可视化和去噪时间序列数据
的小波信号降噪app是一个交互式工具,用于可视化和去噪实值一维信号,并比较结果。使用该应用程序,你可以:
在MATLAB中访问所有信号®工作区。
容易调整默认参数和应用不同的去噪技术。
可视化并比较结果。
将去噪信号导出到您的工作区。
通过生成一个MATLAB脚本,在您的工作空间中重新创建去噪信号。
的小波信号降噪App提供了一种同时处理多个版本去噪数据的方法。
使用该应用程序去噪信号和比较结果的典型流程是:
启动应用程序并从MATLAB工作空间导入一个一维信号。该应用程序使用默认参数提供了数据的初始降噪版本。
调整去噪参数,生成多个版本的去噪信号。
比较结果并将所需的去噪信号导出到您的工作空间。
要将相同的去噪参数应用到您工作空间中的其他信号,请生成一个MATLAB脚本,并根据需要修改它。
MATLAB工具条:关于应用程序选项卡,在信号处理与通信,点击小波信号降噪.
MATLAB命令提示符:输入waveletSignalDenoiser
.
小波
——小波家族信谊
(默认)|bior
|头巾
|db
|颗
用于信号去噪的小波族,具体为:
信谊
——Symlets
bior
-双正交样条小波
头巾
——Coiflets
db
——Daubechies小波
颗
——Fejer-Korovkin小波
有关更多信息,请参见wdenoise
.
方法
-去噪方法贝叶斯
(默认)|BlockJS
|罗斯福
|极大极小
|确定
|UniversalThreshold
去噪方法的应用,指定为以下之一:
贝叶斯
——经验贝叶斯
BlockJS
——块James-Stein
罗斯福
-错误发现率
极大极小
——极小极大估计
确定
-斯坦的无偏风险评估
UniversalThreshold
——通用阈值
有关更多信息,请参见wdenoise
.
规则
-阈值规则中位数
(默认)|的意思是
|软
|硬
|James-Stein
使用阈值规则。有效选项取决于去噪方法。
块James-Stein -James-Stein
经验贝叶斯-中位数
,的意思是
,软
,硬
〇错误发现率硬
极大极小估计- - - - - -软
,硬
斯坦的不偏不倚风险评估-软
,硬
通用阈值,软
,硬
有关更多信息,请参见wdenoise
.
方法的多个实例可以同时对多个信号进行降噪小波信号降噪应用程序。