Haar wavelet Haar小波变换的输入不是2的幂

Haar wavelet Haar小波变换的输入不是2的幂,haar-wavelet,dwt,wavelet-transform,Haar Wavelet,Dwt,Wavelet Transform,如果输入数据不均匀,我该怎么办?如果输入数据不是2的幂呢?我应该忽略其余的数字吗?信号长度没有这样的限制。使用一些信号扩展来处理信号边界以外的样本。对称扩展是一种流行的选择,因为它保证了变换的可逆性,而不添加任何不必要的系数。如果使用提升方案,这样的处理更容易(尽管在Haar小波的情况下这并不重要)。这同样适用于两者的力量。我不太明白。你为什么说“这在Haar小波的情况下并不重要”@YuhangLin:提升方案(使用欧几里德算法)将长小波滤波器分解为一系列短滤波步骤。Haar小波变换可以用两个两

如果输入数据不均匀,我该怎么办?如果输入数据不是2的幂呢?我应该忽略其余的数字吗?

信号长度没有这样的限制。使用一些信号扩展来处理信号边界以外的样本。对称扩展是一种流行的选择,因为它保证了变换的可逆性,而不添加任何不必要的系数。如果使用提升方案,这样的处理更容易(尽管在Haar小波的情况下这并不重要)。这同样适用于两者的力量。

我不太明白。你为什么说“这在Haar小波的情况下并不重要”@YuhangLin:提升方案(使用欧几里德算法)将长小波滤波器分解为一系列短滤波步骤。Haar小波变换可以用两个两抽头FIR滤波器来实现,特别是h(z)=1/2+1/2z^{-1},和g(z)=z^{-1}-1。然而,前向变换的相应提升方案也包括两个抽头滤波器(跨越子带)。具体来说,实现如下:d_l=d_l-s_l和s_l=s_l+1/2d_l。因此,Haar小波没有简化。谢谢您的解释。我找到了一个描述信号分机()的页面。这就是你的意思吗?@YuhangLin:很抱歉这么晚才回复。是的,这就是我的意思。反射填充就是我所说的对称扩展。