1 基本概念
1.1 定义
母小波是构造小波函数族的基础函数。通常以一个具有局部振荡特征、平均值接近零且满足一定可容许条件的函数作为原型，再通过平移、伸缩等变换生成一组小波。它在小波分析中相当于“模板”，后续的分解与重构都围绕这一函数展开。
1.2 作用与地位
母小波决定了小波分析的基本风格和性能。不同母小波在时间定位、频率分辨、平滑程度和计算代价上各有差异，因此在实际建模中常被视为关键参数。对于信号处理任务而言，母小波往往影响分解结果是否更贴近原始数据特征。
1.3 与普通小波函数的关系
普通小波函数通常是由母小波经过尺度变换与位置平移后得到的具体成员。可以理解为：母小波是“生成者”，普通小波函数是“派生项”。如果进一步扩展到小波包分析，则母小波也可能参与构造更细致的频带分解结构。
2 数学基础
2.1 伸缩与平移变换
小波分析中，常用伸缩参数控制函数的“宽窄”，用平移参数控制函数在时间轴上的位置。伸缩使母小波在不同尺度上观察信号细节，平移则用于在不同区段扫描信号局部特征。两者结合后，可形成覆盖全局的分析框架。
2.2 小波可容许性条件
可容许性条件是小波函数能够用于连续小波变换的重要约束。一般要求其频域形式满足特定积分条件，从而保证变换可逆，并使原信号能够由小波系数稳定重构。该条件也是判断一个函数能否作为母小波的重要依据之一。
2.3 正交性与紧支撑性
正交性意味着不同尺度或不同位置的小波之间具有较好的独立性，这有助于降低冗余并简化重构过程。紧支撑性则表示函数只在有限区间内非零，通常带来更高的计算效率和更强的局部分析能力。二者在许多构造中被优先考虑，但并不总能同时完全满足。
2.4 消失矩与光滑性
消失矩描述小波对低阶多项式成分的抵消能力。消失矩越多，越能突出信号中的突变和细节。光滑性则反映函数曲线的平顺程度，较高的光滑性通常适合分析平稳或近似连续的信号，而较低的光滑性更适合捕捉尖峰和边缘。
3 母小波的分类
3.1 实值母小波
实值母小波是取值为实数的一类母小波，常见于离散小波变换和工程信号处理中。这类小波实现简单，计算代价通常较低，适合对实时性要求较高的场景。
3.1.1 Haar小波
Haar小波是最早、最简单的母小波之一，具有典型的阶跃形状。它的优点是结构清晰、运算快速，便于手工分析和快速实现；不足之处在于不够平滑，因此对平滑信号的逼近能力有限。
3.1.2 Daubechies小波
Daubechies小波是一类重要的紧支撑正交小波，具有较多消失矩和较好的压缩性能。它在信号重构、去噪和特征提取中应用广泛，但其表达式通常较为复杂，不像Haar小波那样直观。
3.1.3 Symlet小波
Symlet小波可视为对Daubechies小波的一种改进，重点优化了近似对称性。由于对称性更好，它在图像边缘处理和减少相位失真方面常表现更佳，因此在工程实践中很受欢迎。
3.2 复值母小波
复值母小波通常具有复数形式，能够同时描述幅值和相位信息，因此在分析振荡信号、调制信号时具有优势。它们往往更适合频率和相位结构较复杂的场景。
3.2.1 Morlet小波
Morlet小波通常由复指数与高斯包络组合而成，具有较强的时频局部化能力。它常用于连续小波变换，尤其适合观察近似正弦型振荡、瞬态成分以及频率随时间变化的现象。
3.2.2 Mexican Hat小波
Mexican Hat小波通常可看作高斯函数的二阶导数形式，形状上类似一个中心峰与两侧波瓣。它对突变、峰值和边缘较敏感，因此常被用于轮廓检测、脉冲识别与局部特征分析。
3.3 双正交母小波
双正交母小波不是单一函数体系，而是通过成对构造实现分析与重构的分离。其核心优势在于能够兼顾对称性、正交/双正交结构和良好的重构性能，特别适合需要较低失真的应用。
3.3.1 分析小波与重构小波
在双正交体系中，分析小波用于信号分解，重构小波用于系数恢复原信号。二者彼此配对，通常不要求完全相同，这使设计空间更灵活，也更便于在平滑性、对称性和可实现性之间折中。
4 常见性质
4.1 局部化特征
母小波最显著的性质之一是局部化，即在时间域或空间域中只对局部区域敏感。这种性质使其能有效捕捉信号中的边缘、突变、脉冲和短时结构，避免像全局基函数那样“平均化”细节。
4.2 多分辨率分析特性
母小波常与多分辨率分析框架配合使用，从粗到细逐层观察信号。较大尺度关注整体趋势，较小尺度突出局部细节。这种层级式分析方式适合处理具有不同时间尺度的信息。
4.3 频域特性
从频域看，母小波通常对应一个有限带宽或近似有限带宽的频率响应。不同母小波在频带集中度、旁瓣抑制和中心频率位置上有所不同，这些差异会影响频谱分辨和噪声抑制效果。
4.4 时域特性
在时域中，母小波的振荡次数、对称性、支撑长度和光滑度都是重要特征。时域结构越紧凑，越利于局部检测；越平滑，则越适合连续变化的信号建模。
5 构造方法
5.1 解析构造
解析构造是通过明确的数学表达式直接定义母小波，例如高斯调制、导数型函数或显式分段函数。这类方法便于理论分析，适合先验结构清晰的函数设计。
5.2 递推构造
递推构造常借助两尺度方程或滤波器组逐步生成母小波。许多离散小波都依赖这种思路，通过低通、高通滤波器的系数递推得到相应函数，具有较强的系统性。
5.3 数值优化构造
数值优化构造通过设定目标函数和约束条件，借助优化算法搜索满足要求的母小波参数。常见目标包括最小重构误差、最大平滑性或最佳能量集中，这种方法更灵活，但依赖计算资源和优化策略。
5.4 基于多项式与样条的构造
多项式与样条构造常用于生成具有良好光滑性和可控支撑范围的小波。通过设计分段多项式或样条函数，可以在平滑、对称与计算便利之间取得平衡，适合工程实现与理论推导。
6 典型应用
6.1 信号去噪
母小波在去噪中常用于区分有效细节和随机噪声。由于噪声通常分布在较小幅值的高频系数中，可以对分解后的系数进行阈值处理，再重构得到较清晰的信号。
6.2 数据压缩
在压缩任务中，合适的母小波能够让大部分能量集中在少量系数中，从而实现高效编码。对于图像和音频等数据，稀疏表示往往直接决定压缩比与重构质量。
6.3 图像处理
母小波广泛用于图像边缘检测、纹理分析、融合与去噪。由于图像中的边缘和细节具有明显局部性，小波分解可以在不同尺度上分别处理轮廓和细节信息。
6.4 故障诊断
在机械和设备状态监测中，母小波常用于提取振动信号中的异常冲击、周期性扰动和瞬时变化。借助这些局部特征，可以辅助识别故障类型并判断异常发展趋势。
6.5 生物医学信号分析
在心电、脑电、肌电等生物医学信号处理中，母小波可用于分离噪声、提取波形特征以及识别事件点。由于这类信号常含有非平稳成分，小波分析往往比传统频域方法更有优势。
7 选择与评价
7.1 选择原则
母小波的选择通常取决于任务目标、信号特性和实现条件。没有放之四海而皆准的“最佳”母小波，实际应用中往往需要在精度、速度与可解释性之间折中。
7.1.1 目标信号匹配
如果信号具有尖峰或突变特征，通常更适合选用局部性强、支撑较紧的母小波；若信号平滑、连续，则可优先考虑更平顺的类型。匹配程度越高，分解结果往往越有针对性。
7.1.2 计算复杂度权衡
在实时处理或大规模数据场景中，母小波的计算复杂度十分重要。结构越简单，运算通常越快；但过于简单的函数可能牺牲重构质量或细节分辨能力，因此需要综合评估。
7.2 评价指标
评价母小波时，通常从重构精度、能量分布和形状特征等方面综合考察，以判断其是否适用于特定任务。
7.2.1 重构误差
重构误差用于衡量由小波系数恢复原信号后的偏差。误差越小，说明该母小波在分解和重建过程中保真度越高，适合对精度要求较高的应用。
7.2.2 能量集中特性
能量集中特性反映信号能否在少量系数中得到有效表示。若一个母小波能使大部分能量集中于少数分量，则常意味着更好的压缩和特征提取效率。
7.2.3 平滑性与对称性
平滑性影响对连续信号的表达能力，对称性则关系到相位畸变和边缘处理效果。二者往往共同决定母小波在图像与高精度测量中的实际表现。
8 相关概念
8.1 小波基
小波基是由母小波生成的一组基函数集合，用于表示信号在不同尺度和位置上的分量。母小波是小波基的源头，而小波基则承担实际展开和分析功能。
8.2 尺度函数
尺度函数与小波函数共同构成多分辨率分析的重要部分。它通常负责描述低频近似信息，与母小波共同完成信号从粗到细的分解。
8.3 多分辨率分析
多分辨率分析是一种分层表示框架，通过不同尺度逐步观察信号结构。母小波的设计通常离不开这一理论，因为它为函数空间的分解提供了基础。
8.4 小波包
小波包是对传统小波分解的进一步扩展，能够对高频部分继续细分，从而获得更精细的频带划分。母小波在其中仍是基础元素，但分解树结构更为丰富。
9 历史与发展
9.1 理论起源
小波思想可以追溯到对局部频率分析和函数展开的早期研究。随着数学分析、泛函分析和信号处理的发展，小波逐渐从理论构想演变为系统方法，母小波概念也随之明确。
9.2 经典母小波的提出
经典母小波的出现推动了小波理论进入实用阶段。不同研究者提出了各具特色的函数族，使小波从单一理念发展为可按任务选择的工具箱，其中不少名称后来成为标准术语。
9.3 工程应用中的演进
随着计算机能力提升，母小波从纯理论对象逐步进入工程实践。其应用范围不断扩展，从最初的信号压缩、去噪，发展到图像处理、模式识别和状态监测等领域，形成了较为成熟的方法体系。