1 基本定义
1.1 小波与支撑的概念
小波通常指一类具有局部振荡特征的函数，能够通过平移与伸缩生成一组分析基或近似基。它与傅里叶基不同，不以全局正弦波为基本单元，而是更强调在时间、空间或尺度上的局部表现。
支撑是函数非零的集合。若一个函数只在某个有限区间内取非零值，则可说它具有有限支撑。支撑的概念在函数分析与信号处理中十分重要，因为它反映了函数的局部作用范围。
1.2 紧支撑的含义
紧支撑是指函数的支撑是紧集。在一维情形中，通常可理解为函数只在某个有限区间内非零。对小波而言，紧支撑意味着其影响范围局限于有限长度的区间内，具有明显的局部性。
这一性质使紧支撑小波在数值计算中较为高效，也更容易处理边界、突变和局部奇异性。由于只需有限范围的数据参与计算，相关算法往往具有较好的稀疏性和可实现性。
1.3 紧支撑小波的形式化定义
在常见定义中，紧支撑小波是指满足小波条件且支撑为紧集的函数。若记小波函数为 ψ，则它通常通过平移与伸缩形成族 \[ \psi_{j,k}(x)=2^{j/2}\psi(2^j x-k), \] 其中 \(j\) 表示尺度，\(k\) 表示位置索引。若 ψ 的支撑有限，则所有 \(\psi_{j,k}\) 也都具有有限支撑，只是区间长度随尺度变化。
在多分辨分析框架下，紧支撑小波往往与某个紧支撑尺度函数相配合，由滤波器递归生成，并可构成正交基或双正交基。
1.4 与一般小波的区别
一般小波未必具有紧支撑，有些小波虽然在理论上满足良好的频域性质，但在时域中延展较长，甚至无限延伸。相比之下，紧支撑小波在局部计算、边界处理和稀疏表示方面更具优势。
不过，紧支撑性并不总是与最优的频域集中性同时出现。很多情况下，支撑越短，频域衰减和频谱分离就可能越受限制，因此设计时往往需要在支撑长度、光滑程度和消失矩之间权衡。
2 数学背景
2.1 函数空间与L2空间
紧支撑小波通常研究于平方可积函数空间 \(L^2(\mathbb{R})\) 中。该空间中的函数满足平方可积条件，适合用内积、正交展开和能量分解来分析信号。
在 \(L^2\) 框架下，小波展开可视为对函数进行分解，使其表示为若干尺度与位置分量的叠加。对于信号处理而言，这种表示方式既能保留局部信息，又便于计算与压缩。
2.2 多分辨分析
多分辨分析是一种描述函数空间逐层细化结构的理论。它通过一系列嵌套子空间来刻画不同分辨率下的函数近似，使得高尺度的粗略信息与低尺度的细节信息可以分离。
2.2.1 尺度函数
尺度函数通常记为 φ，是构造多分辨分析的核心对象。它生成的平移族往往张成某个近似空间，而小波函数则补充相邻尺度之间的差异部分。
对于紧支撑小波而言，尺度函数也常具有紧支撑性质，并由滤波器递归方程定义。尺度函数的选择直接影响整个小波系统的正交性、平滑性与局部结构。
2.2.2 子空间嵌套关系
多分辨分析要求存在一列子空间 \(V_j\)，并满足 \[ \cdots \subset V_{j-1}\subset V_j\subset V_{j+1}\subset \cdots \] 这种嵌套关系表示分辨率逐级提高，空间表达能力不断增强。相邻子空间之间的差异通常由小波子空间 \(W_j\) 描述，从而形成完整分解。
这种结构是紧支撑小波能够高效工作的理论基础，因为它将复杂函数拆解为不同层级上的有限局部信息。
2.3 傅里叶分析基础
傅里叶分析提供了频域视角，用于研究函数的频率成分。小波与傅里叶方法的差异在于：傅里叶基强调全局频率，小波则兼顾频率和位置两方面信息。
紧支撑小波在频域中通常表现为较宽的频谱分布，这是由时域紧支撑所带来的不确定性关系所决定的。尽管如此，它仍能通过多尺度结构实现对信号不同频段的有效刻画。
2.4 正交基与框架理论
正交基是一组两两正交且可完备展开空间元素的基。若紧支撑小波系统构成正交基，则函数表示和能量守恒都较为简洁。
在一些情形下，小波系统不满足严格正交，而是形成框架。框架允许冗余表示，虽然不如正交基简洁，但在稳定性、容错性和数值灵活性方面具有优势。紧支撑小波既可作为正交基研究，也常出现在双正交框架中。
3 主要性质
3.1 局部性
局部性是紧支撑小波最突出的特征之一。由于函数只在有限范围内非零，它对局部变化特别敏感，适合表示边缘、尖峰、突变等局部现象。
这种性质也使小波变换在处理非平稳信号时更具优势。相较于全局展开方法，它能够更准确地反映信息出现的位置。
3.2 消失矩
消失矩指小波对低阶多项式的正交程度。若小波具有较高阶消失矩，则其与低次多项式的积分为零，因而能够更有效地过滤平滑背景，突出细节成分。
高消失矩通常意味着更强的逼近能力和更好的稀疏表达效果，但也往往伴随更复杂的构造过程以及更长的支撑长度。
3.3 正交性与双正交性
正交性意味着不同基函数之间内积为零。这使得展开系数易于计算，重构公式也较为简洁。许多经典紧支撑小波系统以正交方式构造。
双正交性则允许分析函数与合成函数不同，从而在保持稳定重构的同时获得更灵活的设计空间。双正交紧支撑小波在图像处理与工程实现中应用广泛，因为它常能兼顾对称性、平滑性与紧支撑。
3.4 平滑性与正则性
平滑性描述函数的连续与可微程度，正则性则更细致地刻画局部光滑行为。一般而言，支撑较短的小波未必很平滑，而支撑较长的小波往往能获得更高的正则性。
在具体设计中，平滑性与支撑长度之间常存在折衷。对某些应用来说，函数越平滑越有利于重构质量；对另一些应用而言，局部响应更重要，因此更短的支撑更有价值。
3.5 支撑长度与频域特征
支撑长度是衡量紧支撑小波局部范围的重要指标。较短的支撑通常意味着更强的局部性，但也会导致频域过渡更宽，频率分离能力有所下降。
频域特征与时域支撑之间存在典型的互补关系。设计紧支撑小波时，需要在局部化、光滑性、对称性和频谱集中度之间进行综合平衡。
4 构造方法
4.1 滤波器组构造
滤波器组构造是紧支撑小波最常见、也是最实用的生成方式。其基本思想是将尺度函数和小波函数的生成问题转化为离散滤波器的设计问题。
这种方法与快速小波变换紧密相关，便于在离散信号中实现递归分解与重构。对于工程应用而言，它具有清晰的算法结构和较高的运算效率。
4.1.1 低通滤波器
低通滤波器主要用于提取近似信息，对应多分辨分析中的粗略部分。尺度函数通常可由低通滤波器的递推关系生成，滤波器系数则决定了函数的整体形状与支撑范围。
低通滤波器的设计往往要求满足归一化、正交性或双正交条件，同时还要兼顾平滑性与消失矩需求。
4.1.2 高通滤波器
高通滤波器用于提取细节信息，与小波函数直接相关。它通常由低通滤波器通过镜像关系或双正交规则导出。
高通滤波器的性质决定了细节分量的表达能力。若设计得当，可使小波变换对边缘和局部变化具有更高灵敏度。
4.2 多项式与样条构造
多项式与样条方法通过函数逼近思想来构造小波。样条函数由于分段多项式形式和良好局部性，常被用作紧支撑小波的基础。
这类构造通常便于控制连续阶数和支撑区间，也容易与数值近似理论相结合。其结果往往适用于需要较高平滑度的应用场景。
4.3 提升方案
提升方案是一种从简单小波逐步改造出复杂小波的构造技术。它通过分裂、预测和更新等步骤，对原始变换进行局部修改，从而得到新的小波系统。
这种方法的优点是实现灵活、计算高效，而且便于构造双正交或非线性变体。很多现代离散小波变换都可在提升框架下解释。
4.4 递归生成方法
递归生成方法利用尺度函数或滤波器方程逐层生成小波及其变换关系。其核心是通过迭代公式不断细化近似空间，直到达到所需分辨率。
递归方式特别适合紧支撑结构，因为有限支撑通常意味着递推过程中的局部依赖关系也较为有限，从而简化了理论分析和程序实现。
5 典型类型
5.1 Haar小波
Haar小波是最简单的紧支撑小波，也是最早被广泛研究的实例之一。它由分段常数函数构成，具有极短支撑和极强局部性。
虽然Haar小波不够平滑，但其结构清晰、计算简便，非常适合作为入门模型和快速算法的基础。在离散信号处理中，它常用于粗略分解与边缘检测的初步分析。
5.2 Daubechies小波
Daubechies小波是一类经典的紧支撑正交小波，以较高的消失矩和较好的正则性著称。它们在支撑长度、平滑性和频域分离能力之间取得了较为平衡的结果。
这类小波在理论与实践中都很重要，是紧支撑小波家族中的核心代表。许多数值程序和图像处理算法都基于其滤波器结构实现。
5.3 Symlet小波
Symlet小波可以看作对Daubechies小波的改进版本之一，强调更好的近似对称性。虽然不可能完全对称，但其形状通常比同阶Daubechies小波更平衡。
在需要减轻相位畸变、改善边界表现的场景中，Symlet常被优先选用。它兼顾了紧支撑和较高阶的分析能力。
5.4 Coiflet小波
Coiflet小波具有较高的消失矩，并且尺度函数与小波函数在若干积分性质上表现良好。它常用于要求细节与近似同时较为稳定的分析任务。
与其他紧支撑小波相比，Coiflet通常在多项式逼近和数值计算中具有较好的性能，适合处理对误差敏感的场合。
5.5 双正交紧支撑小波
双正交紧支撑小波由一对相互对应的分析与合成系统构成。它们允许在保持紧支撑的同时获得更好的对称性和构造自由度。
这类小波在图像压缩和工程实现中非常常见，原因在于其重构稳定、滤波器设计灵活，而且能够适应不同应用对平滑性与局部性的要求。
6 理论应用
6.1 信号去噪
在信号去噪中，紧支撑小波可将信号分解为多尺度细节系数。噪声通常在高频细节层中表现得更为分散，而真实信号结构则往往集中于少数显著系数。
通过阈值处理或系数筛选，可以有效抑制噪声并保留主要特征。由于紧支撑小波局部性强，这种方法对非平稳信号尤其有效。
6.2 图像压缩
图像压缩利用小波变换将图像信息转化为稀疏系数表示。紧支撑小波在这一领域广受重视，因为它能很好地捕捉局部纹理、边缘和块状结构。
压缩过程通常保留少量重要系数，而舍弃大量接近零的细节项。这样既减少存储开销，也尽量维持视觉质量。
6.3 边缘检测
边缘检测需要识别信号或图像中的突变位置。紧支撑小波由于对局部不连续性敏感，能够在多尺度下较清晰地反映边缘信息。
通过观察不同尺度上的系数峰值或显著变化，可以提取边界轮廓。该方法常用于图像分割、目标识别和特征提取。
6.4 数值求解偏微分方程
紧支撑小波在偏微分方程数值求解中可作为基函数或试探函数。其局部支撑使得离散矩阵往往更稀疏，从而降低计算成本。
在谱方法和加权残量方法中，小波基可提供多尺度近似能力，并便于对局部奇异解进行自适应处理。
6.5 自适应逼近与稀疏表示
自适应逼近强调根据函数局部特征动态选择表示方式。紧支撑小波非常适合这一思想，因为其系数天然具有局部意义，便于按重要性筛选。
在稀疏表示中，目标是用尽可能少的非零系数描述对象。紧支撑小波通常能在保持较高精度的同时实现较稀疏的展开，因此在数据分析和科学计算中用途广泛。
7 相关概念
7.1 尺度函数与小波函数
尺度函数负责近似部分，小波函数负责细节部分。二者共同构成多分辨分析的基本单元，也是紧支撑小波系统中最核心的一对概念。
7.2 多尺度分析
多尺度分析研究对象在不同分辨率下的表现。紧支撑小波正是多尺度分析的重要工具，因为它能把全局问题拆分为多个局部层级来处理。
7.3 小波包
小波包是对小波分解进一步细化的一种扩展结构。它不仅分解近似部分，也可继续分解细节部分，因此具有更灵活的频带划分能力。
7.4 正交滤波器与镜像滤波器组
正交滤波器与镜像滤波器组是小波离散实现中的关键部件。前者用于满足能量保持和正交分解要求，后者则帮助构造互补的分析与重构通道。
7.5 紧支撑基与局部基
紧支撑基强调基函数的支撑有限，局部基则强调基函数在空间或频域中的局部响应。紧支撑小波常被视为典型的局部基，适合处理局部现象显著的问题。
8 研究与发展
8.1 经典理论的建立
紧支撑小波的发展建立在多分辨分析、滤波器理论和正交展开理论的基础之上。经典结果奠定了小波构造、频谱分析和快速算法的核心框架。
这些理论使小波从抽象函数空间对象转化为可计算工具，推动了其在数学与工程中的广泛传播。
8.2 高阶紧支撑小波的构造
高阶紧支撑小波的研究重点在于同时提高消失矩、正则性和数值稳定性。随着阶数升高，构造难度通常也会增加，尤其是在保持短支撑的前提下更为困难。
这一方向的成果不断扩展小波在高精度逼近、科学计算和复杂数据分析中的适用范围。
8.3 计算实现与算法优化
在实际计算中，紧支撑小波依赖快速变换、递归滤波和稀疏矩阵技术实现高效运算。算法优化通常关注计算复杂度、内存占用和边界处理。
随着硬件性能提升和并行计算发展，紧支撑小波的实现方式也不断改进，适用规模从一维信号扩展到高维数据与大规模模拟。
8.4 在现代数值科学中的扩展应用
在现代数值科学中，紧支撑小波已被用于自适应网格、误差估计、图算法、数据压缩和高维近似等方向。其局部性和多尺度性使其特别适合描述复杂结构和非均匀现象。
随着跨学科需求增加，紧支撑小波仍在不断演化，并与机器学习、稀疏建模和高性能计算等方法发生结合。