小波去噪和小波包去噪的对比.docx

小波去噪和小波包去噪的对比 问题1 ：试生成一个含噪声信号，利用 matlab中的小波去噪和小波 包去噪函数去除噪声，比较两者的性能差异 程序如下： clc clear all load no isdopp x=no isdopp; subplot(311) plot(x); title('原始信号的波形图') axis tight; [thr,sorh,keepapp]=dde ncmp('de n','wv',x); xwd=wde n(x,'rigrsure','s','o ne',4,'sym4'); subplot(312) plot(xwd) title('小波降噪信号') axis tight [thr1,sorh1,keepapp1,crit]=dde ncmp('de n','wp',x); xwpd=wpde ncmp(x,'h',4,'sym4','sure',thr1,1); subplot(313) plot(xwpd) title('小波包降噪信号') axis tight 运行结果如下： 50-5 5 0 -5 原始信号的波形图 100 200 300 400 500 600 700 小波降噪信号 800 900 1000 i | L 1/ 1 1 L L ■> I ia .I1 ■ 电 jf ■- )■ \ ■■ 1 '1- 1 f 丿 \ / 中 ■' I1 V J V 1 t 『 1 r r r r t . 100 200 300 400 500 600 700 800 900 1000 50-5小波包降噪信号 5 0 -5 小波包降噪信号 区别：小波变换在低信噪比情况下的去噪效果较好，小波包分解去噪后信号更 加的平滑；小波分解主要是针对细节成分全置 0或者给定软（硬）阈值去噪, 容易丢失信号中的有用信息。 问题 2：研究小波包分解树中各节点的重构系数，给出其频谱分布， 讨论波包分解的频带划分 程序如下： clc clear all load noisdopp; s=noisdopp; wpt=wpdec(s,3,'sym1'); plot(wpt); r20=wprcoef(wpt,[2 0]); subplot(621) plot(r20) title('r20') subplot(623) hua_fft(r20,10000,1) title('r20 的 FFT') r21=wprcoef(wpt,[2 1]); subplot(622) plot(r21) title('r21') subplot(624) hua_fft(r21,10000,1) title('r21 的 FFT') r22=wprcoef(wpt,[2 2]); subplot(625) plot(r22) title('r22') subplot(627) hua_fft(r22,10000,1) title('r22 的 FFT') r23=wprcoef(wpt,[2 3]); subplot(626) plot(r23) title('r23') subplot(628) hua_fft(r23,10000,1) title('r23 的 FFT') r10=wprcoef(wpt,[1 0]); subplot(629) plot(r10) title('r10') subplot(6,2,11) hua_fft(r10,10000,1) title('r10 的 FFT') r1仁 wprcoef(wpt,[1 1]); subplot(6,2,10) plot(r11) title('r11') subplot(6,2,12) hua_fft(r11,10000,1) title('r11 的 FFT') 程序运行结果如下： Tree Decompositi on1086420-2-4-6-8-10data for node: (0) or (0,0).200 400 600 800 100015001M0 2000 3000r10500 10W(20 的 FFT500 1000⑵ Tree Decompositi on 10 8 6 4 2 0 -2 -4 -6 -8 -10 data for node: (0) or (0,0). 200 400 600 800 1000 1500 1M0 2000 3000 r10 500 10W (20 的 FFT 500 1000 ⑵ rjFFT 1500 0 1 0.Q5 10 HO^FFl 1000 2000 3flOO 4000 5000 r11 500 1000 rUtHFFT 1500 1000 2W0 3000 4000 5000 问题