跳轉到

1984 - Morlet 小波轉換（突破「全域頻率」的限制）#

案件摘要#

1984 年，法國地球物理學家 Jean Morlet 與瑞士數學物理學家 Alex Grossmann 發表小波轉換 (wavelet transform) 的完整理論：

\[ W_f(a,b) = \frac{1}{\sqrt{|a|}}\int_{-\infty}^{\infty} f(t)\,\psi^*\!\left(\frac{t-b}{a}\right) dt. \]

傅立葉轉換的百年難題在此破案：全域正弦波無法「同時」定位時間與頻率（Gibbs 現象的根源，見「1898-Gibbs現象定名」）。 小波——可伸縮、可平移的「局部波」——補上了這一塊拼圖。

前因 -- 為什麼會有這個案子#

  • 傅立葉的百年缺陷： \(\sin(\omega t)\) 在整條時間軸上振動——頻譜只告訴你「有哪些頻率」，不告訴你「何時出現」。
  • 不確定性原理的枷鎖：時間—頻率同時定位受海森堡式限制
\[ \Delta t \cdot \Delta\omega \ge \frac{1}{2}. \]

短窗看不清低頻、長窗看不清高頻——固定窗（短時傅立葉轉換 STFT）無法兩全：

\[ X(\tau,\omega) = \int x(t)\, w(t-\tau)\, e^{-i\omega t} dt. \]
  • 地震波的實際需求：Morlet 分析油氣勘探的地震反射波——需要在高頻處用短窗、低頻處用長窗（時頻解析度隨尺度自適應）。STFT 做不到。
  • Morlet 的偵探直覺：他是地球物理學家而非數學家，提出「伸縮 + 平移」的小波想法後，找上 Grossmann 用泛函分析證明其嚴格性——偵探 + 理論家的聯手破案。

線索與推理 -- 數學式、程式、理論#

第一步：小波 = 可伸縮的探員#

取母小波 \(\psi\) （零均值、局部化的振盪），伸縮參數 \(a\) （尺度 \(\leftrightarrow\) 頻率的倒數）與平移參數 \(b\) （時間）：

\[ \psi_{a,b}(t) = \frac{1}{\sqrt{|a|}}\psi\!\left(\frac{t-b}{a}\right). \]
  • \(a\) 小 → 小波窄 → 高頻、短窗（時間解析好）。
  • \(a\) 大 → 小波寬 → 低頻、長窗（頻率解析好）。

解析度自動適配——Morlet 需要的特性，小波天生具備：

\[ \Delta t_{a} \cdot \Delta\omega_{a} \ge \frac12 \text{（恆定下界），但 } \Delta t_a \propto a,\ \Delta\omega_a \propto 1/a. \]

第二步：嚴格性——容許條件與重構公式#

Grossmann 證明：只要 \(\psi\) 滿足容許條件 (admissibility)

\[ C_\psi = \int_0^\infty \frac{|\hat{\psi}(\omega)|^2}{|\omega|}\, d\omega < \infty, \]

則訊號可由小波係數完全重建：

\[ f(t) = \frac{1}{C_\psi}\int_0^\infty\int_{-\infty}^{\infty} W_f(a,b)\; \psi_{a,b}(t)\; \frac{da\,db}{a^2}. \]

\(\hat{\psi}(0)=0\) （零均值）即容許——零均值是探員的入職資格。

第三步：與傅立葉的對偶偵查#

  • 傅立葉基底 \(\{e^{i\omega t}\}\) ：全域、正交、無局部化——Gibbs 過衝的根源。
  • 小波基底 \(\{\psi_{a,b}\}\) ：局部、冗餘（連續版）或正交（離散版）——可局部化，跳躍處無過衝。
  • 多解析度分析 (MRA, Mallat 1988) 使離散小波成為正交基底：尺度函數 \(\phi\) 與小波 \(\psi\) 的雙尺度方程
\[ \phi(t) = \sum_k h_k \phi(2t - k), \qquad \psi(t) = \sum_k g_k \phi(2t - k). \]

Python：Morlet 小波偵測「啾啾訊號」的時頻定位#

import numpy as np
import matplotlib.pyplot as plt

t = np.linspace(0, 1, 2000)
# 啾啾訊號：頻率隨時間上升 5→40 Hz；中段有突波
sig = np.sin(2*np.pi*(5*t + 17.5*t**2))
sig[900:920] += 3.0

def morlet(s, a, b0):
    tm = np.arange(-3*a, a*3, t[1]-t[0])
    psi = np.pi**-0.25 * np.exp(1j*6*tm/a - (tm/a)**2/2) / np.sqrt(a)
    return np.trapz(s[:len(tm)]*np.conj(psi), tm)

fig, ax = plt.subplots()
for a in [0.02, 0.05, 0.1]:
    coef = [abs(morlet(np.roll(sig, -i), a, i)) for i in range(0, 1800, 20)]
    ax.plot(range(0, 1800, 20), coef, label=f'a={a} (頻率~{np.round(6/a/2/np.pi,1)}Hz)')
ax.legend(); plt.savefig('chirp_wavelet.png', dpi=100)
print("小尺度 a=0.02 對突波最敏感，大尺度 a=0.1 對低頻主體最敏感")
小 \(a\) （高頻）精準定位突波位置，大 \(a\) （低頻）描繪主體趨勢——同一時間軸、不同解析度，STFT 做不到。

結案 -- 後果與影響#

  • 時頻分析的革命：地震勘探、語音、醫學（心電圖、腦電圖）、影像邊緣偵測全面改寫。
  • JPEG 2000 標準採用離散小波（取代 JPEG 的 DCT，見「1992-JPEG離散餘弦變換.md」）——小波壓縮的方塊邊界無 Gibbs 振鈴。
  • Mallat 的多解析度分析（1988）與 Daubechies 的緊支撐正交小波（1988）使小波成為工程標準工具。
  • 數學影響：調和分析的新分支；Daubechies 小波成為 Hilbert 空間的標準基底。
  • 歷史定位：傅立葉轉換仍是「平穩訊號」之王（見「1965-FFT快速傅立葉轉換.md」）；小波是「非平穩訊號」之王——兩者互補，而非取代。

關鍵人物與文獻#

  • J. Morlet & A. Grossmann：Grossmann & Morlet, SIAM J. Math. Anal. 15, 723 (1984)。
  • Mallat：多解析度分析, IEEE Trans. PAMI 11, 674 (1989)。
  • Daubechies：緊支撐正交小波, Comm. Pure Appl. Math. 41, 909 (1988)。
  • 相關案件：1898-Gibbs現象定名.md、1992-JPEG離散餘弦變換.md。