一维小波matlab命令分析.pptVIP

Matlab中的小波分析工具箱 Matlab小波分析工具箱提供了一个可视化的小波分析工具，是一个很好的算法研究和工程设计，仿真和应用平台。特别适合于信号和图像分析，综合，去噪，压缩等领域的研究人员。 常用的小波基函数： 怎样获取小波基的信息： 在Matlab窗口键入“waveinfo(‘参数名’） 用于验证算法的数据文件： 一维离散小波变换： 单层分解 [cA，cD]=dwt(X，’wname’) [cA，cD]=dwt(X， Lo_R ，Hi_R) 其中：cA ：低频分量， cD：高频分量 X：输入信号。 wname：小波基名称 Lo_R ：低通滤波器 Hi_R：高通滤波器 一维离散小波变换： 单层重构 X=idwt(cA，cD，’wname’) 用’wname’小波把近似系数cA和细节系数cD重建原始信号 X=idwt(cA，cD， Lo_R ， Hi_R) 一维离散小波变换： 单层重构 X=idwt(cA，cD，’wname’，L) 用’wname’小波把近似系数cA和细节系数cD重建信号中间长度为L的部分 X=idwt(cA，cD， Lo_R ， Hi_R，L) FWT(快速小波变换)： 多层次分解 [C，L]=wavedec(X，N，’wname’) [C，L]=wavedec(X，N， Lo_R， Hi_R) 其中：C ：各层分量， L：各层分量长度 N：分解层数 X：输入信号。 wname：小波基名称 Lo_R：低通滤波器 Hi_R：高通滤波器 FWT(快速小波变换)： 多层次分解 D=detcoef(C，L，N) 从分解系数[C，L]提取第N层细节系数 D=detcoef(C，L) 从分解系数[C，L]提取最后一层细节系数 FWT(快速小波变换)： 多层次分解 A=appcoef(C,L,’wname’ ,N) 用’wname’小波从分解系数[C,L]提取第N层近似系数 A=appcoef(C，L，Lo_R ， Hi_R，N) FWT(快速小波变换)： 多层次分解 A=appcoef(C,L,’wname’) 用’wname’小波从分解系数[C,L]提取最后一层近似系数 A=appcoef(C，L，Lo_R ， Hi_R) 例子： Load noissin %读入白噪信号 S=noissin(1:1000); %取信号的前1000个采样点 [c,l]=wavedec(s,3, ‘db4); %对信号做层数为3的多尺度分解 [cd1,cd2,cd3]=detcoef(c ,l,[1,2,3]); %得到尺度3的近似系数 ca3=appcoef(c,l,’db4’,3); 例子 subplot(511);plot(1:1000,s);title(‘s) Subplot(512);plot(1:l(1),ca3);title (‘ca3); Subplot(513);plot(1:l(2),cd3);title (‘cd3); %1(i)存放的是相应参数的长度 Subplot(514);plot(1:l(3),cd2);title (‘cd2); Subplot(515);plot(1:l(4),cd1);title (‘cd1); %将原始信号和分解后得到的一组近似信号和3组 细节信号的波形显示出来。 FWT(快速小波变换)： 多层次重构 X =waveerec(C，L ，’wname’) 用’wname’小波对分解系数[C,L]进行一维小波重构。 X =waverec(C，L ，Lo_R, Hi_R) 例子： Load noissin %读入白噪信号 S=noissin(1:1000); %取信号的前1000个采样点 [c,l]=wavedec(s,3, ‘db4’); %对信号做层数为3的多尺度分解 rs=waverec(c ,l, ‘db4’); %对信号进行重构 例子 subplot(211);plot(s);title(‘原始讯号’) Subplot(212);plot(rs);title (‘重构信号’); %将原始信号和重构信号的波形显示出来。 FWT(快速小波变换)： 单尺度重构