小波变换和motion信号处理（一）
来源： 作者： 发布时间：2014-12-02 13:29:46 浏览量：好，现在我们对变换有了基本的认识，知道他们其实就是在搞基。塑封电感器当然，搞基也是分形式的，不同的变换，搞基的妙处各有不同。接下来先看看，傅立叶变换是在干嘛。
傅立叶级数最早是Joseph Fourier 这个人提出的，他发现，这个basis不仅仅存在与vector space，还存在于function space。这个function space本质上还是一个linear vector space，可以是工字电感有限的，可以是无限的，只不过在这个空间里，vector就是function了，而对应的标量就是实数或者复数。磁环电感在vector space里，你有vector v可以写成vector basis的线性组合，那在function space里，function f(x)也可以写成对应function basis的线性组合，也有norm。你的vector basis可以是正交的，我的function basis也可以是正交的(比如sin(t)和sin(2t))。唯一不同的是，我的function basis是无穷尽的，因为我的function space的维度是无穷的。好，具体来说，那就是现在我们有一个函数，f(x)。我们希望将它写成一些cos函数和一些sin函数的形式，像这样
again，这是一个无限循环的函数。其中的1，cosx, sinx, cos2x …..这些，就是傅立叶级数。傅立叶级数应用如此广泛的主要原因之一，就是它们这帮子function basis是正交的，这就是有趣的地方了。为什么function basis正交如此重要呢?我们说两个vector正交，那就是他俩的内积为0。那对于function basis呢?function basis怎么求内积呢?
现在先复习一下vector正交的定义。我们说两个vector v,w如果正交的话，应符合：
那什么是function正交呢?假设我们有两个函数f(x)和g(x)，那是什么?我们遵循vector的思路去想，两个vector求内积，就是把他们相同位置上对应的点的乘积做一个累加。那移过来，就是对每一个x点，对应的f和g做乘积，再累加。不过问题是，f和g都是无限函数阿，x又是一个连续的值。怎么办呢?向量是离散的，所以累加，函数是连续的，那就是…….积分!
我们知道函数内积是这样算的了，自然也就容易证明，按照这个形式去写的傅立叶展开，这些级数确实都是两两正交的。证明过程这里就不展开了。好，下一个问题就是，为什么它们是正交basis如此重要呢?这就牵涉到系数的求解了。我们研究了函数f，研究了级数，一堆三角函数和常数1，那系数呢?a0, a1, a2这些系数该怎么确定呢?好，塑封电感比如我这里准备求a1了。我现在知道什么?信号f(x)是已知的，傅立叶级数是已知的，我们怎么求a1呢?很简单，把方程两端的所有部分都求和cosx的内积，即：
然后我们发现，因为正交的性质，右边所有非a1项全部消失了，因为他们和cosx的内积都是0!所有就简化为
这样，a1就求解出来了。到这里，你就看出正交的奇妙性了吧:)
好，现在我们知道，傅立叶变换就是用一系列三角波来表示信号方程的展开，这个信号可以是连续的，可以是离散的。傅立叶所用的function basis是专门挑选的，是正交的，是利于计算coefficients的。但千万别误解为展开变换所用的basis都是正交的，这完全取决于具体的使用需求，比如泰勒展开的basis就只是简单的非正交多项式。
有了傅立叶变换的基础，接下来，我们就看看什么是小波变换。首先来说说什么是小波。所谓波，就是在时间域或者空间域的震荡方程，比如正弦波，就是一种波。什么是波分析?针对波的分析拉(囧)。并不是说小波分析才属于波分析，傅立叶分析也是波分析，因为正弦波也是一种波嘛。那什么是小波呢?这个”小“，是针对傅立叶波而言的。傅立叶所用的波是什么?正弦波，这玩意以有着无穷的能量，同样的幅度在整个无穷大区间里面振荡，像下面这样：
适合各种电源应用的碳化硅肖特基二极管功率因数校正(PFC)市场主要受与降低谐波失真有关的全球性规定影响。欧洲的EN61000-3-2是交直流供电市场的基本规定之一，在英国、日本和中国也存在类似的标准。EN61000-3-2规定了所有功耗
大功率LED光源热的计算方法和测试方法介绍本文分析了大功率LED光源热的产生、传导，依据热阻基本公式推导出比较完整的热阻计算公式和测试方法，并讨论了计算、测试热阻对大功率LED封装设计的实践意义和应用产品的热量处理。关键词：热量管理 P-N结
基于HowNet的词语相关度计算模型 摘 要： 提出了词语相关度模型，作为在数据空间中发现数据源内容关联的一个基础。本模型基于HowNet，可以计算同种词性以及不同词性之间的相关度，融合了词语的相似度、关联度和实例因素,综合获得词语的