什么是尺度函数与小波函数
在小波分析的框架中，尺度函数与小波函数是构建信号多分辨率分析的核心工具。它们如同信号的“基本积木”，通过不同尺度的伸缩和平移，实现对信号从低频到高频、从粗略到精细的逐层析。尺度函数：信号的“低频骨架”
尺度函数，又称父小波，是多分辨率分析的基础。它的本质是一组能够生成信号低频近似的基函数。在不同尺度下，尺度函数通过伸缩控制分辨率和平移控制位置，构建出信号在不同层次的“骨架”——即信号中变化缓慢的低频成分。尺度函数的核心特性是满足“两尺度方程”：一个尺度的尺度函数可由更细尺度的尺度函数线性组合生成。例如，若φ(t)是尺度函数，则存在系数序列{h_k}，使得φ(t) = √2 Σ h_k φ(2t - k)。这种自相似性让尺度函数能够通过逐步细化尺度，将信号分为不同分辨率的低频近似。在实际应用中，尺度函数生成的子空间是嵌套的：低分辨率子空间包含于高分辨率子空间，如同地图的不同比例尺，低尺度展现概览，高尺度添加细节。
小波函数：信号的“高频细节”
小波函数，又称母小波，是捕捉信号高频细节的关键。它与尺度函数紧密关联，负责表征信号中快速变化的成分，如突变、边缘或噪声。小波函数的构造通常依赖于尺度函数：在多分辨率分析中，小波函数所在的子空间与尺度函数的子空间正交，两者共同构成整的信号空间——尺度函数提供低频近似，小波函数提供高频细节，形成互补。与尺度函数类似，小波函数也满足类似的两尺度关系：若ψ(t)是小波函数，则存在系数序列{g_k}，使得ψ(t) = √2 Σ g_k φ(2t - k)。通过改变伸缩因子和平移参数，小波函数可以“聚焦”到信号的不同频段和位置，实现对局部特征的精准捕捉。例如，在图像分析中，小波函数能有效提取纹理、边缘等细节，而尺度函数则保留图像的整体轮廓。
尺度函数与小波函数的协同作用
尺度函数与小波函数并非孤立存在，它们通过多分辨率分析形成有机整体。当对信号进行分时，尺度函数将信号投影到低频子空间，得到粗略近似；小波函数则将剩余部分投影到高频子空间，得到细节分量。通过逐层分，信号被拆分为多个尺度的低频近似和高频细节，既保留了整体趋势，又揭示了局部特征。这种协同作用让小波分析在信号处理、图像压缩、模式识别等领域具有独特优势。例如，在信号去噪中，尺度函数保留有用的低频信息，小波函数识别并去除高频噪声；在图像压缩中，尺度函数承载主要视觉信息，小波函数的细节可根据重要性选择性保留，实现高效压缩。
尺度函数与小波函数共同构成了小波分析的“左右臂”：前者搭建信号的低频框架，后者填充高频细节。它们的结合，让复杂信号的时频分析从抽象的数学工具，变成了可操作的实用技术，为信息处理提供了灵活而强大的视角。