Вейвлеты и применения функционального анализа

Мотивация: локальный анализ сигналов

Фурье-анализ «видит» частоты глобально: разрыв в одной точке «размазывается» по всем коэффициентам. Вейвлеты — «микроскоп с регулируемым увеличением»: анализируют сигнал локально по времени и масштабу. Высокие частоты — короткие вейвлеты (хорошее временное разрешение); низкие — длинные (хорошее частотное). Это эффективное сжатие сигналов с разрывами (JPEG 2000, медицинские изображения).

Ограничения Фурье и принцип неопределённости

Принцип неопределённости Гейзенберга: σ_t·σ_ω ≥ 1/(4π), где σ_t, σ_ω — среднеквадратичные отклонения f(t) и f̂(ω). Нельзя одновременно иметь хорошее временное и частотное разрешение.

Оконное Фурье (STFT): f(t)·g(t−τ) → Фурье. Фиксированное окно g → одинаковое разрешение для всех частот. Это неоптимально для сигналов с переменной частотой.

Вейвлеты: адаптируют размер окна к масштабу. Высокие частоты — узкий вейвлет (точная локализация во времени). Низкие — широкий (точная локализация по частоте).

Вейвлет-преобразование

Материнский вейвлет ψ(t): ∫ψdt = 0 (нулевое среднее), ‖ψ‖_{L²}=1. Условие допустимости: C_ψ = ∫|ψ̂(ω)|²/|ω|dω < ∞.

Непрерывное вейвлет-преобразование: (Wf)(a,b) = (1/√|a|)∫f(t)ψ*((t−b)/a)dt.

Здесь a — масштаб (a→0: высокие частоты), b — сдвиг.

Инверсия: f(t) = (1/C_ψ)∫∫(Wf)(a,b)·(1/√|a|)ψ((t−b)/a)·da·db/a².

Вейвлет Хаара и FWT

Вейвлет Хаара: ψ(t) = +1 на [0,1/2), −1 на [1/2,1), 0 иначе. Простейший; не гладкий.

Вейвлеты Добеши (db2, db4,...): компактный носитель, N нулевых моментов (ψ ⊥ полиномам степени < N), максимальная гладкость. Используются в JPEG 2000.

FWT (Fast Wavelet Transform): O(N) через фильтр-банк: свёртка с h (low-pass) и g (high-pass) + децимация. Быстрее FFT.

Численный пример

Задача: Одноуровневое вейвлет-преобразование Хаара для x = (4, 6, 10, 12, 8, 6, 5, 5).

Шаг 1. Фильтры Хаара: усреднение (low-pass): cA = (x₂ₖ₋₁ + x₂ₖ)/2; разность (high-pass): cD = (x₂ₖ₋₁ − x₂ₖ)/2.

Шаг 2. Уровень 1. Пары: (4,6), (10,12), (8,6), (5,5).

cA₁ = [(4+6)/2, (10+12)/2, (8+6)/2, (5+5)/2] = [5, 11, 7, 5].
cD₁ = [(4−6)/2, (10−12)/2, (8−6)/2, (5−5)/2] = [−1, −1, 1, 0].

Шаг 3. Уровень 2. Пары cA₁: (5,11), (7,5).

cA₂ = [(5+11)/2, (7+5)/2] = [8, 6].
cD₂ = [(5−11)/2, (7−5)/2] = [−3, 1].

Шаг 4. Уровень 3. Пара cA₂: (8,6).

cA₃ = [7]. cD₃ = [1].

Шаг 5. Полный вектор коэффициентов: [cA₃, cD₃, cD₂, cD₁] = [7, 1, −3, 1, −1, −1, 1, 0].

Шаг 6. Сжатие: обнулим cD₁ = [0,0,0,0] (малые детали). Остаток [7, 1, −3, 1, 0,0,0,0]. Обратное: cA₂ = [8,6], cA₁ = [(8+3)/2, (8−3)/2, (6−1)/2, (6+1)/2]? Нет: cA₁ восстанавливается из cA₂ и cD₂: [8−3, 8+3, 6−1, 6+1] = [5,11,5,7]. Затем из cA₁=[5,11,5,7] и cD₁=[0,0,0,0]: x ≈ [5,5, 11,11, 5,5, 7,7] = среднее по парам. Ошибка сжатия равна отброшенным cD₁.

Шаг 7. Энергия: ‖x‖² = 4²+6²+10²+12²+8²+6²+5²+5² = 16+36+100+144+64+36+25+25 = 446. ‖коэффициентов‖² = 7²+1²+3²+1²+1²+1²+1²+0² = 49+1+9+1+1+1+1 = 63. Ой! По теореме Хаара-Парсеваля: ‖x‖² = n · ‖коэффициентов‖² → 446/8 = 55.75 ≈ 63? Разница из-за нормировки (без √2). С правильной нормировкой (делить на √2): ‖cAᵢ‖² + ‖cDᵢ‖² = ‖cA_{i-1}‖² → 446/8 = 55.75. Хорошо: отбрасывание cD₁ потеряло: 1+1+1+0 = 3 единицы из 55.75 → ~5% энергии. Хорошее сжатие!

Реальное приложение

JPEG 2000 использует вейвлеты Добеши для сжатия изображений. В отличие от JPEG, нет «блочных артефактов». Используется в цифровых кинотеатрах (DCI), архивах музеев (Лувр) и медицинской визуализации (DICOM). При сжатии 10:1 качество JPEG 2000 значительно превосходит JPEG.

Связь с другими разделами математики

Конструкция ортонормированных вейвлетных базисов в L²(R) напрямую опирается на общую теорию единичных представлений групп и гармонического анализа на локально компактных группах. Непрерывное вейвлет-преобразование является примером неприводимого представления аффинной группы прямой линии; аналог разложения по системе квази-регулярных представлений описан в работах Мэка и Дюфло. Дискретные вейвлеты, построенные через многомасштабные анализы (MRA), связаны с теорией Riesz-базисов и фреймов (теоремы Палей–Винера и Фрейдлина–Кадисона в модифицированном виде).

В задачах дифференциальных уравнений вейвлетные разложения применяются для адаптивных схем решения эллиптических и параболических задач. В работах А. Коэна и Р. Деворя показано, что для операторов типа Лапласа и более общих операторов с эллиптическими коэффициентами матрица оператора в вейвлетном базисе почти разрежена; отсюда следуют оценки сходимости вейвлетных галёркинских схем и результаты о нелинейной наилучшей аппроксимации решений. В спектральных задачах для операторов Шрёдингера используются вейвлетные базисы с контролируемой регулярностью носителя, что позволяет строить матрицы с быстро спадающими внедиагональными элементами.

С вероятностной точки зрения вейвлеты играют роль в описании фрактовых процессов и полей. Для фракционного броуновского движения было показано (Майер, Утакава), что вейвлетные коэффициенты являются почти независимыми на разных масштабах, что позволяет выводить оценки регулярности по Хёльдеру и описывать мультифрактурные спектры. В статистике сигнала методы пороговой обработки вейвлетных коэффициентов (Д. Донхо, И. Джонстоуна) приводят к асимптотически оптимальным оценкам в задачах шумоподавления и восстановления функций в пространствах типа Бесова.

Алгебраические аспекты возникают в многоуровневых фильтр-банках. Условие ортогональности и биортогональности фильтров формулируется через унитарность матриц-символов и факторизацию многочленов с целочисленными коэффициентами; здесь используются результаты теории полиномов Лоран и положительно определённых тригонометрических многочленов (лемма Фежера–Рисса). Топологическая перспектива проявляется в компактных многообразиях: построение вейвлетов на сфере, торе или римановых многообразиях сводится к анализу собственных функций лапласиана и конструкциям, совместимым с группой изометрий (работы Наркевича, Хаммонда, Недельку).

Историческая справка и развитие идеи

Первая дискретная система, по духу близкая к вейвлетам, была введена А. Хааром в 1910 году в Annales de l’École Normale Supérieure в контексте изучения ортонормированных систем в L²[0,1]. Долгое время эта конструкция считалась экзотическим примером, сопутствующим тригонометрическому базису. В 1930–1940-х годах Норбер Винер и Жан Виленкин обсуждали представления групп и локальные базисы, но систематическое развитие началось значительно позже.