将数据导入应用程序

将数据加载到MATLAB工作区.垫子文件包含信号的干净版本和嘈杂版本。请绘制信号的两个版本。

负载教学数据库情节（fNoisy，'B-'） 抓住在情节（FCLean，“r-”,“线宽”，2）传奇（“噪音信号”,'清洁信号'） 抓住关网格在

打开小波信号Denoiser应用程序。从Matlab Toolstrip，打开应用程序标签和下面信号处理和通信点击小波信号去噪器。您也可以通过键入来启动应用程序WaveletSignaldenoiser.在MATLAB命令提示符下。

通过单击将来自Workspace的嘈杂信号加载到应用程序中进口在toolstrip中。从可加载到应用程序的工作区变量列表中，选择Fnosiy点击进口.

该应用程序导入嘈杂信号并立即使用默认参数立即弃用。

检查导入的数据

检查Fnosiy绘图。应用程序绘图原始信号，Fnosiy，去噪信号，fnoisy1，以及信号的粗略尺度近似值，近似值.

1.去噪信号窗格列出了所有版本的去噪信号。该列表目前仅包含使用默认名称创建的应用程序的信号，fnoisy1.

二,当前小波参数窗格列出应用于创建的去噪参数fnoisy1.

3.缩放和平移感兴趣的区域。首先，将光标放在绘图上以显示浮动调色板。然后从选项板中选择所需的操作。

4.切换屏幕中可见的信号去噪信号绘图人：

5.检查系数情节

红色的系数用于重建去噪信号。这个当前小波参数窗格表示使用了9级小波分解对信号进行去噪。

缩放和平移一个感兴趣的区域。首先，将光标放在绘图上以显示浮动调色板。然后从选项板中选择所需的操作。

修改去噪参数

点击子波tab.使用此工具条调整和应用选定去噪信号的去噪参数。

列出的值是用于创建去噪信号的参数，fnoisy1. 要在toolstrip中从左到右修改这些设置的值，请执行以下操作：

1.在子波下拉菜单，选择Daubechies小波族，分贝. 由于这一行动：

2.从方法下拉菜单，选择通用阈值.

3.要定义10级小波分解，请更改水平仪到10.

4.改变方法到通用阈值这个统治设置已从自动更改中值的到软的. 将设置更改为硬的.

5.点击水平相关.

6.通过单击为这些设置应用新值去噪.

这个当前小波参数窗格更新使用用于代位信号的新参数，并且应用程序重新发出去噪，fnoisy1.

注：所有参数都是上下文相关的。一个参数的可能值可能取决于另一个参数的当前选定值。您不能进行不兼容的选择。例如，当去噪方法为FDR时，只有可能的阈值规则：硬。在本例中，列表中未列出其他值统治下拉菜单。

复制去噪信号并比较近似值

如果您喜欢特定的去噪信号，但想探索更多的去噪参数，可以复制它。然后可以修改副本的参数，而不会丢失原始参数。

1.从去噪信号窗格中，选择fnoisy1.然后在工具条上，从信号去噪器选项卡，单击复制.

2.在网上子波选项卡，更改水平仪到2.，然后单击去噪. 应用程序使用两级小波分解对信号进行去噪。此外，该应用程序：

因为FNOSIY1副本高亮显示时，将绘制其近似值。应用程序始终绘制当前选定去噪信号的近似值。您可以如下所示演示此行为。在绘图图例中，单击fnoisy1和FNOSIY1副本。两个去噪信号的名称都会褪色，并且不再绘制这两个信号。只有原始信号和近似图可见。

图中的虚线表示近似值。因为FNOSIY1副本在中突出显示去噪信号列表中，绘制的近似值是两级小波分解的结果。近似值比较嘈杂。现在选择fnoisy110级小波分解的近似值是不同的。

恢复原始参数

通过添加新的去噪信号，始终可以返回使用原始默认参数。从工具条，在信号去噪器选项卡，单击添加.

输出结果

如果要将相同的去噪参数应用于其他数据，可以使用该应用程序生成一个脚本，用于复制选定的去噪信号。然后，您可以出于自己的目的修改并保存该脚本。要进行进一步分析，您可以将去噪信号导出到工作区。

出口脚本

点击fnoisy3.在里面去噪信号. 上信号去噪器工具条的选项卡，从出口▼ 菜单，选择生成MATLAB脚本。将在MATLAB编辑器中打开一个无标题脚本，其中包含以下可执行代码：

fNoisy3=wdenoise（fNoisy，9，...“小波”,“sym4”,...“去噪法”,“贝耶斯”,...“阈值规则”,“中位数”,...“噪音估计”,“水平独立”);

这个wdenoise输入参数由用于创建的值填充fnoisy3.。保存脚本，然后运行。这将创建变量fnoisy3.在您的工作区中。

加载文件弗达塔茨。该文件包含100个时间序列的噪声数据。每个时间序列有4096个数据点。数据包含在一个类型中时间表变量调用弗达塔茨.

负载弗达塔茨

将去噪参数应用于弗达塔茨，通过替换来编辑脚本Fnosiy具有弗达塔茨和fnoisy3.具有FDATTSCLEAN。然后运行脚本。

fdataTSclean=wdenoise（fdataTS，9，...“小波”,“sym4”,...“去噪法”,“贝耶斯”,...“阈值规则”,“中位数”,...“噪音估计”,“水平独立”);

将第15个嘈杂的时间序列与其去噪版本进行比较。

子图（2,1,1）绘图（FDATATS.TIME，FDATATS.FTS15）标题（'原始时间序列')网格在子地块（2,1,2）地块（FDATTSCLEAN.Time，FDATTSCLEAN.fTS15）标题(“去噪时间序列”)网格在

输出去噪信号

点击fnoisy3.在里面去噪信号.然后在工具条上，从信号去噪器选项卡上，单击上的绿色复选标记出口▼. 自从fnoisy3.您的工作区中已经存在，您可以强制导出并覆盖工作区变量。或者，您可以取消导出，重命名应用程序中的去噪信号或工作区变量，然后再次导出。状态栏中显示的文本将确认信号已导出。选择其他去噪信号或导入触发新信号将清除状态栏中的文本。

因为您的工作区中有干净的信号，所以计算去噪信号的符号噪声比。

snrWavelet=-20*log10（标准（abs（fClean-Fnosiy3））/norm（fClean））

snrWavelet=35.9623

如果你有信号处理工具箱™, 使用移动平均滤波器和Savitzky-Golay滤波器对信号进行去噪，并计算每个去噪信号的信噪比。

fmv=平滑数据（fNoisy，“我的意思是”，25）;Snrmovingaverage = -20 * log10（常见（abs（fclean-fmv））/ norm（fclean））

snrmovingaverage = 26.0040.

fsg = smoothdata（fnoisy，“斯戈莱”,25); snrSavitskyGolay=-20*log10（标准（abs（fClean fsg））/norm（fClean））

snrSavitskyGolay=28.8932

使用sym4小波。