信号阈值去噪实例.doc

信号阈值去噪实例小波、小波包、MATLAB 2009-08-05 09:52:58 阅读76 评论0 字号：大中小 一般来说，信号去噪的基本步骤主要包括如下三步： （1）信号的小波分解； （2）小波分解高频系数的阈值量化； （3）信号的小波重构。使用分解的低频系数以及阈值量化后的高频系数进行小波重构。例1：信号阈值去噪一程序daimaru代码如下：load leleccum;indx=1:1024;x=leleccum(indx);%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：信号阈值去噪二 在本例中，首先使用函数wnoiset获取噪声方差，然后使用函数wbmpen获取小波去噪阈值，最后使用函数wdencmp实现信号消噪。程序代码如下：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=wnoiset(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：信号阈值去噪三 在本例中，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。程序代码如下：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=120,110,100;%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：信号阈值去噪四 在本例中，使用一维信号的自动消噪函数wden对信号进行消噪。程序代码如下：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minimaxi阈值选择对系数进行处理，消除噪声信号lev=5;xd=wden(nx,minimaxi,s,mln,lev,sym5);subplot(221);plot