基于Mallat算法的三层小波分解原生实现

资 源 简 介

本项目核心功能是使用MATLAB原生代码，在不依赖任何MATLAB小波工具箱（Wavelet Toolbox）函数的前提下，复现Mallat金字塔算法以实现对一维信号的三层离散小波分解。项目旨在揭示小波快速算法的底层实现原理，帮助学习者深入掌握多分辨率分析的机制。代码首先定义特定小波基（如Daubechies系）的分解低通滤波器和高通滤波器系数，随后严格按照Mallat算法流程，对输入信号执行“卷积滤波-下采样（隔点抽取）”的操作循环。具体流程为：第一层分解将原始信号分离为近似系数（低频背景）和细节系数（高频噪声或突变）；随后仅提取近似系数作为下一层的输入继续分解，直至完成第三层。此外，程序还包含完整的数据可视化模块，能够将原始信号及各层的分解系数（cA3, cD3, cD2, cD1）以子图形式绘制出来，便于直观观察信号在不同尺度下的频域特征和时域分布。

详 情 说 明

基于Mallat算法的独立实现三层小波分解程序

项目简介

本项目是一个基于MATLAB原生代码实现的信号处理工程，旨在在不依赖MATLAB官方小波工具箱（Wavelet Toolbox）函数的情况下，完整复现Mallat金字塔算法。

程序专注于一维信号的三层离散小波分解（DWT），通过底层编程展示了多分辨率分析的核心机制。该实现有助于无需工具箱授权的环境下进行相关研究，同时为学习者深入理解小波变换中的“滤波器组”和“多抽样率信号处理”理论提供了清晰的代码范例。

功能特性

• 零依赖性：完全使用MATLAB基础函数（如 conv, sin, plot）编写，无需安装任何附加工具箱。
• Mallat算法复现：严格遵循Mallat金字塔分解流程，实现“卷积滤波”与“下采样”的循环操作。
• 自定义滤波器：内置Daubechies 4 (db4) 小波基系数，并展示了如何通过正交镜像关系（QMF）由低通滤波器构建高通滤波器。
• 三层分解结构：能够提取信号在不同尺度下的近似系数（低频）和细节系数（高频）。
• 全景可视化：自动生成包含原始信号及各层分解系数（cA3, cD3, cD2, cD1）的对比波形图，直观展示频域特征的空间分布。

系统要求

• MATLAB R2016a 或更高版本（代码仅使用基础数学运算，向后兼容性极佳）。
• 无需任何第三方插件或工具箱。

使用方法

1. 确保MATLAB环境已安装并配置完毕。
2. 将主要脚本文件（包含 main 函数的文件）放置于当前工作目录下。
3. 直接运行 main 函数。
4. 程序运行结束后，将自动清理工作区，并弹出一个绘图窗口展示分解结果。

实现细节与算法分析

本项目严格对应 main.m 中的代码逻辑，主要包含以下四个核心模块：

1. 信号合成

程序首先生成一个采样频率为 1024Hz、时长为 1秒的合成测试信号，用于验证小波分解对不同频率成分的捕捉能力。信号包含以下特征：

• 低频基底：10Hz 正弦波，模拟背景信号。
• 中频分量：100Hz 正弦波，用于测试中频细节捕捉。
• 瞬态突变：在 0.5秒处叠加阶跃信号，用于验证小波的时域定位能力。
• 随机噪声：叠加高斯白噪声，模拟真实环境干扰。

2. 滤波器构建 (Daubechies 4)

代码中不调用 wfilters，而是硬编码定义了 db4 小波的分解低通滤波器系数 (lod_db4)。

• 高通滤波器生成：根据正交镜像滤波器（QMF）原理，通过代码动态计算分解高通滤波器系数 (hid_db4)。计算公式采用了交替变号并反转序列的方法：Hi_D(n) = (-1)^n * Lo_D(L - 1 - n)。

3. 三层 Mallat 金字塔分解

这是程序的核心部分，通过级联方式实现多分辨率分析：

• 第一层分解：输入原始信号，经过滤波和二抽取，分离出第一层近似系数 cA1 和细节系数 cD1。cD1 包含最高频的噪声和突变边缘信息。
• 第二层分解：将上一层的近似系数 cA1 作为输入，再次进行分解，产生 cA2 和 cD2。
• 第三层分解：将 cA2 作为输入，最终产生 cA3（最低频概貌）和 cD3。
• 数据流向：Signal -> (cA1, cD1) -> (cA2, cD2) -> (cA3, cD3)。最终保留并绘制的是 cA3, cD3, cD2, cD1。

4. 核心算法逻辑 (mallat_decomposition 函数)

代码底部的子函数封装了Mallat算法的原子操作，具体步骤如下：

1. 卷积运算 (Convolution)：

* 使用 MATLAB 原生 conv 函数（模式为 'full'）。 * 信号分别与低通滤波器 (lo_filter) 和高通滤波器 (hi_filter) 进行全卷积。

1. 下采样/隔点抽取 (Downsampling)：

* 模拟离散小波变换中的二抽取过程。 * 代码逻辑为 output = full_conv_result(2:2:end)，即去除所有奇数索引点，仅保留偶数索引点，从而使数据量减半（符合奈奎斯特定理在多抽样率系统中的应用）。

可视化输出

程序运行后生成的图形窗口包含5个子图，从上至下依次为：

1. 原始信号：展示时域波形。
2. 第三层近似系数 (cA3)：信号的低频整体趋势。
3. 第三层细节系数 (cD3)：较低频段的细节信息。
4. 第二层细节系数 (cD2)：中频段的细节信息。
5. 第一层细节系数 (cD1)：高频段细节（主要包含噪声和阶跃突变的边缘）。

通过观察子图，可以清晰地看到不同频率成分（如10Hz低频波和100Hz中频波）是如何被分离到不同的系数层级中的。