第九章流媒体技术与小波变换（补充） 什么是流媒体？ 流媒体简单来说就是应用流技术在网络上传输的多媒体文件，而流技术就是把连续的影像和声音信息经过压缩处理后放上网络服务器，让用户一边观看、收听，而不需要等整个压缩文件下载到自己机器后才可以观看的网络传输技术。 该技术先在用户端的电脑上创造一个缓冲区，于播放前预下载一段资料作为缓冲，当网络时间连接速度小于播放所需要信息的速度时，播放程序就会取用这一段缓冲区内的信息，避免播放的中断，也使得播放品质得以维持。

流媒体的介绍 流媒体（Streaming Media）(流音乐、流视频)——音乐、视频信息在线上传输的通道现象即在线影音。 基础：宽带时代的到来 采样流式通道最有名的播放器之一就是Real Networks公司的Real Player播放器、Real Player G2。

流媒体的3大平台 基本功能： 将一般非流格式，压缩编码成流格式的文件 传送至流媒体服务器上管理及发送至指定的观众 用户下载后，经过流解码程序播放出音乐和影片。 3大平台： Real Networks、Microsoft、Apple 从创作、传输、服务、到后端的下载、播放，Real Networks在每一个环节都有相对应的产品，而且每个产品都有两各版本，Basic(免费)和Plus专业版

流媒体技术的应用 远程教育 宽带网视频点播 互联网直播 视频会议 目前，互联网进行多媒体交互教学的技术多为流媒体，如：Real System Flash、Shockware等技术常应用于网络教学 除实时教学外，流媒体中VOD(视频点播)技术，也是网络教学方式 宽带网视频点播 由于流媒体经过了特殊的压缩编码，适合互联网上传输；由于采用了先进的机群技术，可对大规模并发点播请求进行分布式处理，适应大规模点播环境。 互联网直播 每年一度《春节晚会》都提供网上现场直播 视频会议 视频会议是流媒体的一个商业用途。

小波分析 小波分析是近十几年才发展起来并迅速应用到图像处理和语音分析等众多领域的一种数学工具。 小波简史：   傅立叶理论指出，一个信号可表示成一系列正弦和余弦函数之和，叫做傅立叶展开式。用傅立叶表示一个信号时，只有频率分辨率而没有时间分辨率，这就意味我们可以确定信号中包含的所有频率，但不能确定具有这些频率的信号出现在什么时候。为了继承傅立叶分析的优点，同时又克服它的缺点，人们一直在寻找新的方法。 20世纪初，哈尔(Alfred Haar)对在函数空间中寻找一个与傅立叶类似的基非常感兴趣。1909年他发现了小波，并被命名为哈尔小波(Haar wavelets)，他最早发现和使用了小波。 20世纪70年代，当时在法国石油公司工作的年轻的地球物理学家Jean Morlet提出了小波变换(wavelet transform, WT)的概念。

小波的应用 小波变换的主要算法则是由法国的科学家Stephane Mallat在1988年提出[1]。他在构造正交小波基时提出了多分辨率的概念，从空间上形象地说明了小波的多分辨率的特性，提出了正交小波的构造方法和快速算法，叫做Mallat算法[1]。该算法统一了在此之前构造正交小波基的所有方法，它的地位相当于快速傅立叶变换在经典傅立叶分析中的地位。 许多著名科学家把这个小波理论引入到工程应用方面。在信号处理中，自从S.Mallat和Inrid Daubechies发现滤波器组与小波基函数有密切关系之后，小波在信号(如声音信号，图像信号等)处理中得到极其广泛的应用。 经过十几年的努力，这门学科的理论基础已经基本建立，并成为应用数学的一个新领域。这门新兴学科的出现引起了许多数学家和工程技术人员的极大关注，是国际科技界和众多学术团体高度关注的前沿领域。

几种一维小波 小波是定义在有限间隔而且其平均值为零的一种函数，从许多使用比较广泛的小波中挑选出的几种一维小波。

小波分析 信号分析一般是为了获得时间和频率域之间的相互关系。傅立叶变换提供了有关频率域的信息，但时间方面的局部化信息却基本丢失。与傅立叶变换不同，小波变换通过平移母小波(mother wavelet)可获得信号的时间信息，而通过缩放小波的宽度(或者叫做尺度)可获得信号的频率特性。对母小波的缩放和平移操作是为了计算小波的系数，这些系数代表小波和局部信号之间的相互关系。

连续小波变换 小波分析中常用的三个基本概念：连续小波变换、离散小波变换和小波重构。 连续小波变换：傅立叶分析是把一个信号分解成各种不同频率的正弦波，因此正弦波是傅立叶变换的基函数。同样，小波分析是把一个信号分解成将原始小波经过移位和缩放之后的一系列小波，因此小波同样可以用作表示一些函数的基函数。可以说，凡是能够用傅立叶分析的函数都可以用小波分析，因此小波变换也可以理解为用经过缩放和平移的一系列函数代替傅立叶变换的正弦波。 小波的缩放因子与信号频率之间的关系可以这样来理解。缩放因子小，表示小波比较窄，度量的是信号细节，表示频率比较高；相反，缩放因子大，表示小波比较宽，度量的是信号的粗糙程度，表示频率比较低。

离散小波变换： 在计算连续小波变换时，实际上也是用离散的数据进行计算的，只是所用的缩放因子和平移参数比较小而已。不难想象，连续小波变换的计算量是惊人的。为了解决计算量的问题，缩放因子和平移参数都选择(>0的整数)的倍数。使用这样的缩放因子和平移参数的小波变换，它是离散小波变换(discrete wavelet transform，DWT)的一种形式离散小波变换分析图  。

小波重构 离散小波变换可以用来分析或者叫做分解信号，这个过程叫做分解或者叫做分析。把分解的系数还原成原始信号的过程叫做小波重构(wavelet reconstruction)或者叫做合成(synthesis)，数学上叫做逆离散小波变换(inverse discrete wavelet transform，IDWT)。

小波变换的例子 自我照片处理