化繁为简——小波变换+Matlab仿真——简单明了通透

1. 小波到底是什么？（它是一个“显微镜镜头”）

小波本质上就是一个波形很短的小函数，通常震荡几下就归零了。

• 具体公式：有很多种小波（如 Haar, db4, Mexican Hat）。最简单的叫Haar 小波，它的公式只有两段：
  ψ(t)={1,0≤t<0.5−1,0.5≤t<10,其他 \psi(t) = \begin{cases} 1, & 0 \le t < 0.5 \\ -1, & 0.5 \le t < 1 \\ 0, & \text{其他} \end{cases}ψ(t)=⎩⎨⎧​1,−1,0,​0≤t<0.50.5≤t<1其他​
  长这样：┌─┐然后立刻└─┘，像一个正方形波，中间分开。

2. 怎么和信号计算？（滑动窗口 + 对比求和）

“局部”相乘求和。就像是拿着手电筒在黑墙上扫。
想象你的信号是一串长长的数字序列。
小波是一个很短的“尺子”（比如只有2个格子的Haar小波：[1, -1]）。
计算步骤如下：

1. 定位（平移bbb）：把小波对准信号的第1个点。
2. 相乘（内积）：把小波覆盖范围内的信号点，和小波对应的点一一相乘。
3. 求和：把这些乘积加起来。得到的这个总和（Sum），就是在这个位置的小波系数。
4. 移动：把小波向右挪一格，对准第2个点，重复上面“相乘、求和”的过程。
   所以：

• 它不是只乘一个点（那没法体现波形形状）。
• 它也不是一下子乘整个周期（那样就只有这一个数，没法知道哪一时刻发生了什么）。
• 它是每次只乘“小波长度”那么长的一小段信号，算出一个系数，然后再移到下一段。

3. 具体计算举例：为什么平滑信号是0，阶跃处是大值？

我们来做一个手算模拟。
设定信号：
假设有一个信号，前半段是平稳的（值都是2），中间突然跳变（阶跃），后半段变成值都是5。
为了方便，我们只取6个点来看：
f=[2,2,2,5,5,5] f = [2, \quad 2, \quad 2, \quad 5, \quad 5, \quad 5]f=[2,2,2,5,5,5]
注意：在第3个点和第4个点之间，发生了从2到5的突变。
设定小波：
用最简单的 Haar 小波（省去复杂的归一化系数，只看核心逻辑）：
ψ=[1,−1] \psi = [1, \quad -1]ψ=[1,−1]
（这就意味着：左边采样点乘1，右边相邻采样点乘-1，然后相减）。

场景 A：在平滑区域（比如第1、2个点处）

1. 对准位置：小波[1,−1][1, -1][1,−1]盖住信号的第1、2个点[2,2][2, 2][2,2]。
2. 相乘：
   • 第1个点：2×1=22 \times 1 = 22×1=2
   • 第2个点：2×(−1)=−22 \times (-1) = -22×(−1)=−2
3. 求和（得出系数）：
   2+(−2)=0 2 + (-2) = 02+(−2)=0
   结果：系数为0。

• 解释：因为信号是平滑的（左边2，右边也是2），小波是“一正一负”的，两者完美抵消。这就是消失矩在起作用——对于常数信号，Haar小波的积分为0。

场景 B：在突变边缘（比如第3、4个点处）

这里发生了跳变，左边是2，右边突然变成5。

1. 对准位置：小波[1,−1][1, -1][1,−1]正好盖住第3个点（2）和第4个点（5）。
   • 注意：小波是[1,−1][1, -1][1,−1]，也就是左边部分是正，右边部分是负。
2. 相乘：
   • 第3个点（左边）：2×1=22 \times 1 = 22×1=2
   • 第4个点（右边）：5×(−1)=−55 \times (-1) = -55×(−1)=−5
3. 求和（得出系数）：
   2+(−5)=−3 2 + (-5) = -32+(−5)=−3
   结果：系数是-3。

• 解释：因为信号突变了，左边的2和右边的5不再相等，无法抵消。这个“-3”就是大尖峰！它告诉我们：这里刚刚发生了一个变化！

场景 C：跳变后的平滑区（比如第4、5个点处）

现在小波移到了第4、5个点[5,5][5, 5][5,5]。

1. 相乘：
   • 5×1=55 \times 1 = 55×1=5
   • 5×(−1)=−55 \times (-1) = -55×(−1)=−5
2. 求和：
   5+(−5)=0 5 + (-5) = 05+(−5)=0
   结果：系数又变回0了。

• 解释：虽然信号值变大了（变成了5），但在小波看来，这一小段内部依然是“平的”，没有变化，所以还是输出0。

4. 总结这一步计算过程

通过这个手算例子，可以看到：

1. 内积（相乘求和）：就是**“比较”**。小波在问信号：“这一小段左边和右边一样吗？”
2. 结果为0：如果小波覆盖的这一小段信号是平滑的（多项式），左边和右边能通过正负抵消，结果就是0。
3. 结果很大：如果小波正好卡在突变处（阶跃），左边和右边差很多，没法抵消，就会剩下一个很大的余数（比如 -3），这就是大尖峰。

5. CWT，连续小波变换

我们在上面做的是离散的（一个个点算），如果是连续的信号，那个公式：
Wf(a,b)=∫f(t)ψ(t−ba)dt W_f(a, b) = \int f(t) \psi(\frac{t-b}{a}) dtWf​(a,b)=∫f(t)ψ(at−b​)dt
翻译成大白话就是：

• ψ(t−ba)\psi(\frac{t-b}{a})ψ(at−b​)：把小波ψ\psiψ拉伸（aaa控制宽度）并平移（bbb控制位置）到时间点bbb。
• f(t)×…f(t) \times \dotsf(t)×…：把拉伸平移后的小波波形，与信号f(t)f(t)f(t)在当前范围内对应点相乘。
• ∫…dt\int \dots dt∫…dt：把所有乘积加起来（积分就是连续的求和）。
  这和刚才手算[2,2]×[1,−1]=0[2, 2] \times [1, -1] = 0[2,2]×[1,−1]=0的过程是一模一样的，只不过一个是手动算6个点，电脑可能一秒钟算几百万个点。

6. Matlab仿真

%% 小波变换本质理解：DWT = 两两配对、互不重叠% 结论：长度 N 的信号经一级 DWT 得到 N/2 个细节 + N/2 个近似，% 总数仍为 N —— 无冗余，才能精确重构。clc;clear;close all;%% 1. 信号与 Haar 分析滤波器（与 MATLAB db1一致）f=[2,2,2,5,5,5];Lo_D=[1,1]/sqrt(2);% 近似(平均)：两数之和 / sqrt(2)Hi_D=[-1,1]/sqrt(2);% 细节(差分)：后减前 / sqrt(2)fprintf('matlab里的dwt计算为了能量保持不变，做差值或求平均会除以根号2');fprintf('原始信号: ');fprintf('%g ',f);fprintf('\n');%% 2. 手动计算：两两配对（窗口宽2、步长2，不重叠）n=length(f);npair=n/2;% 6 样本 -> 3 对cA_manual=zeros(1,npair);cD_manual=zeros(1,npair);fork=1:npair pair=f(2*k-1:2*k);% (f1,f2) (f3,f4) (f5,f6)cA_manual(k)=sum(pair.*Lo_D);% 加权平均cD_manual(k)=sum(pair.*Hi_D);% 加权差分end%% 3. MATLAB 函数对照（dwt 本质 = 滤波器卷积 + 隔2抽取）[cA,cD]=dwt(f,'db1');% db1 == Haarf_rec=idwt(cA,cD,'db1');% 逆变换重构验证recErr=max(abs(f_rec-f));disp('--- 细节系数 cD ---');disp([cD_manual;cD]);disp('--- 近似系数 cA ---');disp([cA_manual;cA]);fprintf('|ΔcD|=%.2e, |ΔcA|=%.2e\n',...abs(cD_manual-cD),abs(cA_manual-cA));fprintf('idwt 重构误差 = %.2e （3+3=6 个系数，信息零损失）\n',recErr);%% 4. 可视化figure('Name','DWT 本质：两两配对','NumberTitle','off','Position',[100100850850]);subplot(3,1,1);stem(1:n,f,'k','filled');hold on;grid on;xlabel('样本序号');title('原始信号序列');subplot(3,1,2);stem(1:npair,cD_manual,'b','filled','LineWidth',1.5);grid on;ylim([-13]);title(['手动配对计算的 cD = ['sprintf('%.4f ',cD_manual)']']);xlabel('配对编号 k \leftrightarrow 样本对 (f_{2k-1}, f_{2k})');subplot(3,1,3);stem(1:npair,cD,'r','filled','LineWidth',1.5);grid on;ylim([-13]);title(['dwt(''db1'') 输出的 cD = ['sprintf(' %.4f',cD)' ]']);ylim([-31]);xlabel('配对编号 k');

说明：这里"一正一负"暴露了 DWT 实现里最容易踩的一个坑：卷积会自动把滤波器左右翻转。
根源：卷积 ≠ 相关
MATLAB 的dwt内部是"真卷积 + 隔2抽取"：
cD(k)=∑mh~(m) f(2k−m),h~ 是 Hi_D 翻转后的核cD(k) = \sum_m \tilde{h}(m)\, f(2k-m), \quad \tilde{h} \text{ 是 } Hi\_D \text{ 翻转后的核}cD(k)=m∑​h~(m)f(2k−m),h~是Hi_D翻转后的核
而手算是内积（相关）：sum(pair .* Hi_D)，滤波器不翻转。两者等效于用了两个互为镜像的滤波器：