DWT-离散小波变换（通俗理解版

是什么

🎵 想象分析一段音乐

你有一段音乐，你不只想知道它“有哪些音符（频率）”，还想知道“这些音符在什么时间出现”。

• 傅里叶变换：就像把整段音乐倒进一个机器里，告诉你里面包含了哪些频率，但没法告诉你这些声音是在哪一秒发生的。
• 小波变换：更聪明，它用一个“小探测器（小波）”在音乐上一段一段扫过去：
  • 扫到哪一段，就分析那一段有哪些频率；
  • 扫过整个音乐，就能知道什么时候出现了什么声音。

📌 离散小波变换（DWT）是啥？

小波变换在数学上是“连续的”（能量太大）。为了让电脑能算，我们把需要分析的“时间”和“尺度”，按照一定的规律取成一系列固定的离散点：

• 简单来说：把“连续扫描”变成“有规律的跳着扫描”。
• 有了这个“跳表”后，就能编写快速算法进行计算，所以叫离散小波变换（DWT）。

怎么做

用两个卷积核（滤波器）：

步骤如下：

1. 原始信号 x[n]
2. 和 L 做卷积 → 再每隔一个取一个样（下采样） → 得到“逼近系数 A”
   → 代表低频（整体）
3. 和 H 做卷积 → 下采样 → 得到“细节系数 D”
   → 代表高频（波动细节）
4. 可以把 A 当作新的输入，重复步骤 2、3 → 再分解 → 多层结构

📦 举个数值例子（1 层 DWT）

假设：

• 原始序列 x = [4, 6, 10, 12, 14, 8, 6, 2]
• 低通滤波器 L = [1/√2, 1/√2]
• 高通 H = [1/√2, -1/√2]

卷积+下采样结果你会得到：

• A（逼近） = [7.07, 15.56, 15.56, 5.66]
• D（细节） = [-1.41, -1.41, 4.24, 2.83]

可以继续把 A 再拿去分解！

⏬ 什么是下采样（downsampling）？

下采样就是：扔掉一半的数据，只保留隔一个取一个。

比如：
原结果是 [a, b, c, d, e, f]
下采样（取偶数位）后变成 [a, c, e] 或 [b, d, f]。

👀 这可以让数据变成原来的一半 —— DWT 中就是这么减小数据量的。

🔁 到了 离散小波变换（DWT） 中：

我们不再让 a、b 取“任意连续值”，而是固定地取一系列离散位置：

• $a=2^{-j}$（常见选择）
• b=$$k\ast 2^{-j}$$

其中 j,k 都是整数

这样：

• 尺度 a → 变成了只取 1、1/2、1/4、1/8 …
  → 就是 第1层、第2层、第3层… 分解
• 平移 b → 按照“下采样”之后固定地跳动
  → 对应“第 k 个小波系数”

🌊 更直观理解：

• 第一层（j=1）：a=1/2 → 小波比较窄 → 捕捉高频细节
• 第二层（j=2）：a=1/4 → 小波更宽 → 捕捉较长时间范围的变化
• …
• b 决定“小波”是放在信号第几个位置去看的 → 就是我们得到的 D[j,k]和 A[j,k] 中的 k

📌 总结一句话：

在 DWT 中，a（尺度）变成了分解的层数，表示观察“多粗”的特征”； b（平移）变成了层内系数的序号，表示观察的是信号上的第几个位置。