测试信号处理（第3版）程序代码 第10章

例10.3t=0:0.01:2.10;%抽样频率为100Hzs1=sin(2*pi*30*t);%产生频率为30Hz的正弦信号s2=s1+0.5*[zeros(1,50)s1(1:161)];%加上回声，其幅度是原信号的一半%时域上延迟50个抽样周期即0.5秒c=cceps(s2);%用函数cceps求出倒谱subplot(121),plot(t,s2)%画出倒谱图xlabel('\fontsize{14}t')ylabel('\fontsize{14}\fontname{courier}信号+噪声的幅值')subplot(122),plot(t,c)xlabel('\fontsize{14}t')ylabel('\fontsize{14}\fontname{courier}倒谱')例10.4%%例10.4，利用FFT对信号进行STFT分析A=2;w0=10*pi*0.00001;%产生一个被分析的信号M=20000;n=0:M-1;x=A*sin(n.^2*w0);%%进行短时傅里叶变换L=200;P=L/2;N=256;Fs=10000;%%汉宁窗的窗口长度L，做FFT运算w=0.5*(1-cos(2*pi*(0:L-1)/(L-1)));Q=fix((M-P)/(L-P));forq=0:Q-1x0=x(q*(L-P)+1:q*(L-P)+L).*w;X(q+1,:)=fft(x0,N);endtn=((0:Q-1)*(L-P))/Fs;fk=(0:N/2)*Fs/N;zhX=X′;%画出相应的三维时频图figure(1);mesh(tn,fk,abs(zhX((1:N/2+1),:)))xlabel(′时间(s)′);ylabel(′频率(Hz)′)title(′短时傅里叶变换——STFT′)%画出相应的二维时频图figure(2);imagesc(tn,fk,20*log10(abs(zhX((1:N/2+1),:))+eps));axisxy;colormap(jet)xlabel(′时间(s)′);ylabel(′频率(Hz)′);title(′短时傅里叶变换——STFT′)例10.5%例10.5用db4、db2小波分解信号randn(′seed′,531316785);%产生随机信号s=2+kron(ones(1,8),[1-1])+((1:16).^2)/32+0.2*randn(1,16);%产生原信号\[ca1,cd1\]=dwt(s,′db4′);%对信号s用小波db4分解为近似值和细节subplot(311);plot(s);title(′原信号′);subplot(323);plot(ca1);title(′用db4分解的近似值′);subplot(324);plot(cd1);title(′用db4的细节′);[ca2,cd2]=dwt(s,′db2′);%对信号s用小波db4分解为近似值和细节subplot(325);plot(ca2);title(′用db2分解的近似值′)subplot(326);plot(cd2)title(′用db2的细节′)%例10.5用db4、db2小波分解信号randn(′seed′,531316785);%产生随机信号s=2+kron(ones(1,8),\[1-1\])+((1:16).^2)/32+0.2*randn(1,16);%产生原信号[ca1,cd1]=dwt(s,′db4′);%对信号s用小波db4分解为近似值和细节subplot(311);plot(s);title(′原信号′);subplot(323);plot(ca1);title(′用db4分解的近似值′);subplot(324);plot(cd1);title(′用db4的细节′);[ca2,cd2]=dwt(s,′db2′);%对信号s用小波db4分解为近似值和细节subplot(325);plot(ca2);title(′用db2分解的近似值′)subplot(326);plot(cd2)title(′用db2的细节′)例10.6%例10.6用db2由近似值和细节分量重构原信号%产生原信号，将信号分解为近似值和细节分量randn(′seed′,531316785);s=2+kron(ones(1,8),\[11\])+((1:16).^2)/32+0.2*randn(1,16);[ca1,cd1]=dwt(s,′db2′);subplot(221);plot(ca1);title(′用db2分解的近似值′);subplot(222);plot(cd1);title(′用db2的细节分量′);%由近似值和细节分量重构原信号[Lo_R,Hi_R]=wfilters(′db2′,′r′);%用db2小波计算重构滤波器组ss=idwt(ca1,cd1,Lo_R,Hi_R);%一维离散小波反变换err=norm(s-ss);%重构信号与原信号偏差subplot(212);plot(ss);title(′重构信号′);xlabel(\[′偏差基准量级=′,num2str(err)\])例10.7%例10.7的4种软阈值小波去噪算法Matlab编程实现snr=3;%信噪比init=2055615866;%使用种子init生成随机噪声\[xref,x\]=wnoise(3,11,snr,init);%产生有噪信号的函数lev=5;%小波分解的层数xd=wden(x,′heursure′,′s′,′one′,lev,′sym8′);%一维信号小波去噪函数%指定′heursure′算法选取阈值subplot(321),plot(xref),axis(\[120481010\]);title(′原信号′);subplot(322),plot(x),axis(\[120481010\]);title(′有噪信号信噪比=3′);subplot(323),plot(xd),axis(\[120481010\]);title(′去噪信号-heursure′);xd=wden(x,′rigrsure′,′s′,′one′,lev,′sym8′);%指定′rigrsure′算法选取阈值subplot(324),plot(xd),axis(\[120481010\]);title(′去噪信号-rigrsure′);xd=wden(x,′sqtwolog′,′s′,′sln′,lev,′sym8′);%指定′sqtwolog′算法选取阈值subplot(325),plot(xd),axis(\[120481010\]);title(′去噪信号-sqtwolog′);xd=wden(x,′minimaxi′,′s′,′sln′,lev,′sym8′);%指定′minimaxi′算法选取阈值subplot(326),plot(xd),axis(\[120481010\]);title(′