查看“︁香农小波”︁的源代码


在[[泛函分析]]中，'''香农小波'''（{{Lang-en|Shannon wavelet}}）（或Sinc小波）是由理想[[带通滤波器]]进行信号分析定义的信号分解方法。香农小波可以是实小波，也可以是复小波。

香农小波在时域局域化特性不好（时域非紧支撑），但其傅里叶变换是带限的（频域是紧支撑）。因此香农小波的时间定位性能较差，但频率定位性能良好。这些特征恰好与哈尔小波相反，因为Haar和sinc系统是彼此的傅里叶对偶。

== 定义 ==
香农小波的构建从[[Sinc函数]]开始。

=== 尺度函数 ===
首先由sinc函数定义香农小波的尺度函数：

<math>\phi^{\text{(Sha)}}(t) := \frac {\sin \pi t} {\pi t} = \operatorname{sinc}(t).</math>

其伸缩和平移为：

<math>\phi^n_k(t) := 2^{n/2}\phi^{\text{(Sha)}}(2^n t-k)</math>

其中，<math>n,k</math> 为伸缩和平移的参数。

尺度函数的[[傅里叶变换]]为：

<math>\Phi^{\text{(Sha)}}(\omega) = \frac{1}{2\pi}\Pi(\frac{\omega}{2\pi})
=
\begin{cases}
\frac{1}{2\pi}, & \mbox{if } {|\omega| \le \pi}, \\
0 & \mbox{if } \mbox{otherwise}. \\
\end{cases}</math> 

其中（归一化的）[[矩形函数]]定义为：

<math> \Pi ( x):= 
\begin{cases}
1, & \mbox{if } {|x| \le 1/2}, \\
0 & \mbox{if } \mbox{otherwise}. \\
\end{cases} </math> 

尺度函数在傅里叶域中的伸缩和平移定义为：<math>\Phi^n_k(\omega) = \frac{2^{-n/2}}{2\pi}e^{-i\omega(k+1)/2^n}\Pi(\frac{\omega}{2^{n+1}\pi})</math>

=== 母小波 ===
由尺度函数 <math>\Phi^{\text{(Sha)}}</math> 和多分辨率近似，我们可以得出香农母小波在傅里叶域的形式：

<math>\Psi^{\text{(Sha)}}(\omega) = \frac{1}{2\pi}e^{-i\omega}
\bigg(\Pi(\frac{\omega}{\pi}-\frac{3}{2})+\Pi(\frac{\omega}{\pi}+\frac{3}{2})\bigg)
</math>

其伸缩和平移形式为：

<math>\Psi^n_k(\omega) = \frac{2^{-n/2}}{2\pi}e^{-i\omega(k+1)/2^n}
\bigg(\Pi(\frac{\omega}{2^n\pi}-\frac{3}{2})+\Pi(\frac{\omega}{2^n\pi}+\frac{3}{2})\bigg)
</math>

对其进行逆傅里叶变换，可以得到香农母小波函数的伸缩和平移形式：

<math>\psi^{\text{(Sha)}}(t) = \frac{\sin\pi(t-(1/2))-\sin2\pi(t-(1/2))}{\pi(t-1/2)}
=\operatorname{sinc}\bigg(t-\frac{1}{2}\bigg)-2\operatorname{sinc}\bigg(2(t-\frac{1}{2})\bigg)
</math>

<math>\psi^n_k(t) = 2^{n/2}\psi^{\text{(Sha)}}(2^nt-k)
</math>

进一步了解香农小波的构建可以参考<ref>{{Cite book|publisher=国防工业出版社|date=2002|location=北京|isbn=7-118-02642-5|oclc=50621155|last=冉启文|last2=谭立英|title=小波分析与分数傅里叶变换及应用}}</ref>。

=== 尺度函数和母小波的性质 ===

* 母小波是单位正交的：

<math><\psi^n_k(t), \psi^m_h(t)>=\delta^{nm}\delta_{hk}=
\begin{cases} 1, & \text{if }h=k \text{ and } n=m\\ 0, & \text{otherwise} \end{cases}
</math>

* 尺度 <math>n=0
</math> 的尺度函数的平移是正交的：

<math><\phi^0_k(t), \phi^0_h(t)>=\delta^{kh}
</math>

* 尺度<math>n=0
</math>的尺度函数和母小波时正交的：

<math><\phi^0_k(t), \psi^m_h(t)>=0
</math>

* 香农小波有无穷阶的消失矩

[[File:Wavelet_Shan.svg|缩略图|实香农小波]]

== 利用香农小波重建函数 ==
假设信号 <math>f(x)\in L_2(\mathbb{R})
</math> 满足 <math>\operatorname{supp}\operatorname{FT}\{f\}\subset[-\pi,\pi]
</math> 并对任意伸缩和平移参数 <math>n,k
</math>都有：

<math>\Bigg|\int^\infty_{-\infty}f(t)\phi^0_k(t)dt\Bigg|<\infty
</math>, <math>\Bigg|\int^\infty_{-\infty}f(t)\psi^n_k(t)dt\Bigg|<\infty
</math>

则

<math>f(t)=\sum^\infty_{k=\infty}\alpha_k\phi^0_k(t)
</math> 是一致收敛的，其中 <math>\alpha_k=f(k)
</math>

== 实香农小波 ==
在[[傅里叶变换]]中，香农母小波由下式给出：
: <math> \Psi^{(\operatorname{Sha}) }(w) = \prod \left( \frac {w- 3 \pi /2} {\pi}\right)+\prod \left( \frac {w+ 3 \pi /2} {\pi}\right). </math>
其中（归一化）门函数由下式定义：
: <math> \prod ( x):= 
\begin{cases}
1, & \mbox{if } {|x| \le 1/2}, \\
0 & \mbox{if} \mbox{  otherwise}. \\
\end{cases} </math>
实香农小波的解析表达式可由逆傅里叶变换得到：
: <math> \psi^{(\operatorname{Sha}) }(t) = \operatorname{sinc} \left( \frac {t} {2}\right)\cdot \cos \left( \frac {3 \pi t} {2}\right)</math>
也可按：
: <math> \psi^{(\operatorname{Sha})}(t)=2 \cdot \operatorname{sinc}(2t - 1)-\operatorname{sinc}(t), </math>
其中
: <math>\operatorname{sinc}(t):= \frac {\sin {\pi t}} {\pi t}</math>
是出现在[[香农采样定理]]中的常见[[正弦函数]]。
该小波有<math>C^\infty</math>级的[[可微性]]，但是在无穷远处缓慢减小并且没有有界支撑，因为有频带限制的信号没有时间限制。

对于香农[[多解析度分析|MRA]]（或是正弦MRA）的缩放函数由下面示例函数给出：
: <math>\phi^{(Sha)}(t)= \frac {\sin \pi t} {\pi t} = \operatorname{sinc}(t).</math>
== 复香农小波 == 
复连续香农小波由下式定义：
:<math> \psi^{(CSha) }(t)=\operatorname{sinc}(t).e^{-j2 \pi t}</math>,
== 参考资料 ==
*S.G. Mallat, A Wavelet Tour of Signal Processing,Academic Press, 1999, ISBN 0-12-466606-X
*C.S. Burrus, R.A. Gopinath, H. Guo, Introduction to Wavelets and Wavelet Transforms: A Primer, Prentice-Hall, 1988, ISBN 0-13-489600-9.
*L.W. LIU, Construction of Interval Shannon Wavelet and Its Application in Solving Nonlinear Black-Scholes Equation, 2014， 9 pages.
{{Reflist}}
[[Category:小波分析]]