clear;

clc;

n=3;

wpname=’db3’;

% [b,a]=butter(8,[5/100 99/100]);

% load a1_1-1;

load k301_1-4;

% Data=filter(b,a,Data);

Data=Data-mean(Data);

Data=detrend(Data);

wpt1=wpdec(Data,n,wpname); %对数据进行小波包分解

for i=1:2^n %wpcoef(wpt1,[n,i-1])是求第n层第i个节点的系数

E(i)=norm(wpcoef(wpt1,[n,i-1]),2);%求第i个节点的范数平方,其实也就是平方和

end

% disp(‘每个节点的能量E(i)’);

% E

% disp(‘小波包分解总能量E_total’);

E_total=sum(E); %求总能量

for i=1:2^n

pfir(i)= E(i)/E_total;%求每个节点的概率

end

pfir

% load a1_1-2;

load k302_1-4;

% Data=filter(b,a,Data);

Data=Data-mean(Data);

Data=detrend(Data);

wpt2=wpdec(Data,n,wpname); %对数据进行小波包分解

for i=1:2^n %wpcoef(wpt1,[n,i-1])是求第n层第i个节点的系数

E(i)=norm(wpcoef(wpt2,[n,i-1]),2);%求第i个节点的范数平方,其实也就是平方和

end

E_total=sum(E); %求总能量

for i=1:2^n

psec(i)= E(i)/E_total;%求每个节点的概率

end

psec

% load a1_1-4;

load k303_1-4;

% Data=filter(b,a,Data);

Data=Data-mean(Data);

Data=detrend(Data);

wpt3=wpdec(Data,n,wpname); %对数据进行小波包分解

for i=1:2^n %wpcoef(wpt1,[n,i-1])是求第n层第i个节点的系数

E(i)=norm(wpcoef(wpt3,[n,i-1]),2);%求第i个节点的范数平方,其实也就是平方和

end

E_total=sum(E); %求总能量

for i=1:2^n

pthi(i)= E(i)/E_total;%求每个节点的概率

end

pthi

python小波包分解_Matlab小波包分解后如何求各频带信号的能量值?相关推荐

  1. Matlab小波包分解后如何求各频带信号的能量值?

    clear; clc; n=3; wpname='db3'; % [b,a]=butter(8,[5/100 99/100]); % load a1_1-1; load k301_1-4; % Dat ...

  2. Matlab怎么计算信号的能量,Matlab小波包分解后如何求各频带信号的能量值? [转]...

    clear; clc; n=3; wpname='db3'; % [b,a]=butter(8,[5/100 99/100]); % load a1_1-1; load k301_1-4; % Dat ...

  3. python小波包分解_小波包获得某个节点信号的几个细节问题

    小波包分解主要用了这四个函数  wpdec,wprec,wprcoef,wpcoef.1)Wpcoef: 求解某个节点的小波包系数,数据长度是L/(2^n)(n表示分解的层数) 比如:原始信号长度为1 ...

  4. 小波分解与小波包分解代码_分解的功能参数和代码可维护性

    小波分解与小波包分解代码 Code keeps changing, there's no doubt about that. We always do our best to set some roc ...

  5. python小波特征提取_Python 小波包变换,小波包能量特征提取 代码

    1. 小波外部包下载 要下载两个包: PyWavelets和Matplotlib(要运行PyWavelets的所有测试,您还需要安装 Matplotlib软件包.) 安装方法: pip install ...

  6. Python中FIR滤波和小波包滤波对比(MNE脑电数据处理)

    小波变换有信号显微镜之称,在EEG分析中也有广泛的应用,印象中小波算法是来源于地球物理解释的.之前有介绍过小波的一些资料和实现:https://blog.csdn.net/zhoudapeng01/a ...

  7. 小波包能量matlab,小波包分析和小波包能量介绍.doc

    小波包分析和小波包能量介绍 基于五次谐波和小波重构能量的配电网单相接地故障的选线方法研究* 孙其东,张开如,伊利峰,宋祥民,李娅芸 (山东科技大学 电气与自动化工程学院 山东 青岛 266590) 摘 ...

  8. excel将大表分解成小表,将小表合成一个大表

    1.将一个十几几万行的表分解成小表 请用微软的excel  不要用wps 用excel打开改文件,按alt+f11,选择你要分解的主表 界面如图: 输入下面的代码 Sub cfb() Dim r, c ...

  9. 小波阈值滤波和VMD分解的对比输入一段语音信号,加入不同信噪比的噪声,单独使用小波阈滤波

    小波阈值滤波和VMD分解的对比输入一段语音信号,加入不同信噪比的噪声,单独使用小波阈滤波,以及变分模态分解,VMD分解加小波阈值进行滤波,最后比较得到的信号的信噪比. 会给出分解的结果图,以及频谱. ...

  10. R语言从经济时间序列中用HP滤波器,小波滤波和经验模态分解等提取周期性成分分析

    经济时间序列的分析通常需要提取其周期性成分.最近我们被客户要求撰写关于经济时间序列的研究报告,包括一些图形和统计输出.这篇文章介绍了一些方法,可用于将时间序列分解为它们的不同部分.它基于<宏观经 ...

最新文章

  1. [译] 解密 Uber 如何使用RNN预测极端事件
  2. shell 实现memcache缓存命中率监控脚本
  3. base64格式的图片上传阿里云
  4. Android开发者指南(12) —— Android Supported Media Formats
  5. java user directory,Java ProcessBuilder directory()方法与示例
  6. 关于坐标系,关于矩阵及线性相关和无关的关系
  7. FileInfo.LastWriteTime和FileInfo.LastAccessTime的值不是准确的
  8. 【转】 CPU、MCU、MPU、DSP的区别和介绍
  9. 俗话说开店容易,守店难,这句话是错的,百分之一万是错的,守店怎么会难?
  10. 苹果MAC全能多媒体播放器:OmniPlayer Pro
  11. 语音增强二,麦克风阵列
  12. 探索图片透明度叠加方式
  13. mindmanager2021下载 最新版如何更新
  14. fiddler视频分析
  15. 泰国8日自助游攻略(普吉+清迈)
  16. java文件后缀_java源文件名的后缀是什么?
  17. 骨传导耳机的利与弊有哪些?骨传导耳机到底好不好?
  18. mac下的免费UML建模工具
  19. 小孩厌学,与其说教,不如和他写个游戏
  20. DOS界面下的翻译软件制作

热门文章

  1. json-server安装报错问题
  2. 《四海小记c++学习之路》队列/银行叫号系统
  3. 使用Stream生成菜单、地区树
  4. Video Caption(跨模态视频摘要/字幕生成)
  5. #金项奖获奖项目专题# | 京东闪付---快人一步
  6. docker如何搭建sftp服务器
  7. matpower常用标准算例
  8. 声卡性能测试软件,RightMark Audio Analyzer音频声卡测试软件
  9. linux svnadmin,Linux下SVN+Apache+iF.svnadmin搭建
  10. C语言段错误-core文件