DWT完美重构条件验证异常：Python实现与理论不符求助

核心原因：滤波器z变换的映射错误 #

你的代码计算和文献中的完美重构条件未正确对应，主要存在两点偏差：

1. $H(-z)$ 的实现逻辑错误 #

文献中 $H(-z)$ 对应的是滤波器序列元素交替取反，而非简单的序列反转（dec_lo[::-1]）。从z变换定义来看：$H(-z) = \sum h[n] (-z)^{-n} = \sum h[n] (-1)^{-n} z^{-n}$，对应时域序列是 $h[n] \cdot (-1)^n$，和序列反转完全是两回事。

2. 滤波器对应关系的理解偏差 #

PyWavelets中，重构滤波器与分解滤波器的完美重构关系，需要结合序列反转+z域移位来实现，你直接使用点乘求和的方式，完全不符合z域乘积对应的时域卷积逻辑。

修正后的验证代码 #

以下是符合文献条件的正确实现：

import pywt
import numpy as np

for w in pywt.wavelist(kind="discrete"):
    wavelet = pywt.Wavelet(w)
    dec_lo, dec_hi = np.array(wavelet.dec_lo), np.array(wavelet.dec_hi)
    rec_lo, rec_hi = np.array(wavelet.rec_lo), np.array(wavelet.rec_hi)
    
    # 生成 H(-z) 和 G(-z) 对应的时域序列
    n_lo = np.arange(len(dec_lo))
    n_hi = np.arange(len(dec_hi))
    dec_lo_negz = dec_lo * ((-1) ** n_lo)
    dec_hi_negz = dec_hi * ((-1) ** n_hi)
    
    # 别名消除条件：tilde{H}(z)H(-z) + tilde{G}(z)G(-z) = 0
    # z域乘积对应时域反转卷积，求和取0延迟项
    alias_cancellation = np.sum(rec_lo * dec_lo_negz[::-1]) + np.sum(rec_hi * dec_hi_negz[::-1])
    # 无失真条件：tilde{H}(z)H(z) + tilde{G}(z)G(z) = 2
    distortionless = np.sum(rec_lo * dec_lo[::-1]) + np.sum(rec_hi * dec_hi[::-1])
    
    # 浮点精度下结果会接近理论值
    print(f"{w}: 别名消除={alias_cancellation:.6f}, 无失真={distortionless:.6f}")

补充说明 #

• 你之前结果颠倒的原因：误将H(-z)的实现写成了H(z^{-1})（序列反转），同时把H(z)的计算逻辑套用在了原本属于H(-z)的条件上，导致两个条件的结果完全错位。
• 数值精度问题：实际运行结果会非常接近0和2（如1.9999999999999996或-1e-15），这是浮点计算的正常误差，可视为符合理论条件。

内容的提问来源于stack exchange，提问作者CLRW97