与标准的傅里叶变换相比，小波分析中使用到的小波函数具有不唯一性，即小波函数 具有多样性。小波分析在工程应用中，一个十分重要的问题就是最优小波基的选择问题，因为用不同的小波基分析同一个问题会产生不同的结果。目前我们主要是通过用小波分析方法处理信号的结果与理论结果的误差来判定小波基的好坏，由此决定小波基。常用小波基有Haar小波、Daubechies(dbN)小波、Mexican Hat(mexh)小波、Morlet小波、Meyer小波等。
? Haar小波
Haar函数是小波分析中最早用到的一个具有紧支撑的正交小波函数，也是最
简单的一个小波函数，它是支撑域在t的定义如下：
?[0,1]范围内的单个矩形波。Haar
0?t?121?t?1 2其他函数
1???(t)??-1??0Haar小波在时域上是不连续的，所以作为基本小波性能不是特别好。但它也
有自己的优点:
1. 计算简单。
2.
而且与自己的整数位移正交，因此，?(t)不但与?(2jt)[j?z]正交，在a?2j的多分辨率系统中，Haar小波构成一组最简单的正交归一的
小波族。
?(t)的傅里叶变换是：
?（?）=jHaar小波的时域和频域波形 [phi,g1,xval] = wavefun('haar',20); subplot(2,1,1); plot(xval,g1,'LineWidth',2); xlabel('t') title('haar 时域'); g2=fft(g1); g3=abs(g2); subplot(2,1,2); plot(g3,'LineWidth',2); xlabel('f') 4?sin2()e?j?/2 ?atitle('haar 频域')
? Daubechies(dbN)小波
Daubechies小波是世界著名的小波分析学者Inrid·Daubechies构造的小波函数，简写为dbN，N是小波的阶数。小波?(t)和尺度函数
?(t)中的支撑区为
2N?1，?(t)的消失矩为N。除N?1（Harr小波）外，dbN不具有对称性
（即非线性相位）。除N?1（Harr小波）外，dbN没有明确的表达式，但转换
函数h的平方模是明确的:
令
p(y)??Ck?0N?1N-1?kkyk，其中CkN-1?k为二项式的系数，则有
m0(?)其中：
2?(cos2?2)p(sin2?2)
1?hem(?)?22N?1k?00k-jk?
Daubechies小波具有以下特点：
1. 在时域是有限支撑的，即?(t)长度有限。 2. 在频域3.
?(?)在?=0处有N阶零点。
??k?(t-k)dt?(t)和它的整数位移正交归一，即??(t)为低通函数，长度有限，支撑域在t=0~2N-1的范围内。
。
4. 小波函数?(t)可以由所谓“尺度函数”
?(t)求出来。尺度函数?(t)db4的时域和频域波形：
[phi,g1,xval] = wavefun('db4',10); subplot(2,1,1); plot(xval,g1,'LineWidth',2); xlabel('t') title('db4 时域'); g2=fft(g1); g3=abs(g2); subplot(2,1,2); plot(g3,'LineWidth',2); xlabel('f') title('db4 频域')
Daubechies小波常用来分解和重构信号，作为滤波器使用:
[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('db4'); %计算该小波的4个滤波器 subplot(2,2,1); stem(Lo_D,'LineWidth',2); title('分解低通滤波器'); subplot(2,2,2); stem(Hi_D,'LineWidth',2); title('分解高通滤波器'); subplot(2,2,3); stem(Lo_R,'LineWidth',2); title('重构低通滤波器'); subplot(2,2,4); stem(Hi_R,'LineWidth',2); title('重构高通滤波器');
? Mexican Hat(mexh)小波
Mexican Hat函数为Gauss函数的二阶导数：
?(t)?(1?t2)e
?2t22?(?)?2??2e2
因为它的形状像墨西哥帽的截面，所以也称为墨西哥帽函数。 Mexihat小波的时域和频域波形：
d=-6; h=6; n=100; [g1,x]=mexihat(d,h,n); subplot(2,1,1); plot(x,g1,'LineWidth',2); xlabel('t'); title('Mexihat 时域'); g2=fft(g1); g3=(abs(g2)); subplot(2,1,2);
五种常见小波基函数及其matlab实现
