小波去噪matlab学习指令

MATLAB中实现阈值获取的函数有ddencmp、thselect、wbmpen和wwdcbm，下面对它们的用法进行简单的说明。 ddencmp的调用格式有以下三种： （1）THR,SORH,KEEPAPP,CRIT=ddencmp(IN1,IN2,X) （2）THR,SORH,KEEPAPP,CRIT=ddencmp(IN1,wp,X) （3）THR,SORH,KEEPAPP,CRIT=ddencmp(IN1,wv,X) 函数ddencmp用于获取信号在消噪或压缩过程中的默认阈值。输入参数X为一维或二维信号；IN1取值为den或cmp，den表示进行去噪，cmp表示进行压缩；IN2取值为wv或wp，wv表示选择小波，wp表示选择小波包。返回值THR是返回的阈值；SORH是软阈值或硬阈值选择参数；KEEPAPP表示保存低频信号；CRIT是熵名（只在选择小波包时使用）。 函数thselect的调用格式如下： THR=thselect(X,TPTR); THR=thselect(X,TPTR)根据字符串TPTR定义的阈值选择规则来选择信号X的自适应阈值。 自适应阈值的选择规则包括以下四种： *TPTR=rigrsure，自适应阈值选择使用Stein的无偏风险估计原理。 *TPTR=heursure，使用启发式阈值选择。 *TPTR=sqtwolog，阈值等于sqrt(2*log(length(X). *TPTR=minimaxi，用极大极小原理选择阈值。 阈值选择规则基于模型 y = f(t) + e，e是高斯白噪声N(0,1)。 函数wbmpen的调用格式如下： THR=wbmpen(C,L,SIGMA,ALPHA); THR=wbmpen(C,L,SIGMA,ALPHA)返回去噪的全局阈值THR。THR通过给定的一种小波系数选择规则计算得到，小波系数选择规则使用Birge-Massart的处罚算法。C,L是进行去噪的信号或图像的小波分解结构；SIGMA是零均值的高斯白噪声的标准偏差；ALPHA是用于处罚的调整参数，它必须是一个大于1的实数，一般去ALPHA=2。 设t*使crit(t)=-sum(c(k)2,k=t) + 2 * SIGMA2 * t*(ALPHA+log(n/t)的最小值，其中c(k)是按绝对值从大到小排列的小波包系数，n是系数的个数，则THR=|c(t*)|。 wbmpen(C,L,SIGMA,ALPHA,ARG)计算阈值并画出三条曲线。 2 * SIGMA2 * t*(ALPHA+log(n/t) sum(c(k)2, kT)，即把信号的绝对值和阈值进行比较，小于或等于阈值的点变为零，大于阈值的点保持不变。一般来说，用硬阈值处理后的信号比用软阈值处理后的信号更粗糙。 函数wthcoef的调用格式下面四种： （1）NC=wthcoef(d,C,L,N,P) （2）NC=wthcoef(d,C,L,N) （3）NC=wthcoef(a,C,L) （4）NC=wthcoef(t,C,L,N,T,SORH) 函数wthcoef用于一维信号小波系数的阈值处理。 格式（1）返回小波分解结构C,L经向量N和P定义的压缩率处理后的新的小波分解向量NC，NC,L构成一个新的小波分解结构。N包含被压缩的细节向量，P是把较小系数置0的百分比信息的向量。N和P的长度必须相同，向量N必须满足1=N(i)=length(L)-2。 格式（2）返回小波分解结构C,L经过向量N中指定的细节系数置0后的小波分解向量NC。 格式（3）返回小波分解结构C,L经过近似系数置0后的小波分解向量NC。 格式（4）返回小波分解结构C,L经过将向量N作阈值处理后的小波分解向量NC。如果SORH=s，则为软阈值；如果SORH=h则为硬阈值。N包含细节的尺度向量，T是N相对应的阈值向量。N和T的长度必须相等。 函数wpdencmp的调用格式有以下两种：（1）XD,TREED,PERF0,PERFL2=wpdencmp(X,SORH,N,wname,CRIT,PAR,KEEPAPP)（2）XD,TREED,PERF0,PERFL2=wpdencmp(TREE,SORH,CRIT,PAR,KEEPAPP) 函数wpdencmp用于使用小波包变换进行信号的压缩或去噪。 格式（1）返回输入信号X（一维或二维）的去噪或压缩后的信号XD。输出参数TREED是XD的最佳小波包分解树；PERFL2和PERF0是恢复和压缩L2的能量百分比。PERFL2=100*(X的小波包系数范数/X的小波包系数)2；如果X是一维信号，小波wname是一个正交小波，则PERFL2=100*|XD|2/|X|2。SORH的取值为s或h，表示的是软阈值或硬阈值。 输入参数N是小波包的分解层数，wname是包含小波名的字符串。函数使用由字符串CRIT定义的熵和