【小波分析】六、小波分析与非线性逼近(上)
文章目录
- 【小波分析】六、小波分析与非线性逼近(上)
- 对偶
- 插值空间
- 平移不变空间
- 多分辨分析和小波分解
神经网络与小波分析相结合, 分形几何与小波分析相结合是国际上研究的热点之一。基于神经网络的智能处理技术, 模糊计算、进化计算与神经网络结合的研究, 没有小波理论的嵌人很难取得突破。非线性科学的研究正呼唤小波分析, 也许非线性小波分析是解决非线性科学问题的理想工具。
对偶
回忆一下,在线性代数中,如果给定 空间的一组基,不妨设为 ,每个 对应于一个 维的列向量,它们不必是单位向量,也不必是正交的。那么,给定空间的一个向量 ,它在每个 上的系数,就等于 和 对偶上的内积。即
其中, 表示向量内积。 表示 的对偶(在这组基的意义下),即
表示 Kronecker delta 函数, 为 1,
理解一下,我们要找一个向量在一组基下的表示,无非就是要找到这组基张成的矩阵的逆,所谓的对偶,其实本质上反映的就是基向量张成的空间的逆。当基函数是标准正交基的时候,它张成的矩阵是个酉矩阵,那么它的逆本质上就等同于自身,此时,。
把它推广到函数空间,也是一样的。在 空间中定义对偶 ,
那么,任意的 ,我们有
非常干净,非常简洁的表示。在理论分析上很有用。
插值空间
这里直接给出插值空间 的定义,它是满足以下半范有限的所有的 的集合:
这里的 泛函定义为,
这里的 是连续地嵌入到 里面,即
平移不变空间
对于 上的一个紧支函数 ,我们可以定义其生成的 PSI(principal shift invariant) 空间 ,它表示 的平移的所有有限线性组合构成的集合的闭包。同样地,我们定义 为 的 压缩。那么,我们可以定义逼近误差,
定义 阶 Strang-Fix 条件如下,
我们引入 Jackson 不等式,对于所有 Sobolev 空间 中的函数 ,有
相对应的 Berstein 不等式是,
那么我们可以给出逼近空间的刻画,
这个的证明利用到了 阶光滑模量和 泛函的等价性可以得到。其中, (子空间序列 )是所有满足如下半范数有界的 的集合:
逼近空间范数的定义,是通过函数与一族子空间的某种距离来刻画的。若我们用函数的点点光滑性来定义范数,我们就可以得到 Besov 空间,即如下定义的半范数是有限的:
其中, 阶光滑模量的定义如下,
而 是步长为 的
逼近空间的这种取法应该怎么理解?因为 Jackson 不等式和 Bernstein 不等式是被满足的,在这个先决条件下,由一些基本的理论,我们知道逼近空间可以取为插值空间,插值空间里面的 K 泛函换成跟其等价的 r 阶光滑模量,就得到逼近空间其实就是 Besov 空间。
多分辨分析和小波分解
上述定义的 如果有包含关系,即 ,那么,本质上 就构成了一个多分辨分析。对于尺度函数,我们定义它的对偶为,
则 可以写成 空间中的基的线性组合,
因为 是紧支的,这意味着只有有限个 不为零。这个系数一般就称为低通滤波器系数。类似地,我们也可以定义出 。
定义投影算子,
注意到这里的系数是和对偶做内积。
类似于多分辨分析中我们介绍得小波的构造,我们可以构造出小波如下,
它的平移构成的空间,我们记为 ,那么,函数 到 上的投影就是,
那么,我们可以直接写出函数的小波分解,
我们现在考虑多维自变量的情况,对于每个定义在 上的函数 ,定义符号,
这里的 表征的是单位立方体变成的体积,本质上体现了函数积分压缩到了原来的几分之几。即 其中 。
那么原来的小波分解就可以写为,
其中 表示的是 所代表的小波母函数的伸缩平移。它构成了
那么多维的小波如何构造呢?一个简单的方法是可以通过一维的小波进行构造。令 ,
那么,同样用 来表示所有伸缩和平移,那么,
构成了 空间的一组标准正交基。这里的