数字信号处理DSP10-3.pptVIP

3 可以将原始信号序列看作0级c系数； DWT分析步骤 4 利用递推关系，由低级系数计算高级系数： 例：3阶Daubechies2小波的分析系数为： DWT的计算 重建系数为： DWT的计算 对应多相分量为： 分析时，需要设定信号的边界条件！ DWT的计算 周期性边界 对称性边界 补零边界 DWT的计算 常用边界条件设置 DWT的计算 如何重建原始数据？ 先对输入序列插零，再进行滤波器计算； 计算时同样需要设置边界条件！ %选择小波组，得出各滤波器的系数； wname=db2; [h0,h1,g0,g1]=wfilters(wname); %将数据序列送入分析滤波器，得出分解系数； x=[1,2,3,4,5,6,7,8]; [c,d]=dwt(x,h0,h1,mode,per); %利用重建滤波器和分解系数，可以重建原始数据 x1=idwt(c,d,g0,g1,mode,per); 利用MATLAB进行一维DWT分析 边界条件的设定： dwtmode(‘per’); 周期化边界条件； 其他常用边界条件还有： ‘sym’ 对称性边界 ‘zpd’ 补0边界 ‘spd’ 一阶平滑边界 在MATLAB中，信号序列编号从1开始！ 利用MATLAB进行一维DWT分析 信号分段： 由于DWT采用二进变换的形式，为了提高分析效率，减少分析误差，通常先将信号段长度截取为 ，然后根据不同要求采用不同的级别进行分析（最高为N级）。 利用MATLAB进行一维DWT分析 一维DWT分析： [c,n]=wavedec(x,m, wname); 输入时间序列x，分析级数m， 采用的小波族wname； 输出对应DWT系数，各子带的元素个数； 利用MATLAB进行一维DWT分析 一维DWT的信号重建 x = waverec (c,n,wname) 输入对应DWT系数， 各子带的元素个数， 采用的小波族wname； 输出时间序列x； 利用MATLAB进行一维DWT分析 n=0:0.01:8.191;a=cos(n.^3);plot(n,a); [y,fs1,bit]=wav_read(abc.wav);y=y(1:8192); sound(y,fs1);ym=length(y);n=1:ym; subplot(2,1,1),plot(n,y);axis([1,8192,-.7,.7]); wname=haar;m=4; [c,n]=wavedec(y,m,wname); subplot(2,1,2),plot(abs(c));title(所有的分解系数); 利用DWT进行时间频率分析 利用DWT进行时间频率分析 %n=0:0.001:131.071;y=cos(n.^2); [y,fs1,bit]=wav_read(12345.wav); y=y(40001:171072); sound(y,22050); ym=length(y);n=1:ym; subplot(2,1,1),plot(n,y);axis([1,ym,-0.1,0.1]); wname=haar;m=14;n=17;c=wavedec(y,m,wname); l=length(y)/2;a=zeros(m+1,l); 利用DWT进行时间频率分析 for j=1:m km=2^(j-1); for i=1:l/km for k=1:km; a(j,(2^(j-1))*(i-1)+k)=c(2^(n-j)+i); end; end;end; for i=1:l/km for k=1:km a(m+1,(2^(j-1))*(i-1)+k)=c(i); end ;end; a=abs(a);a=imadjust(a,[0,1],[0,1],0.6); subplot(2,1,2),imagesc(a),colormap(gray); 利用DWT进行时间频率分析 第十章 离散小波系统简介 Harr小波的算法变换 DWT与临界抽取滤波器组 一维DWT分析 数字信号处理 小波变换属于时间频率变换的一种形式。通过小波变换能够非常方便地同时描述信号的时间特性和频率特性。 本课程仅从应用的角度出发，通过简单的变换实例，介绍DWT的基本概念和主要应用方法。 离散小波变换（DWT） 8位数据的Haar小波变换结构 第一级系数由原始数据计算得到； 后一级系数继承前一级d系数，由前级c系数计算新的系数； 每个c系数都是由两个输入相加得出； 每个d系数都是由两个输入相减得出。 Haar小波变换的运算特点 小