小波去噪函数要点.docVIP

转：小波函数介绍（wden） 2012-11-23 16:08:41| 分类： 小波与神经网络|举报|字号 订阅 小波函数介绍（wden）Wden函数：一维信号的小波消噪处理[xd，cxd，lxd]=wden（x，tptr，sorh，scal，n，‘wname’）；返回经过小波消噪处理后的信号xd及其小波分解结构。输入参数tptr为阈值选择标准：thr1=thselect(x,rigrsure);%stein无偏估计;thr2=thselect(x,heursure);%启发式阈值;thr3=thselect(x,sqtwolog);%固定式阈值;thr4=thselect(x,minimaxi);%极大极小值阈值;输出参数sorh为函数选择阈值使用方式：Sorh=s，为软阈值；Sorh=h，为硬阈值；输入参数scal规定了阈值处理随噪声水平的变化：Scal=one，不随噪声水平变化。Scal=sln，根据第一层小波分解的噪声水平估计进行调整。Scal=mln，根据每一层小波分解的噪声水平估计进行调整。[xd，cxd，lxd]=wden（c，l，tptr，sorh，scal，n，‘wname’）；由有噪信号的小波分解结构得到消噪处理后的信号xd，及其小波分解结构。例：比较不同阈值算法进行信号消噪的处理结果；r=2055415866;snr=3;%设置信噪比;[xref,x]=wnoise(3,11,snr,r);%产生有噪信号;lev=5;xdH=wden(x,heursure,s,sln,lev,sym6);%heursure阈值信号处理；xdR=wden(x,rigrsure,s,sln,lev,sym6);%rigrsure阈值信号处理；xdS=wden(x,sqtwolog,s,sln,lev,sym6);%sqtwolog阈值信号处理；xdM=wden(x,minimaxi,s,sln,lev,sym6);%minimaxi阈值信号处理；subplot(3,2,1);plot(xref);title(原始信号);axis([1,2048,-10,10]);subplot(3,2,2);plot(x);title(有噪信号);axis([1,2048,-10,10]);subplot(3,2,3);plot(xdH);xlabel(heursure阈值消噪处理后的信号);axis([1,2048,-10,10]);subplot(3,2,4);plot(xdR);xlabel(rigrsure阈值消噪处理后的信号);axis([1,2048,-10,10]);subplot(3,2,5);plot(xdS);xlabel(sqtwolog阈值消噪处理后的信号);axis([1,2048,-10,10]);subplot(3,2,6);plot(xdM);xlabel(minimaxi阈值消噪处理后的信号); 1.randn()——噪声信号产生例程 load leleccum; index=1:1024; x=leleccum(index); % 产生含噪信号 init=2055615866； randn（seed,init); nx=x+18*randn(size(x)); 2.wnoiset()——获取噪声方差 load leleccum; index=1:1024; x=leleccum(index); % 产生含噪信号 init=2055615866； randn（seed,init); nx=x+18*randn(size(x)); % 用小波函数db6对信号进行3层分解 [c,l]=wavedec(nx,3,db6); % 估计尺度1的噪声标准偏差 sigma=wnoiset(c,l,1); % sigma 是零均值的高斯白噪声的标准偏差 % 获取消噪过程中的阈值 thr=wbmpen(c,l,sigma,alfa); % alfa是用于惩罚的调整参数，一般去2 % 对信号进行消噪 xd=wdencmp(gbl,c,l,db6,3,thr,s,keepapp); % 一种消噪命令 3.svd 奇异值分解 (sigular value decomposition,SVD) 是一种正交矩阵分解法；SVD是最可靠的分解法，但是它比QR 分解（QR分解法是将矩阵分解成一个正规正交矩阵与上三角形矩阵。）法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵，而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方