小波變換在matlab中的使用

 

 

對信號進行一層分解

clc;  
clear;  
% 獲取噪聲信號  
load('matlab.mat');
sig = M(1,1:1400);
SignalLength = length(sig);
%使用db1分解1層
 [cA1,cD1] = dwt(sig,'db1');
 %從系數 cA1 和 cD1 中構建一層近似A1 和細節 D1
 A1 = upcoef('a',cA1,'db1',1,SignalLength);
 D1 = upcoef('d',cD1,'db1',1,SignalLength);
   % %或
   % A1 = idwt(cA1,[],'db1',l_s);
   % D1 = idwt([],cD1,'db1',l_s);
 %顯示近似和細節
 subplot(1,2,1); plot(A1); title('Approximation A1')
 subplot(1,2,2); plot(D1); title('Detail D1')
 %使用逆小波變換恢復信號
 A0 = idwt(cA1,cD1,'db1',SignalLength);
 err = max(abs(sig-A0))

　　對信號進行三層分解

[C,L] = wavedec(sig,3,'db1');%函數返回 3 層分解的各組分系數C（連接在一個向量里） ，向量 L 里返回的是各組分的長度。
 %抽取近似系數和細節系數
 %從 C 中抽取 3 層近似系數
 cA3 = appcoef(C,L,'db1',3);
 %從 C 中抽取 3、2、1 層細節系數 
 [cD1,cD2,cD3] = detcoef(C,L,[1,2,3]);
 %或者
  %cD3 = detcoef(C,L,3);
  %cD2 = detcoef(C,L,2);
  %cD1 = detcoef(C,L,1);
 %重建 3 層近似和 1、2、3 層細節
 %從 C 中重建 3 層近似
 A3 = wrcoef('a',C,L,'db1',3);
 %從 C 中重建 1、2、3 層細節
 D1 = wrcoef('d',C,L,'db1',1);
 D2 = wrcoef('d',C,L,'db1',2);
 D3 = wrcoef('d',C,L,'db1',3);
 %顯示多層分解的結果
 %顯示 3 層分解的結果
 figure(2)
 subplot(2,2,1); plot(A3);
 title('Approximation A3')
 subplot(2,2,2); plot(D1);
 title('Detail D1')
 subplot(2,2,3); plot(D2);
 title('Detail D2')
 subplot(2,2,4); plot(D3);
 title('Detail D3')
 %從 3 層分解中重建原始信號
 A0 = waverec(C,L,'db1');
 err = max(abs(sig-A0))
 %  我們注意到連續的近似隨着越來越多的高頻信息從信號中濾除，
 % 噪聲變得越
 % 來越少。 3 層近似與原始信號對比會發現變得很干凈。對比近似和原始信號，如下
 figure(3)
 subplot(2,1,1);plot(sig);title('Original'); axis off
 subplot(2,1,2);plot(A3);title('Level 3 Approximation');axis off

　這篇博客是參考百度文檔上一位大佬寫的，這是數據和文章的鏈接

鏈接：https://pan.baidu.com/s/19_jazLnyBuperh7ME5NG8Q
提取碼：aonu