(接中篇)
这样,在计算DWT时,我们就有两种方法:
1,构造出尺度函数和所有小波函数,通过式(8)直接计算。
2,设计低通滤波器h(k),利用鱼骨型算法迭代计算。
其中方法2中,只需要设计出一个低通滤波器h(k),而方法1需要计算出所有小波函数。而且方法2计算过程明确,所以,实际中常常应用方法2来计算离散小波变换。
到这里,我们必须讲讲以上两种计算方法的联系,尤其是尺度向量h(k)和尺度函数的关系。事实上,如我们可以预料到的,知道尺度向量h(k),我们就可以根据h(k)构造出g(k),同时也也能构造出尺度函数φ(x),并利用尺度函数构造出基本小波ψ(x)。同样地,如果已经知道尺度函数φ(x),也可以构造出其他所有信息。
这里顺便说一下,小波函数通常叫做小波族,英文能更好的反映这个称呼,叫做wavelet family。其中,尺度函数叫做father wavelet,基本小波叫做mother wavelet。正说明了这种,通过尺度函数和基本小波,可以得到所有小波函数序列的关系。
接下来,我们先说说由尺度向量构造尺度函数的过程。这里,需要引入哈尔尺度函数(Haar Scaling Function)。Haar尺度函数是数学家Haar在1910年提出来的,非常简单,是一个[0,1]区间内为1,区间外取0的函数,表达如下
(15)

如果尺度向量也满足一定约束条件时[4](page 216),假设φ0(x)是Haar尺度函数,则令
(16)
当n→∞时,φn(x)收敛至φ(x),且φ(x)满足尺度函数条件,也就是说,该极限值就是我们要求的尺度函数。
一个很好的例子就是鼎鼎大名的Daubechies小波。她计算出的一组尺度向量值为:
利用这组尺度向量值,并根据上述所讲的过程求尺度函数,得到Daubechies尺度函数,如图(貌似图中的是Dau 12,不是Dau 4,不过Dau 4图也类似):

图(6)
同时,也可以根据尺度函数h(k)计算出g(k)。
(17)
具体推导过程,参看[2]。而有了尺度函数和高通滤波器g(k)后,就可以计算出基本小波。从图(4)中看出,基本小波是由尺度函数频谱向右平移整个尺度函数带宽得到。计算结果:

这样就得到了所有信息。从这里以及以上Daubechies的尺度向量可以看出,仅仅区区几个值(Daubechies 4中为4个值),我们就可以算出尺度函数,小波函数等所有信息。这就是为什么之前说尺度向量是传说中神奇的尺度向量。
当已知尺度函数,求尺度向量时,可根据下式进行[2]:

到这里,我觉得我想讲的已经都解释清楚了。关于一些公式的推导,本文中没有涉及,若感兴趣需要自己去资料里找。
Reference:
[1].A Really Friendly Guide to Wavelets.http://polyvalens.pagesperso-orange.fr/clemens/wavelets/wavelets.html#section7
[2].Kenneth R. Castleman. Digital Image Processing。
[3].Wavelets for Kids. www.diku.dk/~jda/biosignal/kidsA.pdf
[4] A Albert Boggess Francis J. Narcowich. A First Course in Wavelets with Fourier Analysis。
http://www.kunli.info/2011/02/15/fourier-wavelet-motion-signal-1/