小波变换2007研究报告.ppt

图9-18 例9-6运行结果 2．识别信号中的频率成分 例9-7．以小波分析识别MTALAB自带的sumsin信号，此信号由三种不同频率正弦信号叠加而成。 解 load sumsin; s=sumsin; figure(1); subplot(6,1,1); plot(s); ylabel(s); title(原始信号和各层近似); [c,l]=wavedec(s,5,db3); for i=1:5 decom=wrcoef(a,c,l,db3,6-i); subplot(6,1,i+1); plot(decom); ylabel([a,num2str(6-i)]); end figure(2); subplot(6,1,1); plot(s); ylabel(s); title(原始信号和各层细节); [c,l]=wavedec(s,5,db3); for i=1:5 decom=wrcoef(d,c,l,db3,6-i); subplot(6,1,i+1); plot(decom); ylabel([d,num2str(6-i)]); end 图9-19 例9-6运行结果 3．信号去噪 信号去噪声是小波分析的一个重要的应用。一般的，含噪声的一维信号 可表示为 例9-8．利用小波分析对含噪声信号noissin进行去噪处理。 解 %含噪信号 load noissin; ns=noissin; subplot(2,1,1); plot(ns); title(含噪信号); %===================== %进行消噪处理 xd=wden(ns,minimaxi,s,one,5,db3); subplot(2,1,2); plot(xd); title(去噪信号); 图9-20 例9-8运行结果 4．信号压缩 由于比较规则的信号含有数据量很小的低频系数。因此可以用小波分析的方法对之进行压缩。具体步骤为： 小波分解； 对高频系数进行阈值量化处理； 对量化后的系数进行小波重构。 例9-9．用小波分析的方法对信号leleccum进行压缩。 解 %装载信号 load leleccum; %============================ %截取信号中的一段[2600，3100] s=leleccum(2600:3100); %============================ %用小波db3对s进行三层分解 [c,l]=wavedec(s,3,db3); %============================ %选用全局阈值进行信号压缩处理 thr=40; [sd,csd,lsd,perf0,perfl2]=wdencmp(gbl,c,l,db3,3,thr,h,1); subplot(2,1,1); plot(s); title(原始信号); subplot(2,1,2); plot(sd); title(压缩后的信号); 图9-21 例9-9的运行结果 5．利用小波包进行信号去噪 例9-10．以小波包分析对信号noismima进行去噪处理。 解 %装载原始信号并图示之 load noismima; s=noismima(1:1000); subplot(2,2,1); plot(s); title(原始信号); %============================== %采用默认阈值、用wdencmp函数进行消噪处理 [thr,sorh,keepapp,crit]=ddencmp(den,wp,s); %============================== %用全局阈值选项进行消噪处理 [c,treed,perf0,perfl2]=... wpdencmp(s,sorh,3,db2,crit,thr,keepapp); subplot(2,2,3); plot(c); title(默认阈值消噪信号); %============================== %根据前面的消噪效果，调节阈值大小进行消噪 thr=thr+15; [c1,treed,perf0,perfl2]=... wpdencmp(s,sorh,3,db2,crit,thr,keepapp); subplot(2,2,4); plot(c1); title(调节阈值后的消噪信号); 图9-22 例9-10的运行结果 6．图像 例9-11．利用二维小波分析和图像的中值滤波对一给定的含噪图像进行平滑处理。 解 %装载原始图像 load gatlin; %=======================