小波分析第二次作业——分解重构算法的实现.PDFVIP

小波分析第二次作业——分解重构算法的实现 郭欣仪 精仪学院2015 级仪器科学与技术一班（博） 学号：1015202034 1 理论分析 本次分解重构算法的演示将采用MATLAB 中的小波工具实现。分解与重构算 法是小波分析中最重要的工具之一，几乎大部分的工程应用，如信号去噪、图像处 理等，都离不开这一算法。这里，我们使用的是MATLAB 中的离散小波变换 wavedec 函数。下图1介绍了这一函数进行小波分解重构的原理： 图1 离散小波变换wavedec分解过程 图中所示的过程解释如下：原始信号S进行低通、高通滤波和下抽样，得到两 部分结果：低频近似系数CA1和高频细节系数CD1，这是小波变换的一级分解过 程。在此基础上，对一级分解的近似系数CA1进一步分解成CA2和CD2，以此类 推，就得到了小波变换的多级分解。图中所示为三级分解，最终得到了近似系数 CA3和三个细节系数CD1、CD2、CD3 。信号的重构则是一个逆过程，对获得的近 似系数和细节分量进行上抽样、低通和高通滤波处理，得到重构后的函数。 MATLAB 中的wavedec 函数与dwt函数功能类似，只不过一个是多层分解，一 个是单层分解，wavedec 函数就是dwt函数的叠加。所以，直接使用wavedec 函数， 和多次使用dwt函数结果是一样的。各自的函数参量表示如下： [CA,CD]=dwt(S,wavename) ：dwt 函数，使用小波wavename对信号S 进行单 层分解，求得的近似系数存放在CA 中，细节系数存放在CD 中。 [C,L]=wavedec(S,N, wavename )：wavedec 函数，使用小波 wavename 对信号 S 进行N 层分解，所得的近似系数存放在数组C 中，细节系数存放在数组L 中。 在我们的程序中，还会用到以下几个函数： A=appcoef(C,L,wavename,N) ：利用小波wavename从分解系数[C,L]中提取第 N 层近似系数。 D=detcoef(C,L,N) ：从分解系数[C,L]中提取第N 层细节系数。 S=waverec(C,L, wavename) ：利用小波wavename进行小波重构。 本次演示使用的信号是一个构造的简单一维信号。此信号带有信号突变的边界 和高斯白噪声，模拟了工程应用中常见的信号类型。分解层数采用了三层，以db1 小波作为分解基底。具体的程序和仿真结果会在后面介绍。 2 仿真程序及语句含义 具体程序如下： clear all s=zeros(256,1); s(41:216)=1; s(70:90)=1.5; s(170:185)=1.2; %构造一个带有突变边界的原始信号 n=wgn(256,1,-20);%-20dbm 的高斯白噪声 s=s+n;%加入噪声后的信号 figure(1),plot(s);grid on;xlabel(原始信号); % 出图，显示此信号 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% [c,l]=wavedec(s,3,db1); %使用db1小波对信号进行三层分解 [cd1,cd2,cd3]=detcoef(c,l,[1 2 3]); %提取分解后的各层细节信息 ca1=appcoef(c,l,db1,1); ca2=appcoef(c,l,db1,2); ca3=appcoef(c,l,db1,3); %提取分解后的各层近似系数 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% figure(2),subplot(325); grid on;plot(cd3);title(第3层高频分解); figure(2),subplot(323); grid on;plot(cd2);title(第2层高频分解); figure(2),subplot(321); grid on;plot(cd1);title(第1层高频分解); figure(2),subplot(326); gr