从某种程度上讲,可以说
傅里叶变换
是振动诊断的基础,也可以说正是有了它才有了现在的故障诊断这个学科。
即生“
傅里叶变换
”何生“小波”?
乍一看我好像是会做锅包肉了
,但是实际则不然,因为我不知道这些食材烹饪的顺序。“傅大厨”我火都开了,你就跟我说这些,不够啊!
这就好像是下图这个意思,我是混合信号,还是先
低频
信号再高频,亦或者是先高频信号再低频,
傅里叶
变化之后都是差不多的。
也就是说“傅大厨的宝典”处理非平稳信号有天生缺陷。它只能获取一段信号总体上包含哪些频率的成分,但是对各成分出现的时刻并无所知。因此
时域
相差很大的两个信号,可能
频谱
图一样。
当我倒掉一锅热油时的小眼神就像是失忆的尔康
所以想完全复制出一盘锅包肉,我们还要分析出食材加入的时间点。就像是我们处理上面那三个信号,要知道各个频率的时间点。因此就有了
小波分析
。
从下面的动图我们可以观察出来,
傅里叶变换
的函数基都是三角函数,而三角函数可以看作是一个“大波”。
那小波为什么能解决问题呢?是因为
小波变换
将
傅里叶变换
中无限长的三角函数基换成了有限长的会衰减的小波基。
从小波的公式可以看出,它有两个变量(“傅大厨”的只有一个频率分量):尺度a(scale)和平移量t(translation)。尺度a控制小波函数的伸缩,平移量控制小波函数的平移。尺度就对应于频率(反比),平移量t就对应于时间。
在此过程中,选取母小波作为所有窗口的原型。所有使用的窗口都是放大(或压缩)和移动的母小波。为了方便起见,从尺度s = 1开始,分析将从高频开始,向
低频
进行。s的第一个值对应的是压缩幅度最大的小波。随着s值的增大,小波会膨胀。小波被放置在信号的开始点对应于的时间。
这时候和
傅里叶变换
不同的是,这不仅可以知道信号有这样频率的成分,而且知道它在
时域
上存在的具体位置。
上图为信号的
连续小波变换
结果。值得注意的是坐标轴是平移和缩放,而不是时间和频率。然而,平移与时间是严格相关的,因为它表明了母小波的位置。母小波的平移可以被认为是时间流逝。
本着学习
信号处理
的思路,今天小编终于学会了做锅包肉,一家人也愉快的生活在了一起。
参考资料:
维基百科
知乎
物理学
史
计算机历史
半导体
物理学
半导体器件
物理
https://twitter.com/AkiyoshiKitaoka
https://www.reddit.com/r/pics/comments/px2j3/made_a_gif_of_the_munkerwhite_illusion_for_class/
https://twitter.com/NovickProf/status/1139342022551191553
https://www.youtube.com/watch?v=nTOTmED9EzU
数字文明·
物理学
与计算机
THE WAVELET TUTORIAL
前往“发现”-“看一看”浏览“朋友在看”
已发送
发送到看一看