3次B样条小波构建与信号多尺度分析

资 源 简 介

本项目致力于在MATLAB环境中完整实现3次（Cubic）B样条小波的构造、分解与重构算法。尽管B样条小波的思想源于样条插值理论，概念相对直观，但在实际工程实现中，特别是建立满足特定性质（如紧支集、对称性、半正交性）的小波基及对应的滤波器组时，涉及较为复杂的数学推导和数值计算。本项目的核心功能主要包括以下几个方面：首先，从底层的数学定义出发，编码实现3次B样条基函数及其对偶函数的生成，精确绘制尺度函数和小波函数的时域波形，直观展示其优秀的光滑性和频域局部化特性；其次，通过求解双尺度方程（Two-scale equation），计算并验证分解滤波器和重构滤波器的系数向量，解决传统正交小波在对称性上的不足；再次，基于计算出的滤波器系数，实现快速小波变换（Mallat算法），对一维非平稳信号进行多尺度分解，提取不同频带的近似系数和细节系数；最后，利用重构算法将分解系数还原为原始信号，并进行误差分析以验证算法的精度。该代码为理解和研究高阶样条小波的构造细节提供了可靠的参考模板，特别适用于信号去噪、边缘检测及数值逼近等领域的算法研究。

详 情 说 明

基于MATLAB的3次B样条小波构建与信号分析系统

项目介绍

本项目是一个在MATLAB环境下开发的数值计算与信号处理系统，专注于3次（Cubic）B样条小波的数学构造、双正交滤波器组的设计以及基于Mallat算法的非平稳信号处理。项目不仅实现了从底层数学定义到波形可视化的完整流程，还构建了具备完善重构性质（Perfect Reconstruction）的多尺度分析框架。该系统为理解高阶样条小波的平滑性、对称性及其在信号去噪和特征提取中的应用提供了标准范例。

主要功能特性

• 非平稳测试信号生成：能够合成包含低频正弦、高频调制分量、突变脉冲以及高斯白噪声的复合信号，用于全面测试小波变换的时频局部化能力。
• 数学基函数建模：基于3次多项式的分段定义，精确计算并绘制3次B样条尺度函数（Scaling Function）和小波函数（Wavelet Function）的时域波形。
• 双正交滤波器设计：内置了针对Cubic B-spline优化的双正交（Biorthogonal）滤波器组系数（Lo_R, Hi_R, Lo_D, Hi_D），并进行了能量归一化处理。
• 多尺度信号分解：实现了经典的Mallat算法，支持对一维信号进行指定层数（Level=3）的小波分解，提取各尺度的近似与细节系数。
• 信号重构与误差校验：通过逆小波变换算法将分解系数还原为时域信号，并引入长度对齐机制，计算均方根误差（RMSE）以验证算法精度。
• 多维数据可视化：提供基函数形态、多层分解系数谱图以及重构残差分析图，直观展示算法效果。

系统要求

• MATLAB R2016a 及以上版本
• 无需额外的工具箱（Signal Processing Toolbox 非必须，核心算法均为原生实现）

使用方法

1. 确保MATLAB环境已准备就绪。
2. 将包含主函数及相关辅助函数的脚本文件放置于MATLAB当前工作路径下。
3. 直接运行主函数（通常名为 main），系统将依次执行参数初始化、基函数生成、滤波器构建、信号分解与重构。
4. 运行结束后，程序将在控制台输出分解状态、重构完成提示及误差指标（RMSE, MAX_ERR），并弹出三个图形窗口展示分析结果。

实现逻辑与代码分析

系统主要分为六个核心处理阶段，代码逻辑严密，各部分功能如下：

1. 系统参数初始化与信号合成

程序首先定义了采样频率（1024Hz）和时间向量。为了模拟真实的非平稳环境，构建了一个复合信号：基底为5Hz低频正弦波，叠加了30Hz的间歇性高频调制信号（时间窗0.3s-0.7s），并在0.8s处引入大幅度的突变脉冲，最后混合了高斯白噪声。

2. B样条基函数构造

该模块从数学解析式出发，定义了3次B样条函数 cubic_bspline。

• 尺度函数：通过在时间轴上平移计算中心化的B样条函数值。
• 小波函数：利用给定的线性组合系数（g_coeffs），对尺度函数进行伸缩和平移加权求和，以此生成并绘制小波函数的示意波形，直观展示其紧支集特性。

3. 双正交滤波器组构建

这是实现离散小波变换（DWT）的核心。代码中直接定义了对应于Biorthogonal Spline 3.3的小波滤波器组系数：

• 重构滤波器：低通滤波器（Lo_R）基于二项式系数 [1, 4, 6, 4, 1]/16，高通滤波器（Hi_R）基于CDF双正交条件推导。
• 分解滤波器：低通（Lo_D）和高通（Hi_D）系数经过精心设计以满足完全重构条件。
• 系统对所有滤波器系数进行了乘以 sqrt(2) 的归一化处理，以确保证每一步变换后的能量守恒。

4. Mallat算法分解过程

程序执行3层小波分解循环：

• 在每一层中，调用自定义的 my_dwt_step 函数。
• 该步骤包含对信号进行对称延拓（减少边界效应）、与分解滤波器卷积以及隔点下采样（Downsampling）。
• 分解得到的近似系数（cA）作为下一层的输入，细节系数（cD）被保存用于分析。

5. 信号重构过程

重构过程是分解的逆运算，从最底层（Level 3）向顶层进行：

• 调用 my_idwt_step 函数，对系数进行上采样（插值补零）和卷积操作。
• 关键的逻辑在于边界处理与长度对齐：由于卷积操作会导致信号长度增加，程序在每一层重构后计算目标长度，并截取中心部分的数据以匹配原始信号或上一级系数的长度，防止误差累积。
• 将重构出的低频近似部分与高频细节部分相加，逐步还原原始信号。

6. 结果验证

最后阶段对重构信号 sig_out 和原始带噪信号 signal_in 进行对比。

• 计算均方根误差 (RMSE) 和 最大绝对误差 (MAX_ERR)，通常达到极小量级（例如10的负10次方级别），证明了滤波器系数和重构算法的正确性。
• 绘制三子图：原始信号、重构信号以及残差信号，从视觉上确认重构的高保真度。

关键算法说明

cubic_bspline 函数

实现了3次B样条的标准分段多项式定义。利用函数的对称性，针对输入 $x$ 的绝对值进行分段计算：

• 区间 [0, 1)：采用 $2/3 - x^2 + 0.5x^3$
• 区间 [1, 2)：采用 $(2-x)^3 / 6$
• 其他区间：0

该函数体现了3次B样条C2连续的光滑特性。

DWT/IDWT 步骤 (my_dwt_step / my_idwt_step)

虽然底层代码逻辑被封装，但从调用方式可以看出其遵循标准Mallat算法流程：

• 分解：输入信号 -> 边界延拓 -> 滤波器卷积 -> 下采样。
• 重构：输入系数 -> 上采样（插值） -> 滤波器卷积 -> 截断/对齐。

此实现方式有效解决了有限长信号在卷积过程中的边界发散问题。