图7.10 分形信号在小波域的重构示意图
式中,0≤a≤2N,假定分形信号的奇异性功率谱为Px(α),可得信号总功率为
对于离散性的小波变换,可得信号总能量为
根据信号零均值和平稳假定以及信号的奇异性均匀分布假定,可得奇异子集对应的能量与奇异功率谱之间的关系
2.基于SPS和MFS的信号重构
与基于SPS和瞬时奇异性指数的信号重构相比,本质上由MFS代替瞬时奇异性指数是等价的,因为MFS是基于瞬时奇异性指数分析得到的,MFS给出了奇异性指数分布的统计分析,从中可以分析得到对于给定的奇异性指数,分形子带信号所占的概率和比重,而SPS则给出了分形子带信号的功率大小,由二者可以得到分形子带信号,进而重构原分形信号。
式中,N(n)(a,ε)为落在区间[a-ε,a+ε]内的点的数目,2n为采取尺度n时总二元区间分段数。多重分形谱f(a)可定义为当对信号的观测尺度ε减小、尺度划分无穷细密时,概率P幂指数衰减率,即
由奇异性功率谱Px(α)可估计首尺度小波系数的值。由奇异性功率谱的定义可知,分形子带信号xα(t)具有的功率密度为
根据SPS能量守恒推论可知,信号总功率为
对于离散性的小波变换处理,根据信号零均值、平稳假定以及信号的奇异性均匀分布假定,可得奇异子集对应的能量与奇异性功率谱之间的关系
式中,xα(t)为根据奇异性指数函数α(t)统计得到的奇异性子集,#{xα(t)}为根据奇异性指数函数统计得到的奇异子集具有的点数测度;通过对α(t)离散采样和等间隔分割,采用具有零均值、方差Px(α)N(α)为正态分布的高斯随机过程模拟首尺度小波系数,即
由此可得2≤n≤N时,重构小波系数为
3.重构算法
基于SPS和瞬时奇异性指数的小波重构算法为:
(1)给定多重分形序列的长度N,x(n),n=0,1,2,…,N。
(2)给定x(n)的瞬时奇异性指数函数α(n)和SPS密度函数P(α)。
(3)统计α(n)的最大及最小值α(n)∈[αmin,αmax],按照等步长对奇异性指数进行划分,得到一组奇异性指数向量α(m)=[αmin=α0,α1,…,αM-2,αM-1=αmax]。
(4)对于α(m),0≤m≤M-1,假定α(n)∈[α(m),α(m+1)),统计分形子集Iα(k)={x(k),α[x(k)]∈α(n)},记子集的元素个数为m(α),根据W(α)计算一阶分解的小波系数wn=0,kn=Iα(k);基于“均匀一致覆盖”假定,取wn=0,kn=Iα(k)为具有零均值方差为W(α)的高斯分布随机变量,一方面引入随机因子,另一方面可以均衡奇异域的能量分布。
(5)根据式log2|Wn,kn|=α(kn)log2a+log2|W0,kn|,估计各级小波系数
(6)通过多级小波重构方法,得到多重分形信号x(n)=idwt(Wn,kn)。
根据上述算法,可给出基于SPS的分形重构与仿真分析流程,如图7.11所示,将在下节按该流程进行分析和讨论。
图7.11 基于SPS的分形重构与仿真分析流程
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。