基于小波变换模极大值的信号奇异性检测与重构

资 源 简 介

本项目基于小波变换模极大值（WTMM）理论，开发了一套完整的时间序列分析与处理系统。主要功能涵盖四个方面：首先，实现了连续小波变换（CWT）算法，通常采用高斯函数的一阶或二阶导数作为小波基，对输入的时间序列进行多尺度分解；其次，核心模块能够计算小波系数的模，并精确搜索局部模极大值，通过跨尺度追踪构建“极大值脊线”，直观展示信号特征在时频域的分布；第三，利用模极大值在不同尺度下的衰减特性（Lipschitz正则性），算法能够区分信号的突变点（奇异点）与噪声，从而精确定位信号的奇异位置并评估其奇异性强度；最后，集成了基于交替投影法的信号重构算法（如Mallat-Zhong算法），能够仅利用稀疏的模极大值信息迭代恢复原始信号，在有效去除噪声干扰的同时保留信号的关键边缘和突变特征。

详 情 说 明

基于小波变换模极大值的信号奇异性检测与重构

项目简介

本项目实现了一套基于小波变换模极大值（WTMM）理论的时间序列信号处理系统。系统集成了信号生成、连续小波变换、模极大值提取、奇异点定位以及基于稀疏模极大值的信号迭代重构算法。该方案利用小波变换的多尺度聚焦特性，能够有效地在强噪声背景下识别信号的突变特征（如阶跃、尖峰），并利用Mallat-Zhong交替投影算法的思想从稀疏的特征点恢复原始信号。

功能特性

• 仿真信号生成：能够生成包含平滑正弦分量、阶跃突变和尖峰奇异点的合成信号，并叠加高斯白噪声以模拟真实环境。
• 连续小波变换 (CWT)：基于频域（FFT）实现的高效连续小波变换，采用高斯一阶导数作为小波基函数。
• 模极大值检测 (WTMM)：自动搜索小波系数在时间轴上的局部极大值，并构建跨尺度的脊线分布，提取信号的关键特征。
• 奇异性检测：利用不同尺度下模极大值的能量分布，定位信号的奇异点（及边缘位置）。
• 迭代信号重构：实现基于交替投影法的信号重构算法，仅利用部分尺度下的模极大值信息恢复原始信号，具有显著的去噪和特征保留能力。
• 多维可视化：提供包含原始信号对比、CWT时频图、模极大值脊线图、奇异点检测与收敛曲线的综合结果展示。

详细功能实现与算法逻辑

本项目主要代码逻辑按以下流程执行，涵盖了从数据输入到分析重构的全过程：

1. 信号模拟与预处理

系统首先构建一个长度为1024点的测试信号。信号主体由正弦波构成，并在特定时间区间叠加了阶跃变化（HeaviSine风格）以及瞬时尖峰（模拟强奇异点）。随后，为了测试算法的鲁棒性，系统在信号中加入了固定随机种子的加性高斯白噪声。

2. 高效连续小波变换

系统自定义了小波变换函数，采用高斯函数的一阶导数作为小波基。为了提高计算效率，算法没有在时域进行卷积，而是利用卷积定理在频率域完成计算：

• 构建对应尺度的频域小波滤波器。
• 将信号的频谱与小波滤波器频谱相乘。
• 通过逆傅里叶变换获得时域小波系数。
• 分析采用了精细的连续尺度序列（对数刻度间隔0.2），以便获得高分辨率的时频特征。

3. 模极大值搜索

核心算法模块负责从小波系数中提取模极大值：

• 计算小波系数的模（绝对值）。
• 在每一行（即每个尺度）上进行局部极值判断，寻找显著的大于左右相邻点的系数。
• 引入自适应阈值过滤机制，剔除由背景噪声引起的幅度极小的伪极大值，生成掩膜矩阵。

4. 奇异性分析与定位

利用小波变换在不同尺度下对奇异性响应的差异进行检测。算法主要关注小尺度范围内的模极大值能量：

• 聚合前几个精细尺度的模极大值能量。
• 通过峰值搜索算法定位能量最集中的时间点，这些点对应于信号中的阶跃边缘和尖峰位置。
• 该方法利用了奇异点的高频分量在精细尺度下不衰减（或衰减较慢）的Lipschitz特性。

5. 基于交替投影的信号重构

这是本系统的核心难点实现，采用了Mallat-Zhong重构算法的变体，使用二进尺度（Dyadic Scales）进行迭代处理：

• 初始化：以零信号或粗略估计作为起点。
• 迭代过程（包含两个关键投影步骤）：

1. 逆投影：基于当前的系数估计，利用最小二乘意义下的频域逆变换公式（伪逆算子）重建时域信号。 2. 正投影与约束：对重建信号再次进行小波变换，在已知的模极大值位置强制替换为原始观测值（硬约束），而在非极大值位置保留当前演化值，使其满足再生核希尔伯特空间（RKHS）的约束。

• 幅度校正：由于使用近似逆变换算子，重构结束后通过线性拟合对信号的幅度和偏置进行最终校正。

6. 结果可视化

系统运行结束后会生成包含6个子图的综合分析窗口：

• 输入信号：展示原始纯净信号与加噪后的信号。
• CWT系数图：以热力图形式展示尺度-时间的能量分布。
• 模极大值分布：仅绘制提取出的极大值点，展示了著名的“脊线”结构。
• 奇异点检测：在小尺度系数背景上标记出自动检测到的奇异点位置。
• 收敛曲线：显示重构过程中RMSE（均方根误差）随迭代次数下降的趋势。
• 重构结果：将迭代重构后的信号与原始无噪信号进行对比，直观展示去噪和边缘保持效果。

主要函数解析

• main: 主控逻辑，负责参数定义、流程调度以及最终绘图。
• my_cwt: 实现频域内的高斯一阶导数连续小波变换，处理多尺度卷积。
• find_modulus_maxima: 在时频平面上搜索局部极大值，并应用阈值去噪。
• detect_singularities: 基于小尺度下的能量聚集特征，识别信号突变点。
• mallat_zhong_reconstruction: 执行迭代重构循环，管理正反变换及约束施加。
• inverse_cwt_projection: 基于最小二乘原理，实现从多尺度小波系数回归到时域信号的近似逆变换。

使用方法

1. 确保MATLAB环境已安装并配置好信号处理工具箱（部分基础函数依赖）。
2. 直接运行主脚本。
3. 程序将自动输出处理进度的日志信息，并在处理完成后弹出可视化结果窗口。

系统要求

• MATLAB R2016b 或更高版本。
• 建议安装 Signal Processing Toolbox（用于 findpeaks 等辅助函数）。