调制信号识别.docxVIP

调制信号的小波分析 、小波函数简介 I.Haar小波 最简单的小波函数，Haar小波是离散的，与阶跃信号相似，同Daubechies db1 小波是一样的。 即举胃■川旭以鹏的》出I Mg。 Daubechies 小波 Daubechies小波是紧支正则小波，便于进行离散小波分析。这类小波没有显 式的表达式，除了 db1 (Haar)。然而它的传递函数的模的平方是有简单的表达 式的。 Biorthogonal 小波 此类小波具有线性相位，用于信号和图像重建 Coiflet 小波 这个小波族是I.Daubechies应R.Coifman的要求所创建的，coif N较dbN有 更好的对称性。 5.Symlets 小波 此小波由Daubechies提出，作为对db小波族的修正，是一种近似对称小波, 它和db小波族的性质是近似的。 .Morlet 小波 2X 其尺度函数不存在，小波函数为（x） e 2 cos5x , Morlet小波不满足容许性 条件。 .Mexican Hat 小波 1 x2 小波函数为（x）4）（1 x2）e 2 ,它是Gaussian概率密度函数的二阶 小波函数为（x） .Meyer 小波 Meyer小波的尺度函数和小波函数都在频域中定义，都具有显式的表达式 二、连续小波变换 从数学上来说，傅里叶变换就是将信号f(t)乘以一个复指数后在所有的时间 域上求和。变换的结果就是傅里叶系数。 相似的，连续小波变换(CWT)定义为，将信号乘以由尺度和位移确定的 小波函数后，再在整个时间轴上相加。CWT的变换结果是很多小波系数C,C是 尺度和位移的函数。 大尺度对应于时间上伸展大的小波， 小波伸展地越大，所比较的信号段就越 长，所以小波系数所量度的信号特征也就越粗糙。 在计算机中，任何实数域的信号处理都是对离散信号的操作，那么， CWT 的连续性及它与DWT的区别表现在尺度的选取和对位移的操作。 与离散小波变 换不同的是，只要在计算机的计算能力之内， CWT可以在每一个尺度上计算； 在位移上连续是指小波可以在待分析函数的整个域上进行平滑的移动。 三、离散小波变换 对于大多数信号来说，低频部分往往是最重要的，给出了信号的特征。而高 频部分则与噪音及扰动联系在一起。将信号的高频部分去掉，信号的基本特征仍 然可以保留。 信号的概貌主要是系统大的、低频的成分，大尺度；而细节往往是信号局部、 高频成分，小尺度。 分解算法：1.产生两组系数：概貌系数cA1和细节系数cD1。通过低通滤波 器Lo_D卷积信号s得到cA1,通过高通滤波器Hi_D卷积s得到cD1,之后进行 二抽取。每个滤波器的长度是 2N。如果n = length (s),那卷积后概貌信号和细节 信号的长度为 n + 2N - 1,进行二抽取之后 cA1 和 cD1 的长度为 floor( ( n-1) /2) +N。 关于 matlab中cwt算法的分析 cwt 算法的主要程序如下： function coefs = cwt(signal,scales,wname,plotmode,xlim) precis = 10; signal = signal(:); 输入信号 len = length(signal); coefs = zeros(length(scales),len); 设置小波系数数组 nbscales = length(scales); [psi_integ,xval] = intwave(wname,precis); 根据不同的小波计算其积分值 wtype = wavemngr(type,wname); if wtype==5 , psi_integ = conj(psi_integ); end wtype = 5 说明如果是没有尺度 函数的复小波，将小波积分值取复共轭 xval = xval-xval(1); dx = xval(2); xmax = xval(end); ind = 1; for k = 1:nbscales 计算各个尺度的信号的连续小波变换值 a = scales(k); j = [1+floor([0:a*xmax]/(a*dx))]; 设置 j,对积分值 psi_integ 进行采样 例 a=4,( 0： 1： 4*xmax) /4*dx if length(j)==1 , j = [1 1]; end f = fliplr(psi_integ(j)); 将积分值即小波滤波器系数反转 coefs(ind,:) = -sqrt(a)*wkeep(diff(conv(signal,f)),len); 将信号与小波系数 f 进行卷积，再差分，截取中间数值 ind = ind+1; end dummyCoefs = coefs; d