icwt
一维连续小波逆变换
语法
描述
例子
逆连续小波变换的语音信号
获得语音样本的类和转化的CWT使用默认分析莫尔斯波。
负载mtlbcfs = cwt (mtlb);xrec = icwt (cfs);
使用指定的小波连续小波逆变换
获得连续小波变换的语音样本和重构示例使用凹凸小波而不是默认的莫尔斯波。
负载mtlbdt = 1 / f;t = 0: dt元素个数(mtlb) * dt-dt;
获取类。
bumpmtlb = cwt (mtlb Fs,“撞”);
获得反变换。信号的意思是添加到输出。
xrec = icwt (bumpmtlb,“撞”SignalMean =意味着(mtlb));
绘制原始和重建信号。
情节(t, mtlb)包含(“秒”)ylabel (“振幅”)举行在情节(t, xrec“r”)举行从轴紧传奇(“原始”,“重建”)
如果你的电脑声卡,可以听原和重建信号。
%的原始信号,取消下两行% p = audioplayer (mtlb Fs);% (p)玩%的重构信号,取消下两行% px = audioplayer (xrec Fs);% (px)玩
重建Frequency-Localized数据
重建一个frequency-localized近似神户地震数据中提取信息的类。采样频率是1 Hz。提取的信息对应的频率范围(0.030 - 0.070)赫兹。
负载科比
获取类。然后,获得反变换和添加信号均值回重建数据。CWT不保留信号的意思。
(慢性疲劳综合症,f) = cwt(科比,1);xrec = icwt (cfs, [], f, [0.030 - 0.070], SignalMean =意味着(科比));
绘制原始和重建数据。
次要情节(2,1,1)情节(科比)网格在标题(“原始数据”)ylabel (“振幅”)轴紧次要情节(2,1,2)情节(xrec)网格在标题(“带通滤波重建(0.030 - 0.070)赫兹”);包含(“时间(s)”)ylabel (“振幅”)轴紧
![图包含2轴对象。坐标轴对象1标题原始数据包含一个类型的对象。坐标轴对象2标题带通滤波重建[0.030 - 0.070]赫兹包含一个类型的对象。](http://www.tatmou.com/ch/ch/ch/help/examples/wavelet/win64/ReconstructFrequencyLocalizedEarthquakeDataExample_01.png)
从特定时期重建数据
利用连续小波逆变换重建一个近似厄尔尼诺现象数据基于2 - 8年时间。
加载厄尔尼诺现象数据并获得其类。每月数据采样。获取时间,指定采样间隔为一年的1/12。
负载ninoairdata[cfs,时期]= cwt(尼诺,年(1/12));
获得的逆CWT 2到8年的周期。
xrec = icwt (cfs,[],[(2)年(8)]);
情节的CWT重建数据和原始数据的类进行比较。
类(尼诺,年(1/12))标题(“原始数据”)
类图(xrec年(1/12))标题(“近似基于2 - 8年时间”)
比较原始数据和重建数据。
图次要情节(2,1,1)情节(datayear,尼诺)网格在甘氨胆酸ax =;斧子。XTickLabel =”;轴紧标题(“原始数据”次要情节(2,1,2)情节(datayear xrec)网格在轴紧包含(“年”)标题(“厄尔尼诺数据——2 - 8年时间”)
重建与时变复杂数据的趋势
添加一个趋势的连续小波变换复值数据集和重建。
获得NPG2006数据集的类。
负载npg2006.matcfs = cwt (npg2006.cx);
创建一个来自数据的时变趋势。
趋势= smoothdata (npg2006.cx,“movmean”,100);
获得反变换和增加的趋势。画出原始数据和重建数据。
xrec = icwt (cfs SignalMean =趋势);情节([真正的(xrec)”(npg2006.cx)])网格在标题(“真正的价值”)传说(“趋势”,“原始”)轴紧
图绘制([图像放大(xrec)的图像放大(npg2006.cx)])网格在标题(“虚拟价值”)传说(“趋势”,“原始”)轴紧
使用分析滤波器组重建信号
加载一个心电图波形。创建一个类滤波器银行周期性边界处理,您可以应用波形。
负载wecgfb = cwtfilterbank (SignalLength =长度(wecg),边界=“周期”);
获得双边频率响应的小波滤波器组和扩展过滤器。
psif = freqz (fb, FrequencyRange =“双侧”,IncludeLowpass = true);
使用滤波器组得到波形的变换。也获得变换的缩放系数。
[cfs, ~, ~, scalcfs] = wt (fb, wecg);
使用分析滤波器组来重建输入。近似合成过滤器,或双框架,用于反变换。
[],xrecAN = icwt (cfs ScalingCoefficients = scalcfs,…AnalysisFilterBank = psif);
使用默认Morlet重建输入单一的积分公式。
[],xrecSI = icwt (cfs ScalingCoefficients = scalcfs);
比较最大的重建误差。
说说=规范(xrecAN -wecg正)
说说= 6.6613 e-16
errSI =规范(xrecSI -wecg正)
errSI = 0.4037
情节都重建。
次要情节(2,1,1)情节([xrecAN ' wecg])轴紧传奇(“合成过滤器”,“原始”位置=“eastoutside”次要情节(2,1,2)情节([xrecSI ' wecg])轴紧传奇(“单一积分”,“原始”位置=“eastoutside”)
输入参数
输出参数
更多关于
引用
[1]莉莉,j . M。,和S. C. Olhede. "Generalized Morse Wavelets as a Superfamily of Analytic Wavelets."IEEE信号处理60,不。(2012年11月11日):6036 - 41。https://doi.org/10.1109/TSP.2012.2210890。
[2]莉莉,J.M.,和S.C. Olhede. "Higher-Order Properties of Analytic Wavelets."IEEE信号处理57岁的没有。1(2009年1月):146 - 60。https://doi.org/10.1109/TSP.2008.2007607。
[3]莉莉,j . M。为Matlab jLab:数据分析包1.6.2版本。2016年。http://www.jmlilly.net/jmlsoft.html。
[4]莉莉,j . M。,J.-C。Gascard。“时变椭圆信号的小波脊诊断与应用程序到一个海洋艾迪。”在地球物理非线性过程13日,没有。5(2006年9月14日):467 - 83。https://doi.org/10.5194/npg - 13 - 467 - 2006。
[5]Duval-Destin, M。,M. A. Muschietti, and B. Torresani. “Continuous Wavelet Decompositions, Multiresolution, and Contrast Analysis.”暹罗在数学分析》杂志上24日,没有。3(1993年5月):739 - 55。https://doi.org/10.1137/0524045。
[6]Daubechies,英格丽德。十个专题小波。61年应用数学CBMS-NSF地区会议系列。费城,宾夕法尼亚州:工业与应用数学学会,1992年。
[7]一如,克里斯托弗·吉尔伯特p .混合涂料。“小波分析的实用指南。”美国气象学会的公告79年,没有。1(1998年1月1日):61 - 78。https://doi.org/10.1175/1520 - 0477 (1998) 079 < 0061: APGTWA > 2.0.CO; 2。
[8]Holschneider, M。,和Ph. Tchamitchian. “Pointwise Analysis of Riemann’s 'Nondifferentiable' Function.”发明Mathematicae105年,没有。1(1991年12月):157 - 75。https://doi.org/10.1007/BF01232261。
