小波信号软件设计实验报告.docVIP

2014-2015年小波信号软件设计 基于matlab的小波信号处理的软件设计 实 验 报 告 班级：******* 姓名: ******** 学号：********* 指导老师：****** 一、实验名称：基于小波信号处理的软件设计 二、实验背景 小波分析诞生于20世纪80年代，由于传统的信号理论，是建立在基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性，如不具备局部化分析能力、不能分析非平稳信号等。在实际应用中人们开始对Fourier变换进行各种改进，以改善这种局限性，如（短时傅立叶变换）。由于STFT采用的的滑动窗函数一经选定就固定不变，故决定了其时频分辨率固定不变，不具备自适应能力，很好的解决了这个问题。小波分析是一种新兴的分支，它是、Fourier分析、、的最完美的结晶；在应用领域，特别是在、、以及众多领域，它被认为是继Fourier分析之后的又一有效的时频分析方法。小波变换与Fourier变换相比，是一个时间和频域的局域变换因而能有效地从信号中提取信息，通过平移等运算功能对或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题。因而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展 从图像处理的角度看，小波变换存在以下几个优点： ⑴小波分解可以覆盖整个频域（提供了一个数学上完备的描述） ⑵小波变换通过选取合适的滤波器，可以极大的减小或去除所提取得不同特征之间的相关性 ⑶小波变换具有“变焦”特性，在低频段可用和低时间分辨率（宽分析窗口），在高频段，可用低频率分辨率和高时间分辨率（窄分析窗口） ⑷小波变换实现上有快速算法（Mallat小波分解算法） 计算机、Matlab编辑工具 三、实验任务： 本次小波信号处理实验主要使用MATLAB软件,用Daubechies小波对一维信号进行小波分解与重构。 四、实验内容： 1.一维小波分解与重构 Cd1 Cd2 S Cd3 Ca1 Ca2 Ca3 Cd4 图2 一维小波多尺度重构原理图 算法实现过程如下： 1、使用matlab自带函数load noission 显示原始图像 如下： 2,、利用matlab自带函数[A,D]=dwt(s,db5) 对原始信号进行单尺度一维离散小波分析，并显示其分解的低频和高频系数，图形如下： 3、利用matlab函数wavedec对信号进行多尺度分解，这里进行4层分解。[C,L]=wavedec(s,4,db5)，得出各分解层数低频系数和高频系数。如下图所示： 小波变换的算法如下： %利用MATLAB工具中的小波变换函数实现 load noissin figure(1) subplot(1,1,1);plot(s);title(原始信号noissin); %下面是单尺度一维离散小波分析 [A,D]=dwt(s,db5); figure(2) subplot(2,1,1);plot(A);title(单尺度分解的低频系数); %显示单尺度分解的低频系数和高频系数 subplot(2,1,2);plot(D);title(单尺度分解的高频系数); %下面是多尺度一维分解，这里进行四尺度分解 [C,L]=wavedec(s,4,db5); %利用小波‘db5对信号S进行4层分解，求得的近似系数存放在数组C中，细节系数存放在数组L中。 A4=appcoef(C,L,db5,4); %从C中提取第四层的低频系数 D4=detcoef(C,L,4); %从C中提取第四层的高频系数 D3=detcoef(C,L,3); %从C中提取第三层的高频系数 D2=detcoef(C,L,2); %从C中提取第二层的高频系数 D1=detcoef(C,L,1); %从C中提取第一层的高频系数 figure(3) subplot(5,1,1);plot(D1);title(第一层分解