小波变换与信号的分解重构.ppt

S2.连续小波变换连续小波的重要性质S2.连续小波变换6、连续小波变换的计算过程 从定义式可知，连续小波变换计算分以下5个步骤进行。 （1）选定一个小波，并与处在分析时段部分的信号相比较。 （2）计算该时刻的连续小波变换系数C。如下图所示，C表示了该小波与处在分析时段内的信号波形相似程度。C愈大，表示两者的波形相似程度愈高。小波变换系数依赖于所选择的小波。因此，为了检测某些特定波形的信号，应该选择波形相近的小波进行分析。S2.连续小波变换连续小波变换的计算过程如图1所示，调整参数b，调整信号的分析时间段，向右平移小波，重复①～②步骤，直到分析时段已经覆盖了信号的整个支撑区间。调整参数a，尺度伸缩，重复①～③步骤。重复①～④步骤，计算所有的尺度的连续小波变换系数，如图2所示。图1图2010302S2.连续小波变换连续小波变换的计算过程上述步骤可用以下的公式表示。设f(t)=f(k△t),t∈(k,K+1)，则（*）S2.连续小波变换Matlab实现连续小波变换的代码Matlab实现连续小波变换的代码 precis=10; %小波函数积分精度控制 signal=signal(:); len=length(signal); coefs=zeros(length(scales),len); nbscales=length(scales); [psi_integ,xval]=intwave(wname,precis); %计算从-∞到k的小波积分序列 wtype=wavemngr(type,wname); ifwtype==5 psi_integ=conj(psi_integ); end %判断是否为复小波，对复小波取共轭 xval=xval-xval(1); dx=xval(2); xmax=xval(end); ind=1; fork=1:nbscales %循环计算各尺度的小波系数 a=scales(k); j=[1+floor([0:a*xmax]/(a*dx))]; iflength(j)==1,j=[11];end f=fliplr(psi_integ(j)); coefs(ind,:)=-sqrt(a)*wkeep(diff(conv(signal,f)),len); %计算公式（*） ind=ind+1; endS3.多分辨分析与小波变换多分辨分析的定义S3.多分辨分析与小波变换正交MRA尺度函数的定理S3.多分辨分析与小波变换Mallat定理S3.多分辨分析与小波变换基于Mallat方法的信号分解重构算法S3.多分辨分析与小波变换S3.多分辨分析与小波变换S3.多分辨分析与小波变换Mallat信号分解重构的主要程序代码（1）信号函数定义 %%1.正弦波定义 f1=50; %频率1 f2=100; %频率2 fs=2*(f1+f2); %采样频率 Ts=1/fs; %采样间隔 N=120; %采样点数 n=1:N; y=sin(2*pi*f1*n*Ts)+sin(2*pi*f2*n*Ts);%信号函数01040203h=wfilters(db30,l);%低通g=wfilters(db30,h);%高通h=[h,zeros(1,N-length(h))];%补零（圆周卷积，且增大分辨率便于观察）g=[g,zeros(1,N-length(g))];%补零（圆周卷积，且增大分辨率便于观察）S3.多分辨分析与小波变换小波滤波器谱分析S3.多分辨分析与小波变换（3）MALLAT分解算法(圆周卷积的快速傅里叶变换实现) sig1=ifft(fft(y).*fft(h)); %低通(低频分量) sig2=ifft(fft(y).*fft(g)); %高通(高频分量)（4）MALLAT重构算法 sig1=dyaddown(sig1); %2抽取 sig2=dyaddown(sig2); %2抽取 sig1=dyadup(sig1); %2插值 sig2=dyadup(sig2); %2插值 sig1=sig1(1,[1:N