第5章小波变换的matlab实现课件.ppt

第4章 小波变换的matlab实现;1.Matlab中小波种类 ;小波分析示例;C=cwt(noissin,2:2:128,’db4’,’plot’);图形接口方式（GUI） 命令：wavemenu;;系数重构;举例： A1=upcoef(a,cA1,db1,1,ls); D1=upcoef(d,cD1,db1,1,ls); subplot(1,2,1);plot(A1);title(Approximation A1) subplot(1,2,2);plot(D1);title(Detail D1) ;逆变换恢复信号;举例：A0=idwt(cA1,cD1,db1,ls); ;多尺度一维分解;[C,L]=wavedec(s,3,db1);;低频系数提取;高频系数提取;举例 cA3=appcoef(C,L,db1,3); cD3=detcoef(C,L,3); cD2=detcoef(C,L,2); cD1=detcoef(C,L,1);;重构系数;A3=wrcoef(a,C,L,db1,3); D1=wrcoef(d,C,L,db1,1); D2=wrcoef(d,C,L,db1,2); D3=wrcoef(d,C,L,db1,3);;重构原始信号;图形接口方式（GUI）;;;;;;2. 二维离散小波;重构系数;A1 = upcoef2(a,cA1,bior3.7,1); H1 = upcoef2(h,cH1,bior3.7,1); V1 = upcoef2(v,cV1,bior3.7,1); D1 = upcoef2(d,cD1,bior3.7,1); figure(2);colormap(map); subplot(2,2,1); image(wcodemat(A1,192)); title(Approximation A1) subplot(2,2,2); image(wcodemat(H1,192)); title(Horizontal Detail H1) subplot(2,2,3); image(wcodemat(V1,192)); title(Vertical Detail V1)subplot(2,2,4); image(wcodemat(D1,192));title(Diagonal Detail D1);二维逆变换;多尺度二维小波;;提取低频系数;提取高频系数;重构系数;A2 = wrcoef2(a,C,S,bior3.7,2); H1 = wrcoef2(h,C,S,bior3.7,1); %重构第1、2层的高频信号 V1 = wrcoef2(v,C,S,bior3.7,1); D1 = wrcoef2(d,C,S,bior3.7,1); H2 = wrcoef2(h,C,S,bior3.7,2); V2 = wrcoef2(v,C,S,bior3.7,2); D2 = wrcoef2(d,C,S,bior3.7,2);;;重构原始信号;2D图形接口;显示;小波分析用于信号处理;正弦波的线性组合;;分段信号;信号的特征提取;检测信号的突变点;信号的奇异点检测;定理：设 为一严格的整数， 为具有 阶消失矩、 次连续可微和紧支集的小波， （ 为某一实数区间）,若存在尺度 ，使得 ， 没有局部极大值点，则在区间 上是一致Lipschitz （ 为任一小的正数）。一般来讲，函数在某一点的Lipschitz指数 表征了该点的奇异性大小， 越大，该点的光滑度越高， 越小，该点的奇异性越大。;当小波函数可看做某一平滑函数的一阶导数时，信号小波变换模的局部极值点对应于信号的突变点（或边缘）；当小波函数可看做某一平滑函数的二阶导数时，信号小波变换模的过零点，也对应于信号的突变点（或边缘）。 因此，采用检测小波变换系数模的过零点和局部极值点的方法可以检测信号的边缘位置。 比较而言，采用局部边缘进行检测更具有优越性。;信号的奇异性通常可以分为两种情况： 第一种类型的间断点：信号在某一时刻，其幅值发生突变，引起信号的不连续，信号的突变处是间断点； 第二种类型的间断点：信号外观上很光滑，其幅值没有突变，但在信号的一阶微分上有突变产生，且一阶微分是不连续的。;;;信号自相似性的检测;信号发展趋势的识别;在某一频率区间上信号的识别;信号抑制与衰减