生成一个含噪信号,利用小波和小波包去噪,比较差异.docVIP

题目：生成一个含噪信号，利用小波和小波包去噪，比较差异 %% clear all clc % 产生含噪信号 t=0:1000; x=4*sin(0.05*t); noisyx=awgn(x,0); subplot(411),plot(x),title(原始信号); subplot(412),plot(noisyx),title(含噪信号); % 使用小波降噪 xd1=wden(noisyx,minimaxi,s,one,6,sym8); subplot(413),plot(xd1),title(用小波去噪后的信号); % 使用小波包降噪 n=length(noisyx); thr=sqrt(2*log(n*log(n)/log(2))); xd2=wpdencmp(noisyx,s,6,sym8,sure,thr,1); subplot(414),plot(xd2),title(用小波包降噪后的信号); 问题：降噪后的图形为何在x轴上有一定偏移 题目2：研究小波包分解终各节点的重构系数 %% load noisdopp; x=noisdopp; % 利用db3小波包在第三层对x进行分解，使用shannon熵 wx=wpdec(x,3,db1,shannon); plot(wx);%画出小波包树 %重构小波包节点（2,1） rcfs=wprcoef(wx,[2,1]); figure subplot(211);plot(x);title(原始信号); subplot(212);plot(rcfs);title(重构小波包节点（2,1）); 题目3：生成最优树，给出其熵值 %% load noisbump; x=noisbump; % 利用db3小波包在第三层对x进行分解，使用shannon熵 wx=wpdec(x,3,db1,shannon); %分解小波包[3 0] wpt=wpsplt(wx,[3 0]); %画出小波包树 plot(wpt); %计算最优小波包树 blt=bestlevt(wpt); plot(blt); %读取所有节点的熵值 nodes=allnodes(wpt) ent=read(wpt,ent,nodes); ent ans = 1.0e+005 * Columns 1 through 11 -1.0672 -1.2091 -0.0026 -1.3426 -0.0035 -0.0014 -0.0014 -1.4396 -0.0142 -0.0027 -0.0004 Columns 12 through 17 -0.0015 -0.0006 -0.0006 -0.0004 -1.4294 -0.0428