哈工大小波分析上机实验报告.docx

小波分析上机实验报告 院系：电气工程及自动化学院学科：仪器科学与技术 实验一小波分析在信号压缩中的应用 一、试验目的进一步加深对小波分析进行信号压缩的理解；学习Matlab中有关信号压缩的相关函数的用法。 二、相关知识复习 用一个给定的小波基对信号进行压缩后它意味着信号在小波阈的表示相对缺少了一些信息。之所以能对信号进行压缩是因为对于规则的信号可以用很少的低频系数在一个合适的小波层上和一部分高频系数来近似表示。 利用小波变换对信号进行压缩分为以下几个步骤来完成： 进行信号的小波分解；将高频系数进行阈值量化处理。对从1到N的每一层高频系数都可以选择不同的阈值并且用硬阈值进行系数的量化；对量化后的系数进行小波重构。 三、实验要求对于某一给定的信号(信号的文件名为leleccum.mat)，利用小波分析对信号进行压缩处理。 给出一个图像，即一个二维信号(文件名为wbarb.mat)，利用二维小波分析对图像进行压缩。 四、实验结果及程序(1)loadleleccum%将信号装入Matlab工作环境%设置变量名s和ls，在原始信号中，只取2600-3100个点s=leleccum(2600:3100);ls=length(s);%用db3对信号进行3级小波分解[c,l]=wavedec(s,3,db3);%选用全局阈值进行信号压缩thr=35;[xd,cxd,lxd,perf0,perfl2]=wdencmp(gbl,c,l,db3,3,thr,h,1);subplot(2,1,1);plot(s);title(原是信号s);subplot(2,1,2);plot(xd);title(压缩后的信号xd); 图1实验1压缩结果 图2不同阈值下实验1压缩结果 (2)clear%清除Matlab工作环境中现有的变量loadwbarb;%显示图像subplot(221);image(X);colormap(map);title(原始图像)；axissquare;disp(压缩前图像X的大小)whos(X)%====================================================%对图像用bior3.7小波进行2层小波分解[c,s]=wavedec2(X,2,bior3.7);%提取小波分解结构中第1层的低频系数和高频系数cal=appcoef2(c,s,bior3.7,1);chl=detcoef2(h,c,s,1);%小波分解结构中第1层的水平方向高频系数cvl=detcoef2(v,c,s,1);%小波分解结构中第1层的垂直方向高频系数cd1=detcoef2(d,c,s,1);%小波分解结构中第1层的斜线方向高频系数%分别对小波分解结构中第1层的各频率成份进行重构a1=wrcoef2(a,c,s,bior3.7,1);h1=wrcoef2(h,c,s,bior3.7,1);v1=wrcoef2(v,c,s,bior3.7,1);d1=wrcoef2(d,c,s,bior3.7,1);c1=[a1,h1;v1,d1];%显示分解后各频率成分的信息subplot(222);image(c1);axissquaretitle(分解后低频和高频信息);%====================================================%下面进行图像的压缩处理%保留小波分解结构中第1层的低频信息，进行图像压缩%第1层的低频信息为ca1，显示第1层的低频信息%首先对第1层信息进行量化编码ca1=wcodemat(ca1,440,mat,0);%改变图像的亮度ca1=0.5*ca1;subplot(223);image(ca1);colormap(map);axissquare;title(第一次压缩图像)；disp(第一次压缩图像的大小为:)whos(ca1)%====================================================%保留小波分解第二层低频信息，进行图像的压缩，此时压缩比更大%第2层的低频信息即为ca2,显示第2层的低频信息ca2=appcoef2(c,s,bior3.7,2);%首先对第2层低频信息进行量化编码ca2=wcodemat(ca2,440,mat,0);%改变图像的亮度ca2=0.25*ca2;subplot(224);image(ca2);colormap(map);axissquare;title(第2次压缩图像);disp(第2次压缩图像的大小为);whos(ca2)1G0原始图像20406080100120第一次压缩图像分解后低频和高频信息JOOlOO.^OQ300400500第玄J：压缩图像S0100150200250图3