
Вейвлет-преобразование — это метод обработки сигналов, который анализирует данные на нескольких масштабах с помощью локализованных волновых функций.Секрет вейвлетов — в компромиссе. Анализ Фурье даёт идеальное разрешение по частоте, но теряет время. Оконное преобразование Фурье исправляет это, но фиксирует размер окна. Вейвлеты меняют ширину окна адаптивно: для высоких частот берут короткие окна, для низких — длинные. Это похоже на нотную запись, где длинные ноты показывают басы, а короткие — быстрые трели. На практике вейвлеты прекрасно сжимают изображения (формат JPEG 2000) и очищают сигналы от шума, не размывая резкие перепады — например, на медицинских томограммах.
История вейвлетов началась с работ Хаара (1909) — простейшая ступенчатая система. В 1930–1980-е появились отдельные идеи: функция Литтлвуда–Пэли, квадратурные зеркальные фильтры Кроза, Эстрады, Галанда. Осознанная теория возникла в начале 1980-х в работах геофизика Жана Морле и математика Алекса Гроссманна, которые для анализа сейсмических сигналов построили непрерывное вейвлет-преобразование. Затем Ингрид Добеши (1988) создала гладкие ортогональные вейвлеты с компактным носителем, что позволило быстрое преобразование. Позже Малла и Мейер развили теорию кратномасштабного анализа, связав вейвлеты с фильтрацией сигналов.
Масштабирующая функция φ(t) и материнский вейвлет ψ(t) порождают базис так, что {ψ_{j,k}(t) = 2^{-j/2} ψ(2^{-j}t - k)}. Любой сигнал раскладывается: f(t) = Σ_k a_{j0,k} φ_{j0,k}(t) + Σ_{j>=j0} Σ_k d_{j,k} ψ_{j,k}(t). Коэффициенты d получают быстрым алгоритмом Малла с помощью каскадной фильтрации. На каждом уровне сигнал пропускается через пару фильтров — низкочастотный (усреднение) и высокочастотный (детализация), с последующей децимацией. Это двойственно банку квадратурных зеркальных фильтров. Условие ортогональности вейвлет-базиса требует, чтобы фильтры удовлетворяли определённым соотношениям. Анализ гибкий: можно варьировать форму вейвлета под тип данных.
Цифровые отпечатки пальцев и штрих-коды сжимают вейвлетами. Приборы, ищущие дефекты в деталях самолётов, слышат вейвлетами эхо трещин.
Человеческое зрение отчасти похоже на вейвлет-анализ: мы различаем и общую форму стула в полутьме, и тонкую надпись на ножке — мозг обрабатывает изображение сразу в нескольких масштабах.
| W | переменная | Коэффициент вейвлет-преобразования — wavelet transform coefficient |
| s | переменная | Параметр масштаба — scale parameter |
| τ | переменная | Параметр сдвига — translation parameter с |
| x | переменная | Входной сигнал — сигнал |
| t | переменная | Переменная времени — время с |
| ψ* | переменная | Комплексно-сопряженная вейвлет-функция — wavelet function |
| ∫ | оператор | Интегрирование по времени — интегральный оператор |
















