(更新版)小波分析原理与操作详解.pdf

小波分析 原理与应用 Niu 二哥 CUIT 3S 集成 1 / 9 小波分析理论分析多时间尺度变化特征小波分析理论分析多时间尺度变化特征 时间序列（Time Series）是地学研究中经常遇到的问题在时间序列研究中，时域和频域是常用的两 种基本形式 其中， 时域分析具有时间定位能力， 但无法得到关于时间序列变化的更多信息； 频域分析 （如 Fourier 变换）虽具有准确的频率定位功能，但仅适合平稳时间序列分析然而，地学中许多现象（如河川 径流、地震波、暴雨、洪水等）随时间的变化往往受到多种因素的综合影响，大都属于非平稳序列，它们 不但具有趋势性、周期性等特征，还存在随机性、突变性以及“多时间尺度”结构，具有多层次演变规律 对于这类非平稳时间序列的研究，通常需要某一频段对应的时间信息，或某一时段的频域信息显然，时 域分析和频域分析对此均无能为力 20 世纪 80 年代初，由 Morlet 提出的一种具有时-频多分辨功能的小波分析（Wavelet Analysis）为更好 的研究时间序列问题提供了可能，它能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在 不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计。

目前，小波分析理论已在信号处理、图像压缩、模式识别、数值分析和大气科学等众多的非线性科学 领域内得到了广泛的应在时间序列研究中，小波分析主要用于时间序列的消噪和滤波，信息量系数和分 形维数的计算，突变点的监测和周期成分的识别以及多时间尺度的分析等 一、小波分析基本原理 1. 小波函数 小波分析的基本思想是用一簇小波函数系来表示或逼近某一信号或函数因此，小波函数是小波分析 的关键，它是指具有震荡性、能够迅速衰减到零的一类函数，即小波函数)R(L) t ( 2 且满足：     0dt) t ( （1） 式中，) t (为基小波函数，它可通过尺度的伸缩和时间轴上的平移构成一簇函数系： ) a bt (a) t ( 2/1 b , a     其中，0aR,ba, （2） 式中，) t ( b, a 为子小波；a 为尺度因子，反映小波的周期长度；b 为平移因子，反应时间上的平移 需要说明的是，选择合适的基小波函数是进行小波分析的前提在实际应用研究中，应针对具体情况 选择所需的基小波函数；同一信号或时间序列，若选择不同的基小波函数，所得的结果往往会有所差异， 有时甚至差异很大。

目前，主要是通过对比不同小波分析处理信号时所得的结果与理论结果的误差来判定 基小波函数的好坏，并由此选定该类研究所需的基小波函数 2. 小波变换 若) t ( b, a 是由（2）式给出的子小波，对于给定的能量有限信号)R(L) t (f 2 ，其连续小波变换 （Continue Wavelet Transform，简写为 CWT）为： dt) a bt (f(t)a)b, a (W R 2/1 - f   （3） 式中，)b, a (Wf为小波变换系数； f(t)为一个信号或平方可积函数； a 为伸缩尺度； b 平移参数；) a bx (   为) a bx (  的复共轭函数 地学中观测到的时间序列数据大多是离散的， 设函数) tk(f，（k=1,2,…,N; t 为取样间隔） ，则式（3）的离散小波变换形式为： 小波分析 原理与应用 Niu 二哥 CUIT 3S 集成 2 / 9 ) a b-tk (t)f(kta)b, a (W N 1k 2/1 - f      （4） 由式（3）或（4）可知小波分析的基本原理，即通过增加或减小伸缩尺度 a 来得到信号的低频或高频 信息，然后分析信号的概貌或细节，实现对信号不同时间尺度和空间局部特征的分析。

实际研究中，最主要的就是要由小波变换方程得到小波系数，然后通过这些系数来分析时间序列的时 频变化特征 3. 小波方差 将小波系数的平方值在 b 域上积分，就可得到小波方差，即 db)ba,(W)a (Var 2 f    (5) 小波方差随尺度 a 的变化过程，称为小波方差图由式(5)可知，它能反映信号波动的能量随尺度 a 的 分布 因此， 小波方差图可用来确定信号中不同种尺度扰动的相对强度和存在的主要时间尺度， 即主周期 二、小波分析实例-时间序列的多时间尺度分析(Multi-time scale analysis) 河川径流是地理水文学研究中的一个重要变量，而多时间尺度是径流演化过程中存在的重要特征所 谓径流时间序列的多时间尺度是指：河川径流在演化过程中，并不存在真正意义上的变化周期，而是其变 化周期随着研究尺度的不同而发生相应的变化，这种变化一般表现为小时间尺度的变化周期往往嵌套在大 尺度的变化周期之中也就是说，径流变化在时间域中存在多层次的时间尺度结构和局部变化特征 表 1 给出了某流域某水文观测站 1966-2004 年的实测径流数据。

试运用小波分析理论， 借助 Matlab6.5、 suffer8.0 和相关软件 （Excel 等） ， 完成下述任务： ⑴计算小波系数； ⑵绘制小波系数图 （实部、 模和模方） 、 小波方差图和主周期变化趋势图，并分别说明各图在分析径流多时间尺度变化特征中的作用 表 1 某流域某水文观测站 1966-2004 年实测径流数据（×10 8m3） 年份 径流量 年份 径流量 年份 径流量 年份 径流量 年份 径流量 1966 1.438 1974 2.235 1982 0.774 1990 1.806 1998 1.709 1967 1.151 1975 4.374 1983 0.367 1991 0.449 1999 0.000 1968 0.536 1976 4.219 1984 0.562 1992 0.120 2000 0.000 1969 1.470 1977 2.590 1985 3.040 1993 0.627 2001 2.104 1970 3.476 1978 3.350 1986 0.304 1994 1.658 2002 0.009 1971 4.068 1979 2.540 1987 0.728 1995 1.025 2003 3.177 1972 2.147 1980 0.807 1988 0.492 1996 0.955 2004 0.921 1973 3.931 1981 0.573 1989 0.007 1997 1.341 分析 1. 选择合适的基小波函数选择合适的基小波函数是是前提前提 在运用小波分析理论解决实际问题时，选择合适的基小波函数是前提。

只有选择了适合具体问题的基 小波函数，才能得到较为理想的结果目前，可选用的小波函数很多，如 Mexican hat 小波、Haar 小波、 Morlet 小波和 Meyer 小波等 在本例中， 我们选用 Morlet 连续复小波变换来分析径流时间序列的多时间尺 度特征原因如下： 1.1 径流演变过程中包含“多时间尺度”变化特征且这种变化是连续的，所以应采用连续小波变换来 进行此项分析 1.2 实小波变换只能给出时间序列变化的振幅和正负，而复小波变换可同时给出时间序列变化的位相 和振幅两方面的信息，有利于对问题的进一步分析 小波分析 原理与应用 Niu 二哥 CUIT 3S 集成 3 / 9 1.3 复小波函数的实部和虚部位相差为 π/2，能够消除用实小波变换系数作为判据而产生的虚假振荡， 使分析结果更为准确 2. 绘制绘制小波系数小波系数图图、小波方差图、小波方差图和主周期变化趋势图和主周期变化趋势图是关键是关键 当选择好合适的基小波函数后，下一步的关键就是如何通过小波变换获得小波系数，然后利用相关软 件绘制小波系数图、小波方差图和主周期变化趋势图，进而根据上述三种图形的变化识别径流时间序列中 存在的多时间尺度。

三、三、具体具体步骤步骤 1. 数据格式数据格式的的转化转化 2. 边界效应的消除边界效应的消除或或减小减小 3. 计算计算小波系数小波系数 4. 计算复小波系数的实部计算复小波系数的实部 5. 绘制小波系数绘制小波系数实部等值线实部等值线图图 6. 绘制小波系数模绘制小波系数模和和模方等值线图模方等值线图 7. 绘制小波方差图绘制小波方差图 8. 绘制主周期趋势图绘制主周期趋势图 下面，我们以上题为例，结合软件 Matlab 6.5、Suffer 8.0 和 Excel，详细说明小波系数的计算和各图形 的绘制过程，并分别说明各图在分析径流多时间尺度变化特征中的作用 1. 数据格式数据格式的的转化转化和保存和保存 将存放在将存放在 Excel 表格里的表格里的径流径流数据数据 （以时间为序排为一列） 转化为（以时间为序排为一列） 转化为 Matlab 6.5 识别的数据格式 （识别的数据格式 （.mat）） 并存盘 具体操作为：在 Matlab 6.5 界面下，单击“File-Import Data”，出现文件选择对话框“Import”后， 找到需要转化的数据文件 （本例的文件名为 runoff.xls） ， 单击 “打开” 。

等数据转化完成后， 单击 “Finish” ， 出现图 1 显示界面；然后双击图 1 中的 Runoff，弹出“Array Editor: runoff”对话框，选择 File 文件夹下的 “Save Workspace As”单击，出现图 2 所示的“Save to MAT-File:”窗口，选择存放路径并填写文件名 （runoff.mat），单击“保存”并关闭“Save to MAT-File”窗口 2. 边界效应的消除边界效应的消除或或减减小小 因为本例中的实测径流数据为有限时间数据序列，在时间序列的两端可能会产生“边界效用”为消 除或减小序列开始点和结束点附近的边界效应，须对其两端数据进行延伸在进行完小波变换后，去掉两 端延伸数据的小变换系数，保留原数据序列时段内的小波系数本例中，我们利用 Matlab 6.5 小波工具箱 中的信号延伸（Signal Extension）功能，对径流数据两端进行对称性延伸 图 1 数据格式的转化 图 2 数据的保存 小波分析 原理与应用 Niu 二哥 CUIT 3S 集成 4 / 9 具体方法为：在 Matlab 6.5 界面的“Command Window”中输入小波工具箱调用命令“Wavemenu”， 按 Enter 键弹 “Wavelet Toolbox Main Menu”（小波工具箱主菜单） 界面 （图３） ； 然后单击 “Signal Extension” ， 打开 Signal Extension / Truncation 窗口，单击“File”菜单下的“Load Signal”，选择 runoff.mat 文件单击 “打开”，出现图 4 信号延伸界面。

Matlab 6.5 的 Extension Mode 菜单下包含了 6 种基本的延伸方式 （Symmetric、Periodic、Zero Padding、Continuous、Smooth and For SWT）和 Direction to extend 菜单下的 3 种延伸模式（Both、Left and Right），在这里我们选择对称性两端延伸进行计算数据延伸的具体操作 过程是：在 Extension Mode 下选择“ Symmetric”，Dircetion to extend 下选择“Both”，单击“Extend” 按钮进行对称性两端延伸计算，然后单击“File”菜单下的“Save Tranformed Signal”，将延伸后的数据结 果存为 erunoff.mat 文件 从 erunoff 文件可知，系统。