几种小波阈值去噪程序

原帖&＃xff1a;http://wenku.baidu.com/view/ffb671fa770bf78a65295496.html

例1&＃xff1a;

load leleccum;

index &＃61; 1:1024;

x &＃61; leleccum(index);

%产生噪声信号

init &＃61; 2055615866;

randn(&＃39;seed&＃39;,init);

nx &＃61; x &＃43; 18*randn(size(x));

%获取消噪的阈值

[thr,sorh,keepapp] &＃61; ddencmp(&＃39;den&＃39;,&＃39;wv&＃39;,nx);

%对信号进行消噪

xd &＃61; wdencmp(&＃39;gbl&＃39;,nx,&＃39;db4&＃39;,2,thr,sorh,keepapp);

subplot(221);

plot(x);

title(&＃39;原始信号&＃39;);

subplot(222);

plot(nx);

title(&＃39;含噪信号&＃39;);

subplot(223);

plot(xd);

title(&＃39;消噪后的信号&＃39;);

例2&＃xff1a;

本例中&＃xff0c;首先使用函数wnoisest获取噪声方差&＃xff0c;然后使用函数wbmpen获取小波去噪阈值&＃xff0c;最后使用wdencmp实现信号消噪。

load leleccum;

indx &＃61; 1:1024;

x &＃61; leleccum(indx);

%产生含噪信号

init &＃61; 2055615886;

randn(&＃39;seed&＃39;,init);

nx &＃61; x &＃43; 18*randn(size(x));

%使用小波函数&＃39;db6&＃39;对信号进行3层分解

[c,l] &＃61; wavedec(nx,3,&＃39;db6&＃39;);

%估计尺度1的噪声标准差

sigma &＃61; wnoisest(c,l,1);

alpha &＃61; 2;

%获取消噪过程中的阈值

thr &＃61; wbmpen(c,l,sigma,alpha);

keepapp &＃61; 1;

%对信号进行消噪

xd &＃61; wdencmp(&＃39;gbl&＃39;,c,l,&＃39;db6&＃39;,3,thr,&＃39;s&＃39;,keepapp);

subplot(221);

plot(x);

title(&＃39;原始信号&＃39;);

subplot(222);

plot(nx);

title(&＃39;含噪信号&＃39;);

subplot(223);

plot(xd);

title(&＃39;消噪后的信号&＃39;);

 

例3&＃xff1a;

本例中&＃xff0c;对小波分解系数使用函数wthcoef进行阈值处理&＃xff0c;然后利用阈值处理后的小波系数进行重构达到去噪目的。

load leleccum;

indx &＃61; 1:1024;

x &＃61; leleccum(indx);

%产生含噪信号

init &＃61; 2055615866;

randn(&＃39;seed&＃39;,init);

nx &＃61; x &＃43; 18*randn(size(x));

%使用小波函数&＃39;db5&＃39;对信号进行3层分解

[c,l] &＃61; wavedec(nx,3,&＃39;db5&＃39;);

%设置尺度向量

n &＃61; [1,2,3];

%设置阈值向量

p &＃61; [100,90,80];

%对高频系数进行阈值处理

nc &＃61; wthcoef(&＃39;d&＃39;,c,l,n,p);

%对修正后的小波分解结构进行重构

rx &＃61; waverec(nc,l,&＃39;db5&＃39;);

subplot(221);

plot(x);

title(&＃39;原始信号&＃39;);

subplot(222);

plot(nx);

title(&＃39;含噪信号&＃39;);

subplot(223);

plot(rx);

title(&＃39;消噪后的信号&＃39;);

 

例4&＃xff1a;

本例中&＃xff0c;使用一维信号的自动消噪函数wden对信号进行消噪。

load leleccum;

indx &＃61; 1:1024;

x &＃61; leleccum(indx);

%产生含噪信号

init &＃61; 2055615866;

randn(&＃39;seed&＃39;,init);

nx &＃61; x &＃43; 18*randn(size(x));

%将信号nx使用小波函数&＃39;sym5&＃39;分解到第5层

%使用mimimaxi阈值选择系数进行处理&＃xff0c;消除噪声信号

lev &＃61; 5;

xd &＃61; wden(nx,&＃39;minimaxi&＃39;,&＃39;s&＃39;,&＃39;mln&＃39;,lev,&＃39;sym5&＃39;);

subplot(221);

plot(x);

title(&＃39;原始信号&＃39;);

subplot(222);

plot(nx);

title(&＃39;含噪信号&＃39;);

subplot(223);

plot(xd);

title(&＃39;消噪后的信号&＃39;);

 

原帖&＃xff1a;http://blog.chinaaet.com/detail/3450.html 

x&＃61;[-1.58 0.42 0.46 0.78 -0.49 0.59 -1.3 -1.42 -0.16 -1.47 -1.350.36 -0.44 -0.14 1 -0.5 -0.2 -0.06 -0.6 0.42 -1.52 0.51 0.76 -1.50.16 -1.29 -0.65 -1.48 0.6 -1.65 -0.55];
lev&＃61;5;
wname&＃61;&＃39;db3&＃39;;
[c,l]&＃61;wavedec(x,lev,wname);
sigma&＃61;wnoisest(c,l,1);
alpha&＃61;2;
thr1&＃61;wbmpen(c,l,sigma,alpha)
[thr2,nkeep]&＃61;wdcbm(c,l,alpha)
xd1&＃61;wdencmp(&＃39;gbl&＃39;,c,l,wname,lev,thr1,&＃39;s&＃39;,1);
[xd2,cxd,lxd,perf0,perfl2]&＃61;wdencmp(&＃39;lvd&＃39;,c,l,wname,lev,thr2,&＃39;h&＃39;);
[thr,sorh,keepapp]&＃61;ddencmp(&＃39;den&＃39;,&＃39;wv&＃39;,x)
xd3&＃61;wdencmp(&＃39;gbl&＃39;,c,l,wname,lev,thr,&＃39;s&＃39;,1);
subplot(411);plot(x);title(&＃39;原始信号&＃39;,&＃39;fontsize&＃39;,12);
subplot(412);plot(xd1);title(&＃39;使用penalty阈值降噪后信号&＃39;,&＃39;fontsize&＃39;,12);
subplot(413);plot(xd2);title(&＃39;使用Birge-Massart阈值降噪后信号&＃39;,&＃39;fontsize&＃39;,12);
subplot(414);plot(xd3);title(&＃39;使用缺省阈值降噪后信号&＃39;,&＃39;fontsize&＃39;,12);

其他相关帖子&＃xff1a;

http://www.docin.com/p-17095216.html

http://blog.sina.com.cn/s/blog_5649784301000e20.html

http://blog.chinaaet.com/lxg1123

http://musicupsandra.blog.163.com/blog/static/101639102201081710617825/