主要内容

易

经验小波变换

折叠所有页面

    语法

    Mra = ewt(x)
    [mra,cfs] = ewt(x)
    [mra,cfs,wfb] = ewt(x)
    [mra,cfs,wfb,info] = ewt(x)
    ［___= ewt(___、名称、值)
    易(___）

    描述

    例子

    mra=易(x）的经验小波变换(EWT)对应的多分辨率分析(MRA)分量x．使用易使用自动确定经验小波和缩放滤波器并保存能量的可适应小波细分方案分解信号。

    默认情况下，经验小波滤波器的数量是自动确定的识别峰的多锥功率谱估计x．

    ［mra，慢性疲劳综合症= ewt(x）的EWT分析系数x．

    ［mra，慢性疲劳综合症，wfb= ewt(x）返回用于分析的经验小波滤波器组x．

    例子

    ［mra，慢性疲劳综合症，wfb，信息= ewt(x）中标识的峰值归一化频率x以及小波滤波器组的近似频率通带。

    例子

    ［___= ewt(___，名称,值）使用名称-值对参数指定其他选项。这些参数可以添加到前面的任何输入语法中。例如,“MaxNumPeaks”,5指定用于确定EWT滤波器通带的最多5个峰值。

    易(___）在没有输出参数的情况下，用经验小波MRA将原始信号绘制在同一图中。对于复值数据，实部在MATLAB中以第一种颜色绘制®颜色顺序矩阵和虚部以第二种颜色绘制。

    例子

    全部折叠

    打开实时脚本

    加载并可视化一个由频率变化明显的正弦波组成的非平稳连续信号。信号采样频率为250hz。

    Fs = 250;负载nonstatdistinctT = (0:length(nonstatdistinct)-1)/fs;情节(t, nonstatdistinct)包含(“时间(s)”) ylabel (“信号”)轴紧

    图中包含一个轴对象。axis对象包含一个line类型的对象。

    使用易获得信号的多分辨率分析(MRA)。

    Mra = ewt(非统计差异);

    使用MRA组件遗传性出血性毛细血管扩张症函数并绘制希尔伯特谱。

    遗传性出血性毛细血管扩张症(mra、fs)

    图中包含一个轴对象。标题为Hilbert Spectrum的axes对象包含4个patch类型的对象。

    频率与时间图是一个稀疏图，带有垂直色条，表示MRA中每个点的瞬时能量。该图表示从原始混合信号分解出的各分量的瞬时频谱。

    打开实时脚本

    创建一个由频率变化明显的正弦波组成的非平稳连续信号。信号以1000赫兹采样。

    Fs = 1000;t = 0:1/Fs:4;X1 = sin(2* *50*t) + sin(2* *200*t);x2 =罪(2 *π* 25 * t) +罪(2 *π* 100 * t) +罪(2 *π* 250 * t);X = [x1 x2] + 0.1*randn(1,length(t)*2);t1 =(0:长度(x)-1)/Fs;情节(t1, x)包含(“时间(s)”) ylabel (“振幅”)标题(“信号”）

    图中包含一个轴对象。标题为Signal的axes对象包含一个line类型的对象。

    使用易得到信号的MRA。显示信号中识别的归一化峰值频率，以及滤波器组的近似频率通带。因为频率是以每个样本的周期为单位的，所以用采样频率归一化。请注意，峰值频率与正弦波的频率相对应。

    [mra，~，wfb,info] = ewt(x);Fs *信息。PeakFrequencies
    ans =5×1249.9375 200.0750 100.1000 50.1125 25.1187
    Fs * info.FilterBank.Passbands
    ans =5×2223.6941 500.0000 141.5896 223.6941 70.8573 141.5896 35.4911 70.8573 0 35.4911

    画出信号的幅值谱和滤波器组。峰的位置决定了滤波器的通带。

    f = 0:Fs/length(x):Fs-1/length(x);情节(f, wfb) ylabel (“级”网格)在yyaxis正确的情节(f、abs (fft (x)),“k——”，“线宽”1.5) ylabel (“级”)包含(“赫兹”）

    图中包含一个轴对象。axis对象包含6个line类型的对象。

    由于经验小波形成一个Parseval紧框架，分析滤波器组等于合成滤波器组。因此，在每个频率上对滤波器求和的幅度的平方等于1。如果和不等于1，完全重构是不可能的。

    打开实时脚本

    加载心电图信号。信号采样频率为180赫兹。

    负载wecg

    使用易得到信号的多分辨率分析(MRA)，以及相应的分析系数。使用四个最大的峰值来确定滤波器通带。

    Mp = 4;[mra,cfs] = ewt(“MaxNumPeaks”mp);

    绘制信号和MRA分量。

    Fs = 180;Subplot (mp+1,1,1) t = (0:length(wecg)-1)/fs;情节(t, wecg)标题(“信号的MRA”) ylabel (“信号”)轴紧为k = 1:议员次要情节(mp + 1, 1, k + 1)情节(t, mra (:, k)) ylabel ([“查看”, num2str (k)])轴紧结束包含(“时间(s)”）

    图中包含5个轴对象。标题为MRA的axis对象1包含一个类型为line的对象。坐标轴对象2包含一个line类型的对象。Axes对象3包含一个line类型的对象。Axes对象4包含一个line类型的对象。Axes对象5包含一个line类型的对象。

    验证MRA分量相加可得到信号的完美重构。

    马克斯(abs (wecg-sum (mra, 2)))
    Ans = 8.8818e-16

    验证EWT分析系数的节能性。

    Cfsenergy = sum(sum(abs(cfs).^2));[cfsenergy规范(wecg 2) ^ 2]
    ans =1×2298.2759 - 298.2759

    输入参数

    全部折叠

    输入数据，指定为实值或复值向量或包含单个列向量的单变量时间表。x必须至少有两个样本。

    数据类型:单|双
    复数支持:金宝app是的

    名称-值参数

    指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。

    在R2021a之前，使用逗号分隔每个名称和值，并将其括起来的名字在报价。

    例子:易(x,“MaxNumPeaks”5“SegmentMethod”,“localmin”)的MRAx使用五个最大的峰和相邻峰之间的第一个局部最小值。

    最大峰值的阈值百分比，用于确定在多锥功率谱中保留哪些峰值x，指定为区间(0,100)中的实数。的多锥功率谱估计中的局部极大值x归一化后位于[0,1]范围内，最大峰值等于1。所有峰值的值严格大于PeakThresholdPercent的最大峰被保留。

    数据类型:单|双

    用于确定EWT滤波器通带的分割方法，具体为:

    • “geomean”-相邻峰的几何平均值

    • “localmin”-相邻峰间的第一个局部极小值

    如果相邻峰值之间没有确定局部最小值，则该函数使用几何平均值。

    用于确定EWT滤波器通带的最大峰数。如果易中指定的峰值数小于MaxNumPeaks时，它使用可用的最大峰数。如果没有发现任何峰值，易采用一级离散小波变换(DWT)滤波器组。

    你不能同时指定两者MaxNumPeaks而且PeakThresholdPercent．

    数据类型:单|双

    多锥功率谱估计的频率分辨率带宽，指定为小于或等于0.25的实数。

    的价值FrequencyResolution确定在多锥功率谱估计中使用多少正弦锥。正弦多锥功率谱估计的带宽为(K+ 1) / (N+ 1),K圆锥的数量是和N是信号的长度。的最小值FrequencyResolution是2.5 /N,在那里N是信号长度的最大值，64。

    数据类型:单|双

    对数的频谱逻辑用于确定峰值频率。如果LogSpectrum设置为真正的时，采用多锥功率谱的对数。考虑设置LogSpectrum来真正的如果使用PeakThresholdPercent分割方法中存在一个主峰频率，该主峰的幅度明显大于其他主峰。

    输出参数

    全部折叠

    多分辨率分析(MRA)，作为矩阵或时间表返回。

    • 当x是一个向量，mra是一个矩阵，其中每一列存储一个提取的MRA组件。

      • 为实值x时，MRA分量按中心频率递减顺序排列。的最后一列mra对应于低通缩放滤波器。

      • 为复数x时，MRA分量开始于每个样本的−½个周期附近，并在中心频率上下降，直到获得低通比例系数。然后频率增加到每个样本的+½个周期。

    • 当x是一个时间表，mra是一个时间表与多个单变量，其中每个变量存储一个MRA组件。

    看到信息结构数组的频率边界的描述经验小波和尺度滤波器。

    如果x小于64个样本，易的零填充版本x长度为64。MRA组件被截断为原始长度。

    EWT分析系数，以矩阵形式返回。如果输入数据是实值，那么慢性疲劳综合症是一个实值矩阵。否则,慢性疲劳综合症是一个复值矩阵。的每一列慢性疲劳综合症存储对应MRA分量的EWT分析系数。分析系数的频带与MRA分量的排序相同。如果x小于64个样本，慢性疲劳综合症的零填充版本获得的分析系数x．

    数据类型:单|双

    经验小波滤波器组，返回为矩阵。滤波器的中心频率wfb匹配中的顺序mra而且慢性疲劳综合症．由于经验小波形成一个Parseval紧框架，分析滤波器组等于合成滤波器组。因此，将MRA分量相加可以得到完美的信号重构。

    数据类型:单|双

    过滤银行信息，返回为具有以下字段的结构:

    • PeakFrequencies-在周期/样本中识别的峰值归一化频率x作为一个列向量。为实值x时，频率在区间(0,1 / 2)上为正，且频率由高到低。为复数x，频率从(−½，½)开始排序。如果PeakFrequencies是空的,易没有发现任何峰值和默认的一级离散小波变换(DWT细分使用。

    • FilterBank-有两个变量的表:MRAComponent而且通频带．MRAComponentMRA组件的列索引是否在mra．通频带是一个l-by-2矩阵，其中l为MRA分量数。每行通频带为对应EWT滤波器和MRA分量的近似频率通带，以周期/样本为单位。

    数据类型:单|双
    复数支持:金宝app是的

    参考文献

    [1] Gilles, Jérôme。"经验小波变换"IEEE信号处理汇刊61年,没有。16(2013年8月):3999-4010。https://doi.org/10.1109/TSP.2013.2265222。

    [2] Gilles, Jérôme, Giang Tran, Stanley Osher。“二维经验变换。小波，山脊和曲波再认识"成像科学杂志7,不。1(2014年1月):157-86。https://doi.org/10.1137/130923774。

    [3] Gilles, Jérôme和Kathryn Heal。在直方图中寻找有意义模式的无参数尺度空间方法-应用于图像和频谱分割。国际小波，多分辨率和信息处理杂志12,没有。06(2014年11月):1450044。https://doi.org/10.1142/S0219691314500441。

    扩展功能

    版本历史

    R2020b中介绍

    另请参阅

    应用程序

    功能

    主题