小波分解重构算法的实践.DOC

小波分解重构算法的实践 天津大学 建筑工程学院岩土工程专业 1015205008 林澍 一、 小波是一种震荡形式，具有正负相间的振幅。这种震荡形式因为具有衰减性，长度有限，均值为0，且具有波动性，所以称为小波。小波分析是通过选取适合的小波基底来对信号进行处理，通过伸缩平移运算将信号的细部信息体现出来。小波分析不仅在时域上将信号进行了局部化处理，而且能够在频率上进行调节。 二、 可供选择的小波基非常多，常用的有Haar小波，Daubechies小波，Biorthogonal小波，Symlets小波等。不同小波各有优缺点，应根据信号特征选取适合的小波。 本次实践不对信号进行其他处理，因此仅选用一种小波对信号进行分解重构处理。选用db1小波，即Haar小波。 Haar小波是一个正交函数系，其表达式为 Haar小波函数的一般形式为 ，k=0,1,2,…,2j-1 三、 本次实践通过MATLAB进行，对地震波信号进行三层分解，再重构回原信号，并将原是新号和重构信号进行对比。信号的分解和重构过程示意图如图1所示。 图1 信号分解和重构示意图 所使用的MATLAB程序代码如下： clear all; clc; A=textread(NS.txt); %提取地震波信号 N=length(1:1024); Time=(0:(N-1))*0.02; figure(1) plot(Time,A); title(原始地震波信号); [c,l]=wavedec(A,3,db1); %用db1小波对地震波信号A进行3层小波分解 cd1=detcoef(c,l,1); %提取第一层细节系数 cd2=detcoef(c,l,2); %提取第二层细节系数 cd3=detcoef(c,l,3); %提取第三层细节系数 ca3=appcoef(c,l,db1,3); %使用小波分解框架[c,l]计算第三层小波系数近似值 ca2=appcoef(c,l,db1,2); %使用小波分解框架[c,l]计算第二层小波系数近似值 ca1=appcoef(c,l,db1,1); %使用小波分解框架[c,l]计算第一层小波系数近似值 figure(2); subplot(3,2,1);plot(ca3); title(a3);title(第3层频分解);label(ca3); subplot(3,2,3);plot(ca2); title(a2); title(第层频分解);label(ca2); subplot(3,2,5);plot(ca1); title(a1); title(第层频分解);label(ca1); subplot(3,2,2);plot(cd3); title(h3); title(第3层高频分解);label(cd3); subplot(3,2,4);plot(cd2); title(h2); title(第层高频分解);label(cd2); subplot(3,2,6);plot(cd1); title(h1); title(第层高频分解);label(cd1); %进行重构计算 figure(3); A2=waverec(c,l,db1); %将信号重构 subplot(2,1,1),plot(Time,A); title(原始); subplot(2,1,2),plot(Time,A2); title(重构信号); 图2 原始地震波信号 信号分解后的各层信号曲线如图3所示。左边一列是各层信号的低频部分，右边一列是高频部分。 图3 信号分解后各层信号图 将信号重构后，与原信号进行对比，如图4所示。由此可见，重构后的信号和原信号并没有什么差别，因为本次实践仅仅是将信号分解了再重构，并没有做其他处理。如果将信号分解之后，略去低频或高频部分信号，则重构信号与原信号会不同。一般情况下，信号的处理会将高频信号去除，即“去噪”，保留下的低频信号再重构回去，得到我们想要的信号。 图4 原信号和重构信号对比 四、总结