原帖:http://wenku.baidu.com/view/ffb671fa770bf78a65295496.html

例1:

load leleccum;

index = 1:1024;

x = leleccum(index);

%产生噪声信号

init = 2055615866;

randn('seed',init);

nx = x + 18*randn(size(x));

%获取消噪的阈值

[thr,sorh,keepapp] = ddencmp('den','wv',nx);

%对信号进行消噪

xd = wdencmp('gbl',nx,'db4',2,thr,sorh,keepapp);

subplot(221);

plot(x);

title('原始信号');

subplot(222);

plot(nx);

title('含噪信号');

subplot(223);

plot(xd);

title('消噪后的信号');

例2:

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

load leleccum;

indx = 1:1024;

x = leleccum(indx);

%产生含噪信号

init = 2055615886;

randn('seed',init);

nx = x + 18*randn(size(x));

%使用小波函数'db6'对信号进行3层分解

[c,l] = wavedec(nx,3,'db6');

%估计尺度1的噪声标准差

sigma = wnoisest(c,l,1);

alpha = 2;

%获取消噪过程中的阈值

thr = wbmpen(c,l,sigma,alpha);

keepapp = 1;

%对信号进行消噪

xd = wdencmp('gbl',c,l,'db6',3,thr,'s',keepapp);

subplot(221);

plot(x);

title('原始信号');

subplot(222);

plot(nx);

title('含噪信号');

subplot(223);

plot(xd);

title('消噪后的信号');

例3:

本例中,对小波分解系数使用函数wthcoef进行阈值处理,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 = 1:1024;

x = leleccum(indx);

%产生含噪信号

init = 2055615866;

randn('seed',init);

nx = x + 18*randn(size(x));

%使用小波函数'db5'对信号进行3层分解

[c,l] = wavedec(nx,3,'db5');

%设置尺度向量

n = [1,2,3];

%设置阈值向量

p = [100,90,80];

%对高频系数进行阈值处理

nc = wthcoef('d',c,l,n,p);

%对修正后的小波分解结构进行重构

rx = waverec(nc,l,'db5');

subplot(221);

plot(x);

title('原始信号');

subplot(222);

plot(nx);

title('含噪信号');

subplot(223);

plot(rx);

title('消噪后的信号');

例4:

本例中,使用一维信号的自动消噪函数wden对信号进行消噪。

load leleccum;

indx = 1:1024;

x = leleccum(indx);

%产生含噪信号

init = 2055615866;

randn('seed',init);

nx = x + 18*randn(size(x));

%将信号nx使用小波函数'sym5'分解到第5层

%使用mimimaxi阈值选择系数进行处理,消除噪声信号

lev = 5;

xd = wden(nx,'minimaxi','s','mln',lev,'sym5');

subplot(221);

plot(x);

title('原始信号');

subplot(222);

plot(nx);

title('含噪信号');

subplot(223);

plot(xd);

title('消噪后的信号');

原帖:http://blog.chinaaet.com/detail/3450.html

x=[-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=5;
wname='db3';
[c,l]=wavedec(x,lev,wname);
sigma=wnoisest(c,l,1);
alpha=2;
thr1=wbmpen(c,l,sigma,alpha)
[thr2,nkeep]=wdcbm(c,l,alpha)
xd1=wdencmp('gbl',c,l,wname,lev,thr1,'s',1);
[xd2,cxd,lxd,perf0,perfl2]=wdencmp('lvd',c,l,wname,lev,thr2,'h');
[thr,sorh,keepapp]=ddencmp('den','wv',x)
xd3=wdencmp('gbl',c,l,wname,lev,thr,'s',1);
subplot(411);plot(x);title('原始信号','fontsize',12);
subplot(412);plot(xd1);title('使用penalty阈值降噪后信号','fontsize',12);
subplot(413);plot(xd2);title('使用Birge-Massart阈值降噪后信号','fontsize',12);
subplot(414);plot(xd3);title('使用缺省阈值降噪后信号','fontsize',12);

其他相关帖子:

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/

【转】几种小波阈值去噪程序相关推荐

  1. 自适应小波阈值去噪python_基于python的小波阈值去噪算法

    小波图像去噪原理 图像和噪声在经小波变换后具有不同的统计特性:图像本身的能量对应着幅值较大的小波系数,主要集中在低频(LL)部分:噪声能量则对应着幅值较小的小波系数,并分散在小波变换后的所有系数中.基 ...

  2. 小波阈值去噪的原理及程序

    小波阈值去噪的原理及程序 一.小波阈值去噪基本思想 二.小波变换理论基础 三.小波函数和阈值的选择 四.程序 4.1 MATLAB程序 4.2 Python程序 4.3 效果图 一.小波阈值去噪基本思 ...

  3. 小波阈值去噪原理及实现

    小波阈值去噪原理及实现 1.小波阈值去噪的基本原理 2.小波阈值去噪需要考虑的问题 3.小波阈值的实现 1.小波阈值去噪的基本原理 将信号通过小波变换(采用Mallat算法)后,信号产生的小波系数含有 ...

  4. 一维信号小波阈值去噪 c语言,一维信号小波阈值去噪

    描述 1.小波阈值处理基本理论 所谓阈值去噪简而言之就是对信号进行分解,然后对分解后的系数进行阈值处理,最后重构得到去噪信号.该算法其主要理论依据是:小波变换具有很强的去数据相关性,它能够使信号的能量 ...

  5. matlab 小波启发式阈值滤波,小波阈值去噪

    小波阈值去噪 小波阈值去噪 目录 1.概念 2.原理 3.影响降噪效果的因素 3.1小波基的选择 3.2分解层数的选择 3.3阈值的选择 3.4阈值函数的选择 4.MATLAB代码 参考文献 小波分析 ...

  6. 一维信号小波阈值去噪

    转载:http://blog.csdn.net/ebowtang/article/details/40481393 一,小波阈值去噪基本理论       本博文根据小波的分解与重构原理,实现了基于硬阈 ...

  7. 小波调研(三):小波阈值去噪分析

    小波阈值去噪分析 数据挖掘流程 传统的去噪方法根据噪声能量一般集中于高频,而信号频谱分布于一个有限区间的特点,用傅里叶变换将含噪信号变换到频域,然后采用低通滤波器进行滤波.但基于傅里叶变换的去噪方法不 ...

  8. 小波变换和小波阈值去噪

    1. 小波变换 小波变换是一种信号的时间--尺度(时间--频率)分析方法,它具有多分辨分析的特点,而且在时频两域都具有表征信号局部特征的能力,是一种窗口大小固定不变但其形状可改变,时间窗和频率窗都可以 ...

  9. 傅里叶变换 matlab代码_基于机器学习的心律失常分类(三)——小波阈值去噪[MATLAB]...

    在对心电信号进行分析前,需要对其进行去噪预处理.因为在心电信号采集或者数模转换的过程中,会产生噪声,包括工频干扰.肌电干扰.基线漂移这三种.本文将介绍目前十分常用且有效的一种去噪方法--小波阈值去噪. ...

最新文章

  1. UIPickerView
  2. Softmax 回归 vs. k 个二元分类器
  3. secureCrt开启oracle
  4. 商城网站前期功能设置这几项绝不能少!
  5. 中3d库后接负载_什么是假负载?如何利用假负载维修变频器?
  6. [react] 有使用过Consumer吗
  7. 二进制的科学计数法?白话谈谈计算机如何存储与理解小数:IEEE 754
  8. Ubuntu php安装过程,ubuntu安装lemp步骤
  9. Django应用部署 - 上线指南
  10. unknown type name err_status_t; did you mean srtp_err_status_t/err_status_ok/err_status_replay_fail
  11. 阵列信号处理——求根MUSIC算法(Root MUSIC)
  12. 第一篇:初识信息系统监理工程师
  13. VC++调用libcurl的VC库使用详解
  14. 微型计算机的主机常用部件,组成微型机主机的部件是
  15. 云计算储存基础(3)
  16. Unity游戏开发入门
  17. 中国一百大姓,您排第几?
  18. linux mint ubuntu 16.06,Ubuntu和Linux Mint:安装Pinta 1.6工具
  19. 2022起重机司机(限桥式起重机)理论题库及答案
  20. 9.10 安卓常用工具类之一 对话 ---- DialogUtil

热门文章

  1. webpack 的安装与使用
  2. 002稀疏数组和队列[超大章]
  3. epoll源码探秘(epoll_create)
  4. request.getContextPath详解
  5. Safari 手机浏览器无法下载的问题
  6. forward 和 redirect
  7. 磁盘管理命令df和du的区别,以及du -sh ./与du -sh ./*区别
  8. 3dsmax 制作u型长方体
  9. Linux 浏览器下安装 Flash
  10. 数据结构之递归算法解决汉诺塔问题