Matlab小波变换与傅立叶变换的效果对比.docVIP

Matlab小波变换与傅立叶变换的效果对比程序 原始时域信号是由两个不同的频率信号叠加而成，为了明确原始信号的频率突变点，分别采用傅立叶变换和db5小波进行处理。 程序如下： clear load freqbrk; whos; figure(1); plot(freqbrk) xlabel(时间);ylabel(幅值); title(频率突变信号); f=fft(freqbrk); figure(2); plot(abs(f)); title(傅立叶变换后的示意图); [d,a]=wavedec(freqbrk,3,db5); a3=wrcoef(a,d,a,db5,3); d3=wrcoef(d,d,a,db5,3); d2=wrcoef(d,d,a,db5,2); d1=wrcoef(d,d,a,db5,1); figure(3); subplot(411);plot(a3);ylabel(近似信号); title(小波分解后示意图); subplot(412);plot(d3);ylabel(细节信号); subplot(413);plot(d2);ylabel(细节信号); subplot(414);plot(d1);ylabel(细节信号); xlabel(时间); 程序的运行结果： 图1原始信号示意图 . . 图2 傅立叶分解后的示意图 利用傅立叶变换对原始信号进行处理，可以得到如图2所示的图像。从图2可以看出：信号经过傅立叶变换后，能够清楚确定出原始信号包含的两个频率值的大小，但是对于确定频率突变点的位置，傅立叶变换却没有这种能力。 . 图3 小波分解后的示意图 利用小波变换对原始信号进行处理，可以得到如图3所示的小波分解示意图。从图中可见，db5小波分解后的3层高频系数重构图形可清楚的确定突变点的位置。从图3中同样可能看出，第1层分解的d1高频系数重构的图像比d2、d3高频系数重构的图像更清楚的确定了信号突变点的位置。 命令行输出结果如下： Name Size Bytes Class Attributes freqbrk 1x1000 8000 double