matlab 小波去噪程序

￡神魔★判官ぃ 2023-06-23 15:21 17阅读 0赞

本文有很多例子，各位看官自行取用：

%%%%   对一维带噪信号进行处理
    clear all;clc ;close all;
    load noissin;
    figure;
    s=noissin(1:1000);
    subplot(211);plot(noissin);
    title('含噪生原始信号');
    [C,L]=wavedec(s,3,'sym2');
    a=[1 2 3 ]; %% 尺度向量
    p=[97 98 95];  %%  阈值向量
    nc=wthcoef('d',C,L,a,p); 
    sd=waverec(nc,L,'sym2');    
    subplot(212); plot(sd);title('消噪后的信号')
    %%%%%%%   对信号进行不同的阈值处理
    clear all;
    clc ;
    y=linspace(-1,1,100);
    thr=0.4;
    %%% 计算软硬阈值
    ythard=wthresh(y,'h',thr);
    ytsoft=wthresh(y,'s',thr);
    
    figure;
    subplot(311);plot(y); grid on; title('原始信号');
    subplot(312);plot(ythard);grid on; title('硬阈值信号');
    subplot(313);plot(ytsoft);grid on; title('软阈值信号');
    %

clear all;
    close all;
    clc;
    
    %%%% 软阈值处理
    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mimimaxi阈值选择系数进行处理，消除噪声信号  ，
    lev = 5;
    xd = wden(nx,'minimaxi','s','mln',lev,'sym5');
    subplot(221);
    plot(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');
    
    %%% 例子3  利用db5小波进行分解，设置了阈值,改变了额高频系数
    % 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 = [100,90,80];   
    % %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');
    
    
    %%%  利用小波db6函数,阈值自动获取，无重构过程
    % load leleccum;
    % indx = 1:1024;
    % x = leleccum(indx);
    % %产生含噪信号
    % init = 2055615886;
    % 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 = wnoisest(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');
    
    % 例子1   没有用到小波基函数,阈值自动获取，无重构过程
    % load leleccum;
    % index = 1:1024;
    % x = leleccum(index);
    % %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);   %%% 为何输出会是软阈值
    % %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');