction low-pass filter'); subplot(426); stem(Hi_R); title('Reconstruction high-pass filter'); % Check for orthonormality. df = [Lo_D;Hi_D]; rf = [Lo_R;Hi_R]; id = df*df' id = 1.0000 0 0 1.0000 id = rf*rf' id = 1.0000 0 0 1.0000 % Check for orthogonality by dyadic translation, for example: df = [Lo_D 0 0;Hi_D 0 0]; dft = [0 0 Lo_D; 0 0 Hi_D]; zer = df*dft' zer = 1.0e-12 * -0.1883 0.0000 -0.0000 -0.1883 % High- and low-frequency illustration. fftld = fft(Lo_D); ffthd = fft(Hi_D); freq = [1:length(Lo_D)]/length(Lo_D); subplot(427); plot(freq,abs(fftld)); title('Transfer modulus: low-pass'); subplot(428); plot(freq,abs(ffthd)); title('Transfer modulus: high-pass') % Editing some graphical properties, % the following figure is generated.
Daubechies,即(1992),十堂小波课, CBMS-NSF应用数学会议系列,SIAM主编,117 - 119,137,152页。