小波变换与小波滤波.ppt

连续小波变换： 格式： coefs=cwt(s,scales,’wname’) coefs=cwt(s,scales,’wname’,’plot’) 说明： s:输入信号 scales: 需要计算的尺度范围 wname:所用的小波基 plot: 用图像方式显示小波系数 例子： c = cwt(s,1:32,meyr) c = cwt(s,[64 32 16:-2:2],morl) c = cwt(s,[3 18 12.9 7 1.5],db2) 一维离散小波变换： dwt [cA,cD]=dwt(X,’wname’) [cA,cD]=dwt(X,H,G) 其中：cA ：低频分量， cD ：高频分量 X：输入信号。 wname：小波基名称 H：低通滤波器 G：高通滤波器 一维信号多层小波分解命令： [A,L]=wavedec(X,N，’wname’) [A,L]=wavedec(X,N,H,G) 其中：A：各层分量， L：各层分量长度 N：分解层数 X：输入信号。 wname：小波基名称 H：低通滤波器 G：高通滤波器 二维信号多层小波分解： [A,L]=wavedec2(X,N，’wname’) [A,L]=wavedec2(X,N,H,G) 其中：A：各层分量， L：各层分量长度 N：分解层数 X：输入信号。 wname：小波基名称 H：低通滤波器 G：高通滤波器 二维离散小波变换： dwt2 [cA,cH,cV,cD]=dwt2(X,’wname’) [cA,cH,cV,cD]=dwt2(X,H,G) 其中：cA ：低频分量， cH：水平高频分量 cV：垂直高频分量 cD：对角高频分量 X：输入信号。 wname：小波基名称 H：低通滤波器 G：高通滤波器 * 即：FT变换只是一种纯频域的分析方法，它在频域里的定位是十分准确的（即频域分辨率最高），而在时域无任何定位性。 * STFT: Short Time Fourier Transform 又称加窗傅立叶变换 * STFT: Short Time Fourier Transform 又称加窗傅立叶变换 * * (1) 重构近似信号与细节信号 由小波分解的近似系数和细节系数可以重构出原始信号。 同样，可由近似系数和细节系数分别重构出信号的近似值或细节值，这时只要近似系数或细节系数置为零即可。 1.7 小波重构 * 重构近似和细节信号示意 （a） 重构近似信号； (b) 重构细节信号 1.7 小波重构 * (2)多层重构 重构出信号的近似值A1与细节值D1之后，则原信号可用A1＋D1＝S重构出来。对应于信号的多层小波分解，小波的多层重构图: 1.7 小波重构 * 重构过程为：A3＋D3＝A2；A2＋D2＝A1； A1+D1＝S。 1.7 小波重构 应用之一：小波分析信号去噪中的应用 主要内容 心电信号的噪声特点 小波分析与传统信号处理方法的比较 小波去噪的基本原理 小波去噪的基本步骤 小波去噪中的阈值函数和阈值的选取 小波去噪中小波函数的选择 去噪效果的评价 程序说明 总结 心电信号（ECG）是典型的强噪声的非平稳的随机信号。正常心电信号的频率范围在0.01 Hz-100Hz之间，而90%的ECG频谱能量又集中在0.25 H z-35H z之间。 在心电信号的采集和A/ D 转换过程中,心电信号不可避免地受到各种类型的噪声干扰,概括起来主要包括以下三类噪声: 一、心电信号的噪声特点 一、心电信号的噪声特点 （1）由于电源磁场作用于心电图机与人体之间的环形电路所致的50 Hz/ 60 Hz 工频干扰; （2）由于病人肌肉紧张产生的肌电干扰; （3）由于病人呼吸运动或者由电极—电极—皮肤之间界面阻抗所致的频响,一般小于1 Hz 的基线漂移； 这些噪声干扰与心电信号混杂,引起心电信号的畸变,使整个心电信号波形模糊不清,对随后的信号分析处理,尤其是计算机自动识别诊断造成误判和漏判,因此,心电信号的消噪有重要的意义。 一、心电信号的噪声特点 二、小波分析的去噪原理 在实际工程应用中，通常所分析的信号具有非线性，非平稳,并且奇