主要内容

wavedec

多级一维离散小波变换

所有的页面崩溃

语法

[c、l] = wavedec (x, n, wname)
[c、l] = wavedec (x, n, LoD、藏)

描述

例子

(c,l)= wavedec (x,n,wname)返回一维信号的小波分解x在层次n使用小波wname。输出分解结构由小波分解向量c和簿记向量l,用于解析c。

请注意

为gpuArray输入,支持的模式金宝app“symh”(“符号”),“每”。如果输入是一个gpuArray,使用的离散小波变换的扩展模式wavedec默认为“symh”除非当前的扩展模式“每”。看这个例子在GPU多级离散小波变换。

(c,l)= wavedec (x,n,LoD,藏)返回使用指定的低通和高通滤波的小波分解小波分解过滤器LoD和藏,分别。

例子

全部折叠

打开生活的脚本

一维信号加载和阴谋。

负载sumsin情节(sumsin)标题(“信号”)

图包含一个坐标轴对象。坐标轴对象与标题信号包含一个类型的对象。

进行三级小波分解信号的使用顺序2 Daubechies小波。提取粗尺度近似系数和细节系数的分解。

[c、l] = wavedec (sumsin 3“db2”);约= appcoef (c、l、“db2”);(两张cd,, cd3) = detcoef (c、l (1 2 3));

情节的系数。

次要情节(4 1 1)情节(大约)标题(“近似系数”次要情节(4,1,2)情节(cd3)标题(“三级细节系数”)次要情节(4 1 3)情节(张)标题(“二级细节系数”)次要情节(4,4)情节(cd1)标题(“一级细节系数”)

图包含4轴对象。坐标轴对象1标题近似系数包含一个类型的对象。坐标轴对象2标题3级细节系数包含一个类型的对象。坐标轴对象3标题级别2的细节系数包含一个类型的对象。坐标轴对象4标题1级细节系数包含一个类型的对象。

这个示例使用:

打开生活的脚本

指GPU计算的需求(并行计算工具箱)看看支持gpu。金宝app

负载的多普勒信号。把信号在GPU上使用gpuArray。保存当前扩展模式。

负载noisdoppgydF4y2Banoisdoppg = gpuArray (noisdopp);origMode = dwtmode (“状态”,“nodisp”);

使用dwtmode改变扩展模式,零填充。获得三级DWT GPU上的信号使用db4小波。

dwtmode (“zpd”,“nodisp”l) [c] = wavedec (noisdoppg 3“db4”);

当前的扩展模式zpd不支持金宝appgpuArray输入。因此,DWT而是进行使用信谊扩展模式。为了证实这一点,设置扩展模式信谊和DWT的noisdoppg,然后与前面的结果。

dwtmode (“符号”,“nodisp”)[csym lsym] = wavedec (noisdoppg 3“db4”);(max (abs (c-csym))马克斯(abs (l-lsym)))
ans = 0 0

设置当前扩展模式每并获得三级DWT的noisdoppgydF4y2Ba。扩展模式每支持金宝appgpuArray输入。确认结果是不同的信谊结果。

dwtmode (“每”,“nodisp”)(cp, lp) = wavedec (noisdoppg 3“db4”);(长度(csym);长度(cp)]
ans =2×11044 1024
[lsym;lp)
ans =2×5134 134 261 515 1024 128 128 256 512 1024

扩展模式恢复到原来的设置。

dwtmode (origMode“nodisp”)

输入参数

全部折叠

输入信号,指定为一个向量。

数据类型:单|双
复数的支持:金宝app是的

程度的分解,指定为一个正整数。wavedec不强制最大级别的限制。使用wmaxlev以确保边界效应的小波系数都是免费的。如果边界效应不是关注在你的应用程序中,一个好的规则是设置n小于或等于修复(log2(长度(x)))。

数据类型:单|双

小波分析,指定为一个特征向量或字符串标量。

请注意

wavedec金宝app只支持1型(正交)或2型双正交的小波。看到wfilters一组正交和双正交的小波。

小波分解过滤器,指定为一对就是实值向量。LoD是分解低通滤波器,藏是高通分解滤波器。的长度LoD和藏必须是相等的。看到wfilters额外的信息。

数据类型:单|双

输出参数

全部折叠

小波分解矢量,作为一个向量返回。簿记向量l用于解析小波分解的系数向量的水平。

数据类型:单|双

簿记向量,作为一个向量的正整数返回。向量包含系数的数量水平和原始信号的长度。

簿记向量用于解析小波分解的系数向量c通过水平。分解矢量和记帐的组织如这个三级分解图。

数据类型:单|双

算法

给一个信号年代的长度N最多,DWT包含日志2N步骤。从年代,第一步产生两组系数:近似系数cA1和细节系数cD1。卷积年代与低通滤波器LoD和高通滤波器藏,其次是二元大量毁灭(将采样),结果分别近似系数和细节。

在哪里

  • ——卷积过滤器X

  • ↓ 2 ——Downsample(保持偶数元素)

每个滤波器的长度等于2n。如果N=长度(年代),信号F和G的长度N+ 2n−1和系数cA1和cD1的长度

地板上 ( N − 1 2 ) + n 。

下一步将近似系数cA1在两部分使用相同的方案中,更换年代通过cA1,生产cA2和cD2,等等。

信号的小波分解年代在层次分析j具有以下结构:[cAj,cDj、……cD1]。

这个结构包含了j= 3,终端节点的树如下:

引用

[1]Daubechies,我。十个专题小波系列应用数学,CBMS-NSF区域会议。费城,宾夕法尼亚州:暹罗,1992年。

[2]Mallat, s . g .“多分辨率信号分解的一个理论:小波表示,“IEEE模式分析与机器智能。问题7卷。11日,1989年7月,页674 - 693。

[3]Meyer Y。小波和运营商。由d·h·塞林格翻译。英国剑桥:剑桥大学出版社,1995年。

扩展功能

版本历史

之前介绍过的R2006a

另请参阅

|||||||