一、问题描述

1.利用MATLAB绘制原始信号，对其加6分贝高斯白噪声；
2.以Minimaxi阈值法，软阈值函数，3层分解层数，分别用dbN和symN小波对加噪信号去噪，获得分解图和去噪后的图，并用信噪比和均方根误差作为评判标准，确定合适的小波基函数；
3.用第2步确定的小波基函数，软阈值函数，分解层数为3层，对无偏估计阈值（RigrSure）、固定式阈值（Sqtwolog）、启发式阈值（HeurSure）和极大极小阈值(Minimaxi)四种分别去噪，获得去噪后的图，并用信噪比和均方根误差作为评判标准，确定最合适的阈值计算估计方法；
4.用第2步确定的小波基函数，第3步确定的阈值计算估计准则，分别用分解层数为1，2，3，4，5，6对加噪信号进行去噪，获得去噪后得到图，并用信噪比和均方根误差作为评判标准；
5.用实际的信号加6分贝噪声对前面确定的小波基函数，阈值计算方法以及分解层数用小波阈值进行去噪，并求信噪比和均方根误差。
6、确定好小波基函数、阈值函数和分解层数后，分别模拟加入不同量的噪声与4阶巴特沃斯低通滤波器滤波对比

二、代码

问题1：原始信号加6分贝高斯白噪声

代码如下（示例）：

clear
clc
close all
%% MATLAB绘制原始信号
load('data.mat'); %私聊发数据
data=data;
%% 加6分贝高斯白噪声
SNR=6; %6dB
noise=0.2*randn(size(data))*std(data)/db2mag(SNR);
s=data+noise;
figure;
subplot(211)
plot(data);ylabel('P/MPa');title('原始信号')
subplot(212)
plot(s);ylabel('P/MPa');title('加6dB高斯白噪声')

问题2：确定合适的小波基函数

代码如下（示例）：

clear
clc
close all
%% MATLAB绘制原始信号
load('data.mat');
data=data;
%% 加6分贝高斯白噪声
SNR=6; %6dB
noise=0.2*randn(size(data))*std(data)/db2mag(SNR);
s=data+noise;
%% Minimaxi阈值法，软阈值函数，3层分解层数，db5去噪
wname=strvcat('sym4','sym5','db4','db5');
for i=1:4[C,L] = wavedec(s,3,wname(i,:));  %进行3层小波包分解s1=wden(s,'minimaxi','s','mln',3,wname(i,:)); %Minimaxi、软阈值，3层，db5figure;subplot(311)plot(data);xlabel('t/ms');ylabel('P/MPa');title('原始信号')subplot(312)plot(s);xlabel('t/ms');ylabel('P/MPa');title('加6dB高斯白噪声')subplot(313)plot(s1);xlabel('t/ms');ylabel('P/MPa');title(['Minimaxi-软阈值-3层-',wname(i,:)])figuresubplot(511)plot(data,'r');ylabel('s');title([wname(i,:),'小波分解图'])set(gca,'ytick',[]) set(gca,'xtick',[]) subplot(512)plot(C(1:L(2)),'b');ylabel('a3')set(gca,'ytick',[]) set(gca,'xtick',[]) subplot(513)plot(C(L(2):L(3)));ylabel('d3')set(gca,'ytick',[]) set(gca,'xtick',[]) subplot(514)plot(C(L(3):L(4)));ylabel('d2')set(gca,'ytick',[]) set(gca,'xtick',[]) subplot(515)plot(C(L(4):L(5)));ylabel('d1')SNR_s1(i)=snr(data,s1-data);RMSE_s1(i)=sqrt(mse(data-s1));   SNR_s11(i)=snr(s,s1-s);disp(['Minimaxi-软阈值-3层-',wname(i,:),'：信噪比=',num2str(SNR_s1(i)),'dB，均方根误差=',num2str(RMSE_s1(i))])disp(['加噪后信噪比=',num2str(SNR_s11(i)),'dB'])disp('-----------------------------------------------------------')
end
%% 根据SNR选取较好的小波基函数
[m,index]=max(SNR_s1);
disp(['最合适的阈值计算估计方法为：',wname(index,:)])
disp('-----------------------------------------------------------')

问题3：确定最合适的阈值计算估计方法

代码如下（示例）：

clear
clc
close all
%% MATLAB绘制原始信号
load('data.mat');
data=data;
%% 加6分贝高斯白噪声
SNR=6; %6dB
noise=0.2*randn(size(data))*std(data)/db2mag(SNR);
s=data+noise;
%% main2已经确定最合适的小波基函数
wname='sym5';
%% 无偏估计阈值（RigrSure）、固定式阈值（Sqtwolog）、启发式阈值（HeurSure）和极大极小阈值(Minimaxi)
TPTR=['rigrsure';'sqtwolog';'heursure';'minimaxi'];
for i=1:4s3=wden(s,TPTR(i,:),'s','mln',3,wname); %依次进行滤波figuresubplot(311)plot(data);xlabel('t/ms');ylabel('P/MPa');title('原始信号')subplot(312)plot(s);xlabel('t/ms');ylabel('P/MPa');title('加6dB高斯白噪声')subplot(313)plot(s3);xlabel('t/ms');ylabel('P/MPa');title(['采用',TPTR(i,:),'进行滤波'])snr_s3(i)=snr(data,s3-data);RMSE_s3(i)=sqrt(mse(data-s3));snr_s33(i)=snr(s,s3-s);disp([TPTR(i,:),'-软阈值-3层-',wname,'：信噪比=',num2str(snr_s3(i)),'dB，均方根误差=',num2str(RMSE_s3(i))])disp(['加噪后信噪比=',num2str(snr_s33(i)),'dB'])disp('-----------------------------------------------------------')
end
%% 根据SNR选取较好的阈值计算估计方法
[m,index]=max(snr_s3);
disp(['最合适的阈值计算估计方法为：',TPTR(index,:)])
disp('-----------------------------------------------------------')

问题4：确定合适的分解层数

代码如下（示例）：

clear
clc
close all
%% MATLAB绘制原始信号
load('data.mat');
data=data;
%% 加6分贝高斯白噪声
SNR=6; %6dB
noise=0.2*randn(size(data))*std(data)/db2mag(SNR);
s=data+noise;
%% main2和main3确定的小波基函数和阈值计算估计方法
wname='sym5';
TPTR='sqtwolog';
%% 分解层数为1，2，3，4，5，6
for i=1:6s4=wden(s,TPTR,'s','mln',i,wname); %依次进行滤波figuresubplot(311)plot(data);xlabel('t/ms');ylabel('P/MPa');title('原始信号')subplot(312)plot(s);xlabel('t/ms');ylabel('P/MPa');title('加6dB高斯白噪声')subplot(313)plot(s4);xlabel('t/ms');ylabel('P/MPa');title(['分解层数=',num2str(i)])snr_s4(i)=snr(data,s4-data);RMSE_s4(i)=sqrt(mse(data-s4));snr_s44(i)=snr(s,s4-s);disp([TPTR,'-软阈值-',num2str(i),'层-',wname,'：信噪比=',num2str(snr_s4(i)),'dB，均方根误差=',num2str(RMSE_s4(i))])disp(['加噪后信噪比=',num2str(snr_s44(i)),'dB'])disp('-----------------------------------------------------------')
end
%% 根据SNR选取较好的分解层数
[m,index]=max(snr_s4);
disp(['最合适的分解层数为：',num2str(index)])
disp('-----------------------------------------------------------')

问题5：实际信号去噪

代码如下（示例）：

clear
clc
close all
%% 读取实际的信号
data=xlsread('14#c1.csv');
data=data(:,2);
%% 加6分贝高斯白噪声
SNR=6; %6dB
noise=0.2*randn(size(data))*std(data)/db2mag(SNR);
s=data+noise;
%% 根据（2）（3）（4）确定参数
wname='sym5';
TPTR='sqtwolog';
lev=6;
%% 进行滤波
s5=wden(s,TPTR,'s','mln',lev,wname); %进行滤波
%% 绘制
figure;
subplot(311)
plot(data);xlabel('t/ms');ylabel('P/MPa');title('实际信号')
subplot(312)
plot(s);xlabel('t/ms');ylabel('P/MPa');title('加6dB高斯白噪声')
subplot(313)
plot(s5);xlabel('t/ms');ylabel('P/MPa');title('信号去噪')
snr_s55=snr(s,s5-s);
snr_s5=snr(data,s5-data);RMSE_s5=sqrt(mse(data-s5));
disp([TPTR,'-软阈值-',num2str(lev),'层-',wname,'：信噪比=',num2str(snr_s5),'dB，均方根误差=',num2str(RMSE_s5)])
disp(['加噪后信噪比=',num2str(snr_s55),'dB'])

问题6：对比

代码如下（示例）：

clear
clc
close all
%% 读取实际的信号
data=xlsread('14#c1.csv');
data=data(:,2);
fs=125000;
%%
wname='sym5';
TPTR='sqtwolog';
lev=6;
%% 设计4阶巴特沃斯低通滤波器
fc=10000;
n=4;  %阶数
[b,a]=butter(n,fc/(fs/2), 'low');
%% 加1-16分贝高斯白噪声
for SNR=1:16 %6dBnoise=0.2*randn(size(data))*std(data)/db2mag(SNR);s=data+noise;s1=filter(b,a,s);  %filter既能进行IIR滤波又能进行FIR滤波s2=wden(s,TPTR,'s','mln',lev,wname); %进行滤波snr_s1(SNR)=snr(data,s1-data);RMSE_s1(SNR)=sqrt(mse(data-s1));snr_s2(SNR)=snr(data,s2-data);RMSE_s2(SNR)=sqrt(mse(data-s2));
end
figure;
plot(1:16,snr_s1,'o-r');
hold on
plot(1:16,snr_s2,'*-b');
xlabel('高斯白噪声dB');ylabel('SNR')
legend('FIR滤波','小波滤波')
title('信噪比曲线')
%%
for SNR=2:2:10 %6dBnoise=0.2*randn(size(data))*std(data)/db2mag(SNR);s=data+noise;s1=filter(b,a,s);  %filter既能进行IIR滤波又能进行FIR滤波s2=wden(s,TPTR,'s','mln',lev,wname); %进行滤波figure;subplot(411)plot(data);xlabel('t/ms');ylabel('P/MPa');title('实际信号')subplot(412)plot(s);xlabel('t/ms');ylabel('P/MPa');title('加16dB高斯白噪声')subplot(413)plot(s1);xlabel('t/ms');ylabel('P/MPa');title('FIR信号去噪')subplot(414)plot(s1);xlabel('t/ms');ylabel('P/MPa');title('小波信号去噪')suptitle(['噪声大小=',num2str(SNR),'dB'])
end

三、演示视频

基于wden函数的去噪演示

最后

不定期发布一些matlab设计内容,敬请期待。包括但不限于如下内容:信号处理、通信仿真、gui设计、matlab appdesigner，simulink仿真。有任何有关MATLAB的问题可以关注公众号MatpyMaster加小英雄学长欧~

Matlab小波去噪——基于wden函数的去噪分析相关推荐

matlab 小波滤波器系数导出函数,小波基函数和滤波系数.ppt
小波基函数和滤波系数小波分析及其应用 Wavelet Analysis andIt's Applications同济大学计算机系宣国荣 2003年 6月10日研究生讲座(2009年11月10日 ...
【数字信号去噪】基于matlab小波阙值数字信号去噪和求信噪比【含Matlab源码 2191期】
⛄一.小波阈值法去噪概述电能质量扰动信号的噪声大多以高斯白噪声的形式存在,利用小波变换对信号进行多分辨率分解,由于小波变换具有去除数据相关性的特点,故可以将有用信号与噪声的能量分离开来.信号中有效的 ...
【心电信号】基于matlab小波阙值心电信号去噪【含Matlab源码 2188期】
⛄一.小波阈值法去噪概述电能质量扰动信号的噪声大多以高斯白噪声的形式存在,利用小波变换对信号进行多分辨率分解,由于小波变换具有去除数据相关性的特点,故可以将有用信号与噪声的能量分离开来.信号中有效的 ...
【语音去噪】基于matlab小波硬阈值语音降噪【含Matlab源码 532期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[语音去噪]基于matlab小波硬阈值语音降噪[含Matlab源码 532期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: ...
正交db小波图像处理 matlab,基于matlab小波工具箱的数字图像处理及小波分析
基于matlab小波工具箱的数字图像处理及小波分析基于 Matlab 小波工具箱的数字图像处理摘要:小波分析在图像处理中有非常重要的应用,包括图像压缩.去噪.分解和增强等.运用多分辨率分析可以将信号 ...
【图像去噪】基于matlab小波滤波（硬阙值+软阙值）+中值滤波图像去噪【含Matlab源码 462期】
一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[图像去噪]基于matlab小波滤波(硬阙值+软阙值)+中值滤波图像去噪[含Matlab源码 462期] 获取代码方式2: 通过订阅紫极神光 ...
Matlab小波工具箱的使用2
Matlab小波工具箱的使用2 (2011-11-11 09:32:57) 转载▼ http://blog.sina.com.cn/s/blog_6163bdeb0102dw7a.html#cmt_5 ...
bp神经网络mallat小波matlab,小波神经网络原理及其应用汇总.ppt
小波神经网络原理及其应用汇总,小波神经网络原理,小波变换原理与应用,神经网络的原理及应用,小波神经网络matlab,小波神经网络预测代码,小波神经网络模型,小波神经网络预测程序,小波神经网络预测,小波 ...
利用matlab小波GUI工具箱对空挡噪声进行滤波
利用matlab小波GUI工具箱对空挡噪声进行滤波: 1.命令wavemenu调出matlab小波GUI工具箱, 2.File->load加载噪声音频文件,wavelet 1-D,选择小波函数, ...

Matlab小波去噪——基于wden函数的去噪分析

文章目录

一、问题描述

二、代码

问题1：原始信号加6分贝高斯白噪声

问题2：确定合适的小波基函数

问题3：确定最合适的阈值计算估计方法

问题4：确定合适的分解层数

问题5：实际信号去噪

问题6：对比

三、演示视频

最后

Matlab小波去噪——基于wden函数的去噪分析相关推荐

最新文章

热门文章