このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
wavefun
ウェーブレット関数とスケーリング関数
構文
説明
例
入力引数
出力引数
アルゴリズム
フィルターによって定義されたコンパクト サポート ウェーブレットの場合、一般に閉形式の解析式は存在しません。
使用されるアルゴリズムはカスケード アルゴリズムです。単一レベルの逆ウェーブレット変換を繰り返し使用します。
スケーリング関数 ϕ から始めます。
ϕ も ϕ0,0 に等しいため、この関数は直交フレームワークの次の係数によって特徴付けられます。
n = 0 の場合のみ <ϕ, ϕ0,n> = 1、それ以外の場合は 0
正の j およびすべての k に対して <ϕ, ψ−j,k> = 0。
この展開は、ウェーブレット分解の構造と見なすことができます。Detail 係数はすべてゼロで、Approximation 係数は 1 に等しいものを除いてすべてゼロです。
次に、再構成アルゴリズムを使用して、次の結果に従って、関数 ϕ を 2 進グリッド上で近似します。
関数が連続かつ j が十分に大きい場合の形式 x = n2−j の任意の 2 進有理数に対して、点ごとの収束と次を求めます。
ここで、C は定数、α はウェーブレットの規則性に応じた正の定数です。
次に、2 進有理数で ϕ の適切な近似を使用すると、2 進区間上の区分的定数 (区分的線形内挿) η を使用できます。これに対しては、指数的に同様の速度で一様収束が発生します。
したがって、J ステップ再構成スキームを使用することで、J が無限大になると ϕ に向かって指数関数的に収束する近似が得られます。
近似は、近似される関数のサポートをカバーする 2 進有理数のグリッドに対して計算されます。
ウェーブレット関数 ψ のスケーリングされたバージョンも (ϕ−1,n))n 上で展開できるため、適切なウェーブレット分解構造で始まる単一レベルの再構成の後に、同じスキームを使用できます。Approximation 係数はすべてゼロで、Detail 係数は 1 に等しいものを除いてすべてゼロです。
双直交ウェーブレットの場合、双対の 2 つの多重解像度スキームのそれぞれに同じ考え方を適用できます。
メモ
このアルゴリズムは、近似される関数が 2 進有理数で不連続の場合、発散する可能性があります。
参照
[1] Daubechies, I. Ten Lectures on Wavelets. CBMS-NSF Regional Conference Series in Applied Mathematics. Philadelphia, PA: Society for Industrial and Applied Mathematics, 1992.
[2] Strang, G., and T. Nguyen. Wavelets and Filter Banks. Wellesley, MA: Wellesley-Cambridge Press, 1996.
バージョン履歴
R2006a より前に導入