1 定义与基本概念
正交小波通常指由一组正交归一的尺度函数与小波函数构成的函数系统。它们可以在不同尺度上对信号或函数进行分解，并通过有限或可数个系数实现较稳定的重构。与一般函数展开相比，正交小波更强调局部性、多尺度性以及系数之间的正交独立关系，因此在理论分析和工程计算中都很常见。
1.1 正交小波的定义
正交小波的核心是“由单个母函数生成一整套基函数”，这些基函数经过平移与缩放后，形成对函数空间的正交基或正交基族。借助这套系统，任意合适的信号都可表示为若干尺度分量与细节分量的叠加。
1.1.1 小波基与正交基
小波基是一类由母小波经过离散伸缩和平移得到的函数集合。若该集合不仅线性无关，而且两两正交、并能张成目标函数空间，就可称为正交基。正交基的优势在于展开系数彼此独立，便于分析和数值处理，也便于从系数直接恢复原函数。
1.1.2 尺度函数与小波函数
在多分辨分析框架中，尺度函数用于描述低频或粗略部分，小波函数则刻画高频或细节部分。尺度函数对应近似空间，小波函数对应补空间，两者共同构成完整表示。通常，尺度函数先通过递归方式生成较粗层次的近似，再由小波函数补充缺失的细节。
1.2 正交性与归一化
正交性是正交小波区别于一般小波的重要特征。归一化则保证各基函数的长度统一，方便系数解释与能量计算。二者结合后，展开不仅稳定，而且具有清晰的几何意义。
1.2.1 内积与正交条件
在函数空间中，两个函数的内积若为零，便称二者正交。正交小波系统要求不同平移和不同尺度下的基函数满足相应正交条件，这样各分量之间不会相互干扰。正交条件还决定了滤波器设计与基函数构造的可行性。
1.2.2 能量守恒与规范化
在正交小波展开中，信号的总能量可以分配到各个系数上，满足类似帕塞瓦尔恒等式的关系。这意味着系数平方和等于原信号能量，从而使压缩、去噪和阈值处理更有依据。规范化则确保每个基函数尺度一致，使不同层级的系数具有可比性。
1.3 正交小波的直观理解
从直观上看，正交小波像是一套能“先看大轮廓、再看细纹理”的分析工具。它不是一次性把整个对象整体展开，而是按照尺度逐层拆解，因此既适合捕捉平稳部分，也适合识别突变、边缘和局部异常。
1.3.1 多尺度分解
多尺度分解是指把原始数据拆成不同分辨率上的近似项和细节项。粗尺度保留主要趋势，细尺度描述局部变化。通过逐层分解，可以得到类似金字塔式的表示结构，便于逐级分析和重构。
1.3.2 局部化特征
与全局型基函数相比，正交小波通常具有较好的时间或空间局部化特征。也就是说，一个小波函数只在有限区域内显著不为零，或主要集中在某个局部区间。这使其特别适合处理含边缘、脉冲和瞬态成分的对象。
2 数学基础
正交小波建立在希尔伯特空间、正交展开和多分辨分析等基础之上。其理论核心不只是“有一组函数”，而是这组函数在结构上满足层次嵌套、正交分解和重构一致等性质。
2.1 Hilbert空间中的表示
在Hilbert空间中，函数可以通过内积、正交投影和完备基来表示。正交小波正是这类空间中极具代表性的展开工具之一。
2.1.1 函数空间与完备性
若一个函数系统的线性组合可以逼近空间中的任意元素，并且这种逼近在范数意义下成立，就称其具有完备性。对正交小波而言，完备性意味着它不仅适用于少数样本，也能覆盖广泛的函数类。
2.1.2 基展开与系数表示
任意函数一旦写成小波展开，便可用一组系数完整表征。每个系数对应某一尺度、某一位置的局部贡献。由于基函数正交，这些系数通常可通过内积直接求得，形式简洁且便于计算。
2.2 多分辨分析
多分辨分析是正交小波理论的主干结构之一。它通过一系列逐级嵌套的子空间，把函数表示组织为不同分辨率的层次系统。
2.2.1 嵌套子空间
多分辨分析要求存在一串递增或递减的子空间，每个子空间对应一个分辨尺度，且相邻子空间之间满足嵌套关系。较粗空间包含较少细节，较细空间则包含更高分辨率的信息。这样的结构使逐层逼近成为可能。
2.2.2 逼近与细节分量
在每一层中，函数都可以分为“低频逼近”和“细节补偿”两部分。前者反映主趋势，后者描述新增细节。重复这一过程，就能形成分层展开，并在重构时逐步还原原始对象。
2.3 尺度方程
尺度方程是连接粗尺度与细尺度的关键关系。它说明尺度函数如何通过自身的缩放和平移组合得到，从而导出相应的小波函数和滤波器形式。
2.3.1 两尺度关系
两尺度关系表明，较粗层次的尺度函数可由较细层次的若干平移版本线性组合而成。这个递推结构不仅构成理论基础，也直接对应实际算法中的分解步骤。
2.3.2 低通与高通约束
从滤波角度看，尺度函数对应低通特性，小波函数对应高通特性。二者必须满足特定约束，以保证分解后既能保留低频信息，又能准确提取高频细节。正交性要求进一步限制了滤波器系数的取值形式。
3 构造方法
正交小波并非任意选取即可成立，其生成需要满足一系列代数与分析条件。实际构造往往围绕滤波器设计、支撑长度控制以及正交约束展开。
3.1 正交小波的生成条件
构造正交小波时，首先要确保对应的滤波器系统满足正交与完美重构的要求。其次，还需兼顾支撑区间、平滑度以及计算效率。
3.1.1 滤波器正交性
若一组离散滤波器满足互正交条件，则可由它们生成正交小波基。滤波器正交性决定了分解后各频带之间的独立程度，也是重构无失真的前提。
3.1.2 端点与支撑长度
支撑长度反映基函数非零区间的大小。支撑越短，局部化越强，但往往会牺牲部分平滑性或对称性。端点条件则关系到在有限区间或边界附近的表示方式，处理不当容易出现边界误差。
3.2 常见构造思路
正交小波的构造通常可从时域递推或频域设计两条路径入手。不同方法各有优点，适用场景也不相同。
3.2.1 递归构造
递归构造以尺度方程为起点，通过反复迭代得到尺度函数和小波函数。它强调从低分辨率向高分辨率逐层生成，便于理论分析，也方便建立金字塔式算法。
3.2.2 频域构造
频域构造则直接在频率响应上设定低通、高通关系，并通过谱性质导出小波系统。此法常用于设计具有特定带通特性或特定相位性质的滤波器。
3.3 典型正交小波族
在众多正交小波中，若干经典族因构造简洁或性能突出而被广泛采用。它们在紧支撑、消失矩、对称性等方面各有侧重。
3.3.1 Haar小波
Haar小波是最早也是最简单的正交小波之一，结构清晰，计算极快。它的基函数呈阶跃形状，适合描述分段常数信号，但平滑性较弱。
3.3.2 Daubechies小波
Daubechies小波以紧支撑和较高消失矩著称，在保持正交性的同时，能用较短支撑获得较好的逼近能力。它是很多实际算法中的默认选择之一。
3.3.3 Symlets与Coiflets
Symlets在Daubechies小波基础上进一步追求近似对称性，适合对相位和边界较敏感的场景。Coiflets则强调尺度函数与小波函数的矩条件，常用于需要较强多项式逼近性质的任务。
4 滤波器组表示
从工程实现看，正交小波最常用的表达方式是两通道滤波器组。它把连续或离散信号的分解与重构转化为滤波、抽取和插值等操作。
4.1 两通道滤波器组
两通道滤波器组由低频通道和高频通道组成，分别负责近似信息和细节信息的提取。
4.1.1 分解滤波器
分解滤波器通常包括低通分解滤波器和高通分解滤波器。前者提取平滑成分，后者提取变化较快的部分。经过下采样后，数据量随层数递减，形成多层分解结果。
4.1.2 重构滤波器
重构滤波器用于把各层系数合并回原始信号。理想情况下，重构过程与分解过程互为逆运算，经过上采样、滤波和求和后可无失真恢复。
4.2 完美重构性质
完美重构是滤波器组设计的核心目标，指分解后经过重构能够精确回到原信号，不引入额外误差。
4.2.1 重构条件
满足完美重构需要滤波器系数之间具有严格的代数关系，包括幅频响应和相位匹配。正交小波通常能自然满足这类条件，因此在理论上较为整齐。
4.2.2 混叠消除
在抽取和插值过程中，混叠现象容易带来失真。正交滤波器组通过特定设计可使混叠项相互抵消，从而保证重构结果准确。
4.3 快速小波变换
快速小波变换将小波分解和重构变成高效的递推算法，是其广泛应用的重要原因之一。
4.3.1 金字塔算法
金字塔算法按照层级逐步分解数据，每一层只处理当前剩余的低频部分，并记录对应细节系数。该方法结构简洁，易于实现，适合多层分析。
4.3.2 计算复杂度
与直接矩阵运算相比，快速小波变换通常具有线性或近线性复杂度，因而能在大规模数据处理中显著节省时间与存储空间。这也是它在图像压缩和科学计算中受欢迎的原因。
5 性质与理论特征
正交小波的理论价值，很大程度上来自其一系列兼具分析意义和计算优势的性质。正交性、紧支撑、消失矩以及平滑与对称设计，构成了评价一类小波优劣的重要指标。
5.1 正交性与完备性
正交性使分量之间分工明确，完备性则保证表示不缺失。二者结合，使正交小波成为稳定且可逆的分析工具。
5.1.1 系数互不干扰
当基函数彼此正交时，不同位置或不同尺度的展开系数可以分别解释，不会发生线性耦合。这种特性有助于阈值去噪和局部特征识别。
5.1.2 基展开唯一性
在正交基下，函数展开通常是唯一的。唯一性意味着同一个对象不会对应多种不同的正交系数表示，从而提升了结果的可解释性和可复现性。
5.2 紧支撑与消失矩
紧支撑和消失矩是正交小波设计中的两个经典指标，一个强调局部范围，另一个强调对低阶多项式的辨识能力。
5.2.1 局部性
紧支撑使小波只在有限区间内显著非零，因此对局部变化更敏感，也更适合边缘检测和瞬态分析。局部化程度越高，越便于分区域处理。
5.2.2 多项式逼近能力
消失矩越多，小波对低阶多项式的响应越弱，越能把平滑背景压缩到少量系数中。这提高了对复杂函数的逼近效率，也改善了稀疏表示效果。
5.3 光滑性与对称性
光滑性和对称性常常难以同时兼得，需要在设计中折中处理。不同小波族在这两点上的侧重点并不相同。
5.3.1 平滑度比较
一些小波函数较为粗糙，如Haar小波；另一些则具有更高阶连续性或更好的平滑表现，如某些Daubechies或Coiflets小波。平滑度越高，适合处理连续变化信号，但计算代价和支撑长度也可能增加。
5.3.2 近似对称设计
严格对称与正交性往往存在一定冲突，因此工程上常采用近似对称的折中设计。近似对称可减轻边界效应并改善视觉效果，特别适合图像处理和模式识别中的结构保持。
6 代表性小波族
正交小波家族中，若干经典成员被反复用于教学、科研与工程实践。它们分别代表了不同的设计取向和应用风格。
6.1 Haar小波
Haar小波因形式最简洁而被广泛视为入门级正交小波，也是理解多尺度思想的重要起点。
6.1.1 最简单的正交小波
Haar小波的尺度函数与小波函数都具有非常简单的分段形式，构造和计算都很直接。它是离散小波变换中最容易实现的一类。
6.1.2 分段常数表示
Haar小波特别适合表示分段常数或突变明显的信号。尽管其平滑性有限，但在快速检测边界和粗略压缩方面仍十分有效。
6.2 Daubechies小波
Daubechies小波是正交紧支撑小波中的代表性家族，兼顾了较强的逼近能力与较好的计算性能。
6.2.1 最小支撑与高阶消失矩
该族小波在给定消失矩数量下通常具有较短支撑，因此在局部性和效率之间取得了较优平衡。更高阶的消失矩意味着更强的多项式拟合能力。
6.2.2 应用特点
Daubechies小波常用于压缩、去噪和数值求解等任务。其系数分布通常较稀疏，便于阈值处理和分层分析。
6.3 Symlets小波
Symlets小波可视为对Daubechies小波的一种改进，主要目标是增强对称性，同时保持正交和紧支撑性质。
6.3.1 近似对称性
Symlets在结构上尽量减少相位偏移，使处理结果更平衡。虽然不一定严格对称，但在实际应用中常能改善边界附近的表现。
6.3.2 工程应用
由于兼顾了平滑性、局部性与相对对称性，Symlets在图像重建、音频分析及某些医学信号处理中较受欢迎。
6.4 Coiflets小波
Coiflets小波强调尺度函数与小波函数同时满足较高阶矩条件，因此在多项式逼近方面表现突出。
6.4.1 尺度函数与小波函数的矩条件
这类小波不仅要求小波函数具有较多消失矩，还对尺度函数的矩性质提出限制。由此带来的结果是，粗尺度近似更稳定，细节表达更精细。
6.4.2 多项式逼近优势
在处理具有平滑背景和局部扰动的对象时，Coiflets常可获得较好的分解效果。其对低阶多项式的逼近能力较强，适合高精度分析场景。
7 应用领域
正交小波在多个学科中都扮演重要角色，尤其适合存在局部变化、分层结构或稀疏特征的数据对象。
7.1 信号处理
在一维信号处理中，正交小波可有效分离噪声、瞬态和主要趋势，因此使用极为广泛。
7.1.1 去噪
小波去噪通常通过对细节系数进行阈值处理来实现。噪声往往分散在高频系数中，而有用结构则在少数显著系数中保留，因此该方法兼具简洁性和实用性。
7.1.2 压缩与编码
由于很多信号的小波系数具有稀疏性，少量大系数即可近似主要内容。压缩编码正是利用这一点，先变换再量化和编码，从而显著降低存储需求。
7.2 图像处理
二维小波变换是图像处理中的重要工具，能够在多尺度上分离纹理、边缘与背景。
7.2.1 边缘检测
图像边缘通常对应局部突变，在小波域中表现为较大的高频系数。通过分析这些系数的分布，可较为灵敏地定位边缘和轮廓。
7.2.2 图像重建与增强
在重建与增强任务中，小波可用于去噪、锐化以及细节补偿。与单纯的空间域滤波相比，它更善于保留结构信息并减少模糊。
7.3 数值分析
在数值计算中，正交小波不仅是分析工具，也可作为离散表示和求解方法的一部分。
7.3.1 偏微分方程求解
利用小波基展开未知函数，可以把偏微分方程转化为有限维代数问题。若目标解具有局部奇异性或多尺度结构，这种方法往往更有优势。
7.3.2 自适应基展开
小波系数的稀疏性使其适合自适应选择基函数。只保留重要系数即可构成较高精度近似，从而提升计算效率并减少冗余。
7.4 模式识别
正交小波能够提取多层次特征，因此在分类、识别和结构分析中也很常见。
7.4.1 特征提取
通过对信号或图像进行小波分解，可以提取频带能量、局部纹理、边缘强度等特征。这些特征往往比原始数据更利于后续建模。
7.4.2 多尺度分类
多尺度分类利用不同分辨率下的特征组合进行判别，能够增强对噪声和局部变形的鲁棒性。正交小波因其层次清晰而常被用作此类流程的前端表示。
8 相关概念比较
正交小波与其他分析工具关系密切。通过比较，可以更清楚地理解其优势、局限及适用范围。
8.1 正交小波与双正交小波
两者都属于小波分析体系，但构造方式与应用侧重点存在差别。
8.1.1 基与对偶基
正交小波使用同一组基进行分解与重构；双正交小波则采用一组分解基和一组对偶重构基。后者在设计上更灵活，能更容易实现对称性和更短滤波器。
8.1.2 性能差异
正交小波的优点是结构简洁、能量守恒明确；双正交小波则常在对称性和视觉效果上更有优势。实际选择通常取决于任务对精确重构、平滑性和相位特性的侧重。
8.2 正交小波与傅里叶分析
二者都用于函数分解，但关注点并不相同。
8.2.1 局部化与全局性
傅里叶分析以全局正弦余弦函数为基础，更擅长描述整体频率成分；正交小波则具有明显局部化优势，能捕捉信号在某一区域内的突变和短时变化。
8.2.2 时频表示差异
傅里叶方法主要提供频率信息，而小波分析则在时间和频率两个维度上都保留一定分辨率。对于非平稳信号，小波往往更适合揭示局部时频结构。
8.3 正交小波与小波包
小波包是对标准小波分解的扩展，在频带划分上更细致。
8.3.1 分解深度
标准小波分解通常只继续分解低频部分，而小波包可以对高频和低频都进一步拆分，因此分解树更深、分支更丰富。
8.3.2 频带划分方式
正交小波的频带划分较为固定，适合快速分析；小波包则提供更灵活的频带细分，便于针对特定频率结构进行优化。代价是计算与选择策略更复杂。
9 历史与发展
正交小波理论并非一开始就完整成形，而是经历了从局部思想、正交展开到多分辨分析和快速算法的逐步演化。
9.1 早期思想来源
小波思想的形成，与函数逼近、信号局部分析和正交系统研究的长期积累有关。
9.1.1 多尺度分析萌芽
在正式的小波理论出现之前，数学和工程中已存在按尺度观察对象的思想。分层逼近、局部振荡分析等概念，为后来的小波框架奠定了直观基础。
9.1.2 正交展开的数学基础
正交函数系、Hilbert空间理论以及傅里叶级数研究，为正交小波的严密化提供了重要支撑。没有这些基础，就难以建立稳定的展开与重构体系。
9.2 现代小波理论形成
现代小波理论的成熟，使正交小波从抽象构造走向了系统化工具。
9.2.1 理论框架建立
多分辨分析、尺度方程和滤波器组理论的结合，使小波构造变得统一而可操作。正是在这一阶段，正交小波的核心形式被清晰地整理出来。
9.2.2 快速算法发展
快速小波变换的提出，使理论真正具备大规模应用价值。由于算法高效、实现简洁，小波很快进入图像压缩、数值模拟和工程信号处理领域。
9.3 后续扩展
随着研究深入，正交小波从一维离散情形扩展到更复杂的对象与任务。
9.3.1 多维小波
多维小波用于处理图像、体数据和多变量场等对象。其构造方式通常基于张量积或更一般的多维框架，以适应空间结构的复杂性。
9.3.2 自适应与稀疏表示
后来研究更强调按数据特征自适应选择基函数，并利用小波系数的稀疏性构建高效表示。这使正交小波不仅是固定工具，也成为稀疏建模和压缩感知相关研究中的基础元素。