最近工作需要,看了一下小波变换方面的东西,用python实现了一个简单的小波变换类,将来可以用在工作中。
简单说几句原理,小波变换类似于傅里叶变换,都是把函数用一组正交基函数展开,选取不同的基函数给出不同的变换。例如傅里叶变换,选择的是sin和cos,或者exp(ikx)这种复指数函数;而小波变换,选取基函数的方式更加灵活,可以根据要处理的数据的特点(比如某一段上信息量比较多),在不同尺度上采用不同的频宽来对已知信号进行分解,从而尽可能保留多一点信息,同时又避免了原始傅里叶变换的大计算量。以下计算采用的是haar基,它把函数分为2段(A1和B1,但第一次不分),对第一段内相邻的2个采样点进行变换(只考虑A1),变换矩阵为
sqrt(0.5) sqrt(0.5)
sqrt(0.5) -sqrt(0.5)
变换完之后,再把第一段(A1)分为两段,同样对相邻的点进行变换,直到无法再分。
下面直接上代码
Wavelet.py
import math
class wave:
def __init__(self):
M_SQRT1_2 = math.sqrt(0.5)
self.h1 = [M_SQRT1_2, M_SQRT1_2]
self.g1 = [M_SQRT1_2, -M_SQRT1_2]
self.h2 = [M_SQRT1_2, M_SQRT1_2]
self.g2 = [M_SQRT1_2, -M_SQRT1_2]
self.nc = 2
self.offset = 0
def __del__(self):
return
class Wavelet:
def __init__(self, n):
self._haar_centered_Init()
self._scratch = []
for i in range(0,n):
self._scratch.append(0.0)
return
def __del__(self):
return
def transform_inverse(self, list, stride):
self._wavelet_transform(list, stride, -1)
return
def transform_forward(self, list, stride):
self._wavelet_transform(list, stride, 1)
return
def _haarInit(self):
self._wave = wave()
self._wave.offset = 0
return
def _haar_centered_Init(self):
self._wave = wave()
self._wave.offset = 1
return
def _wavelet_transform(self, list, stride, dir):
n = len(list)
if (len(self._scratch) < n):
print("not enough workspace provided")
exit()
if (not self._ispower2(n)):
print("the list size is not a power of 2")
exit()
if (n < 2):
return
if (dir == 1): # 正变换
i = n
while(i >= 2):
self._step(list, stride, i, dir)
i = i1
if (dir == -1): # 逆变换
i = 2
while(i <= n):
self._step(list, stride, i, dir)
i = i << 1
return
def _ispower2(self, n):
power = math.log(n,2)
intpow = int(power)
intn = math.pow(2,intpow)
if (abs(n - intn) > 1e-6):
return False
else:
return True
def _step(self, list, stride, n, dir):
for i in range(0, len(self._scratch)):
self._scratch[i] = 0.0
nmod = self._wave.nc * n
nmod -= self._wave.offset
n1 = n - 1
nh = n 1
if (dir == 1): # 正变换
ii = 0
i = 0
while (i < n):
h = 0
g = 0
ni = i + nmod
for k in range(0, self._wave.nc):
jf = n1 & (ni + k)
h += self._wave.h1[k] * list[stride*jf]
g += self._wave.g1[k] * list[stride*jf]
self._scratch[ii] += h
self._scratch[ii + nh] += g
i += 2
ii += 1
if (dir == -1): # 逆变换
ii = 0
i = 0
while (i < n):
ai = list[stride*ii]
ai1 = list[stride*(ii+nh)]
ni = i + nmod
for k in range(0, self._wave.nc):
jf = n1 & (ni + k)
self._scratch[jf] += self._wave.h2[k] * ai + self._wave.g2[k] * ai1
i += 2
ii += 1
for i in range(0, n):
list[stride*i] = self._scratch[i]
测试代码如下:
test.py
import math
import Wavelet
waveletn = 256
waveletnc = 20 #保留的分量数
wavelettest = Wavelet.Wavelet(waveletn)
waveletorigindata = []
waveletdata = []
for i in range(0, waveletn):
waveletorigindata.append(math.sin(i)*math.exp(-math.pow((i-100)/50,2))+1)
waveletdata.append(waveletorigindata[-1])
Wavelet.wavelettest.transform_forward(waveletdata, 1)
newdata = sorted(waveletdata, key = lambda ele: abs(ele), reverse=True)
for i in range(waveletnc, waveletn): # 筛选出前 waveletnc个分量保留
for j in range(0, waveletn):
if (abs(newdata[i] - waveletdata[j]) < 1e-6):
waveletdata[j] = 0.0
break
Wavelet.wavelettest.transform_inverse(waveletdata, 1)
waveleterr = 0.0
for i in range(0, waveletn):
print(waveletorigindata[i], ",", waveletdata[i])
waveleterr += abs(waveletorigindata[i] - waveletdata[i])/abs(waveletorigindata[i])
print("error: ", waveleterr/waveletn)
当waveletnc = 20时,可得到下图,误差大约为2.1
当waveletnc = 100时,则为下图,误差大约为0.04
当waveletnc = 200时,得到下图,误差大约为0.0005
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
python,小波变换
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]


