小波信号分解与重构的Matlab程序.docVIP

Matlab小波分析工具箱丰富的函数和强大的仿真功能为我们学习小波、用好小波提供了方便、快捷的途径，但是，如果我们要深入掌握小波分析的原理，真正学好、用好小波，就应该尽量用自己编写的程序去实现小波变换和信号分析，尽量在自己的程序中少调用Matlab提供的函数，多用自己的理解去编写相关的小波函数，这样的过程是一个探索、求知的过程，更能让我们体会到小波的强大和学习的乐趣。下面，我把自己编写的小波一维、二维信号分解和重构Matlab程序共享出来，也希望有朋友共享自编的程序，共同学习，提高程序的效率和简洁性。 首先要说明的一点是，虽然是自己编写Matlab程序，但并不是说一点也不用Matlab的自带函数。我们要编写的是实现小波变换的主要功能函数，而绘图等基本功能还是要用到Matlab函数的。而且，根据小波变换的滤波器组原理，原始信号要通过低通、高通滤波器处理，这里就涉及到卷积这一运算步骤。卷积——FFT算法的实现，相信很多朋友都能用 Matlab、C语言等来实现，不过与Matlab自带的用机器语言编写的FFT程序相比，运算速度一般会慢几倍、几十倍。所以，我的程序里边涉及卷积的就直接调用Matlab的conv()函数了。 我们知道，小波变换的一级分解过程是，原始信号分别进行低通、高通滤波，再分别进行二元下抽样，就得到低频、高频（也称为平均、细节）两部分系数；而多级分解则是对上一级分解得到的低频系数再进行小波分解，是一个递归过程。以下是一维小波分解的程序： function [cA,cD] = mydwt(x,lpd,hpd,dim);% 函数 [cA,cD]=MYDWT(X,LPD,HPD,DIM) 对输入序列x进行一维离散小波分解，输出分解序列[cA,cD]% 输入参数：x——输入序列；%????????? lpd——低通滤波器；%????????? hpd——高通滤波器；%????????? dim——小波分解级数。% 输出参数：cA——平均部分的小波分解系数；%?????????? cD——细节部分的小波分解系数。cA=x;?????? % 初始化cA，cDcD=[];for i=1:dim??? cvl=conv(cA,lpd);?? % 低通滤波，为了提高运行速度，调用MATLAB提供的卷积函数conv()??? dnl=downspl(cvl);?? % 通过下抽样求出平均部分的分解系数??? cvh=conv(cA,hpd);?? % 高通滤波??? dnh=downspl(cvh);?? % 通过下抽样求出本层分解后的细节部分系数??? cA=dnl;???????????? % 下抽样后的平均部分系数进入下一层分解??? cD=[cD,dnh];??????? % 将本层分解所得的细节部分系数存入序列cDendfunction y=downspl(x);% 函数 Y=DOWMSPL(X) 对输入序列进行下抽样，输出序列 Y。% 下抽样是对输入序列取其偶数位，舍弃奇数位。例如 x=[x1,x2,x3,x4,x5]，则 y=[x2,x4].N=length(x);??????? % 读取输入序列长度M=floor(N/2);??????? % 输出序列的长度是输入序列长度的一半（带小数时取整数部分）i=1:M;y(i)=x(2*i); 而重构则是分解的逆过程，对低频系数、高频系数分别进行上抽样和低通、高通滤波处理。要注意重构时同一级的低频、高频系数的个数必须相等。 function y = myidwt(cA,cD,lpr,hpr);% 函数 MYIDWT() 对输入的小波分解系数进行逆离散小波变换，重构出信号序列 y% 输入参数：cA —— 平均部分的小波分解系数；%?????????? cD —— 细节部分的小波分解系数；%?????????? lpr、hpr —— 重构所用的低通、高通滤波器。lca=length(cA);???????????? % 求出平均、细节部分分解系数的长度lcd=length(cD);while (lcd)=(lca)????????? % 每一层重构中，cA 和 cD 的长度要相等，故每层重构后，??????????????????????????? % 若lcd小于lca，则重构停止，这时的 cA 即为重构信号序列 y 。??? upl=upspl(cA);????????? % 对平均部分系数进行上抽样??? cvl=conv(upl,lpr);????? % 低通卷积?? ??? cD_up=cD(lcd-lca+1:lcd);??? % 取出本层重构所需的细节部分系数，长度与本层平均部分系数的长度