mlptrecon

利用多尺度局部一维多项式逆变换重构信号

折叠所有页面

语法

y = mlptrecon(类型、系数T coefsPerLevel scalingMoments, reconstructionLevel)

y = mlptrecon (＿＿＿、名称、值)

描述

例子

y= mlptrecon (类型，系数，T，coefsPerLevel，scalingMoments，reconstructionLevel)的多尺度一维多项式反变换(MLPT)的近似系数．

例子

y= mlptrecon (＿＿＿，名称,值)指定mlptrecon属性使用一个或多个名称,值对参数和前面语法中的输入参数。

例子

全部折叠

检测和定位高频内容

打开生活的脚本

创建一个带有高频信号的低频信号。

t =(0:0.01:10)”;X = sin(2* t) + 0.5*sin(t+0.1);bliptime = (0:0.01:0.5) ';n =元素个数(bliptime);z0 = 2 * (1: (n + 1) / 2) / (n + 1);TRNG = [z0 z0((n-1)/2:-1:1)]';信号=罪(50 *π。* bliptime)。* trng;为I = [200,700,900] x(I: I + nummel (bliptime)-1) = x(I: I + nummel (bliptime)-1)+blip;结束

执行多级多项式变换。使用细节系数执行反多层多项式变换。

[w t,新泽西,scalingmoments] = mlpt (x, t);yDetails = mlptrecon (' d 'w t nj scalingmoments 1);

绘制原始信号和处理后的信号。

次要情节(2,1,1)情节(t, x)标题(原始信号的) subplot(2,1,2) plot(t,yDetails) title(“信号细节”)

图中包含2个轴对象。标题为“原始信号”的轴对象1包含一个类型为line的对象。标题为Signal Details的axis对象2包含一个类型为line的对象。

选择重构系数近似数据

打开生活的脚本

利用多尺度局部多项式变换(MLPT)重建近似数据。使用mlptrecon近似一个损坏和稀疏采样的基音轮廓。

加载输入数据并将其可视化。

负载(“CorruptedPitchData.mat”）;情节(时间、pitchContour“k”，“线宽”, 3)在包含(“时间(s)”) ylabel (“音高(Hz)”)

图中包含一个轴对象。axis对象包含一个类型为line的对象。

计算基音轮廓的MLPT。

[w t,新泽西,scalingMoments] = mlpt (pitchContour、时间．..“DualMoments”3,．..“PrimalMoments”4．..预滤器的，“没有”）;

使用mlptrecon利用不同水平的近似系数重建信号。

y = 0(元素个数(t) 3);为y(:， Level) = 1“一个”w t,新泽西,scalingMoments水平,“DualMoments”3);结束

绘制重构信号。第二级得到最好的平滑估计。

情节(t y (: 1),“c”，“线宽”1)图(t y (:, 2),“线宽”2)图(t y (:, 3),“线宽”2)传说(“原始数据”，“水平= 1”，= 2级，= 3级)举行从

图中包含一个轴对象。轴对象包含4个类型为line的对象。这些对象代表原始数据，级别= 1，级别= 2，级别= 3。

输入参数

全部折叠

`类型`- - - - - -类型的系数
`“一个”`|`' d '`

用于重构信号的系数类型，指定为“一个”或' d '．

“一个”——近似系数
' d '——细节系数

近似系数是输入的低通表示。在每一层，近似系数被划分为粗近似和细系数。

数据类型:字符|字符串

`系数`- - - - - -MLPT系数
向量|矩阵

的返回的MLPT系数的向量或矩阵mlpt函数。

数据类型:双

`T`- - - - - -与输出相对应的采样瞬间
向量|`持续时间`数组

对应的采样瞬间y，指定为向量或持续时间对象返回的递增值数组mlpt函数。

数据类型:双|持续时间

`coefsPerLevel`- - - - - -每分辨率系数
向量

中每个分辨率级别的系数，指定为包含每个分辨率级别的系数数量的向量系数．coefsPerLevel的输出参数是mlpt函数。

的元素coefsPerLevel组织方式如下:

coefsPerLevel (1)—在最粗分辨率的近似系数数。
coefsPerLevel(我)-分辨率级别的细节系数数目我,在那里i = numLevel - i + 2为我= 2,……，numLevel+ 1．numLevel为用于计算MLPT的分辨率级别数。numLevel推断出从coefsPerLevel：numLevel =长度(coefsPerLevel-1)．

指数越小我，分辨率越低。MLPT在细节系数的数目上是冗余的两倍，但在近似系数的数目上不是冗余的两倍。

数据类型:双

`scalingMoments`- - - - - -尺度函数的时刻
矩阵

标度函数矩，记为a长度(系数)——- - - - - -P矩阵,P是由MLPT指定的原始矩的数目。

数据类型:双

`reconstructionLevel`- - - - - -用于重建的分辨率级别
正整数

用于重建的分辨率级别，指定为小于或等于的正整数长度(coefsPerLevel-1)．长度(coefsPerLevel-1)为用于计算MLPT的分辨率级别数。增加…的价值reconstructionLevel对应于用粗分辨率近似重建你的信号。

数据类型:双

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“DualMoments”,3使用三个对偶消失矩计算变换。

`DualMoments`- - - - - -对偶消失矩的个数
`2`(默认)|`3.`|`4`

提升格式中对偶消失矩的个数，指定为逗号分隔对，由“DualMoments”和2，3.或4．双矩的数量必须与所使用的数量相匹配mlpt．

数据类型:双

输出参数

全部折叠

`y`-重构信号的近似或细节
向量|矩阵

重构信号的近似或细节，返回为矢量或矩阵，这取决于输入mlpt函数。

数据类型:双

算法

Maarten Jansen发展了多尺度局部多项式变换(MLPT)的理论基础和高效计算算法［1］［2］［3］．MLPT采用提升方案，其中核函数在给定带宽下平滑细尺度系数以获得较粗的分辨率系数。的mlpt函数只使用局部多项式插值，但Jansen开发的技术更通用，并允许许多其他具有可调带宽的核类型［2］．