主要内容

swt

1-D离散平稳小波变换

折叠所有页面

    语法

    SWC = swt(x,n,wname)
    swc = swt(x,n,LoD,HiD)
    [swa,swd] = swt(___）

    描述

    例子

    swc= swt (x，n，wname）返回信号的平稳小波分解x在层次n使用小波wname．

    请注意

    swt使用周期扩展定义。在每个级别上计算的近似系数和细节系数的长度等于信号的长度。

    swc= swt (x，n，LoD,藏）使用指定的低通和高通小波分解滤波器返回平稳小波分解LoD而且藏,分别。

    ［swa，社署= swt(___）返回近似系数swa平稳小波系数社署使用前面的语法之一。

    例子

    全部折叠

    打开实时脚本

    对信号进行多级平稳小波分解。

    加载一个一维信号并获取它的长度。

    负载noisblocS =噪声区;sLen =长度(s);

    在信号的3级执行平稳小波分解使用“db1”．提取第3级的细节系数和近似系数。

    [swa,swd] = swt(s,3，“db1”）;Swd3 = swd(3，:);Swa3 = swa(3，:);

    绘制分解的输出。

    图(s) xlim([0 sLen])原始信号的）

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

    绘制三级近似和详细系数。

    subplot(2,1,1) plot(swa3) xlim([0 sLen]) title(三级近似系数) subplot(2,1,2) plot(swd3) xlim([0 sLen]) title(“三级细节系数”）

    图中包含2个轴对象。标题为Level 3近似值系数的坐标轴对象1包含一个类型为line的对象。标题为Level 3 Detail系数的Axes对象2包含一个类型为line的对象。

    输入参数

    全部折叠

    输入信号，指定为实值向量。

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    分解级别，指定为正整数。2n长度一定要除以x．使用wmaxlev以确定分解的最大程度。

    数据类型:双

    分析小波，指定为字符向量或字符串标量。swt金宝app只支持1型(正交)或2型(双正交)小波。看到wfilters正交小波和双正交小波。

    小波分解滤波器，指定为一对偶长实值向量。LoD是低通分解滤波器，和藏是高通分解滤波器。的长度LoD而且藏必须是相等的。看到wfilters获取更多信息。

    输出参数

    全部折叠

    平稳小波分解，返回实值矩阵。系数按行存储:

    • 对于1≤我≤n,我第Th行swc包含级别的详细系数我．

    • swc (n+ 1,:)包含水平的近似系数n．

    数据类型:双

    近似系数，作为实值矩阵返回。对于1≤我≤n,我第Th行swa包含水平的近似系数我．

    数据类型:双

    详细系数，作为实值矩阵返回。对于1≤我≤n,我第Th行社署包含级别的详细系数我．

    数据类型:双

    算法

    给定一个信号年代的长度N时，平稳小波变换(SWT)的第一步产生，从年代，两组系数:近似系数cA1以及细节系数cD1．这些向量是通过卷积得到的年代低通滤波器LoD为近似，并与高通滤波器藏对细节。

    更准确地说，第一步是

    在哪里表示与滤波器的卷积X．

    请注意

    cA1而且cD1都有长度N而不是N / 2就像DWT的情况一样。

    下一步是分割近似系数cA1在两部分使用相同的方案，但与修改滤波器获得的上采样滤波器用于前一步和替换年代通过cA1．然后，SWT产生cA2而且cD2．更普遍的是,

    在哪里

    • F0＝LoD

    • G0＝藏

    • -上样(在元素之间插入零)

    参考文献

    [1]内森，g.p.， b.w.西尔弗曼。平稳小波变换及其统计应用在小波与统计，由Anestis Antoniadis和george Oppenheim编辑，103:281-99。纽约，纽约，1995。https://doi.org/10.1007/978 - 1 - 4612 - 2544 - 7 - _17。

    [2] Coifman, r.r.和D. L. Donoho。“平移不变去噪”。在小波与统计，由Anestis Antoniadis和george Oppenheim编辑，103:125-50。纽约，纽约，1995。https://doi.org/10.1007/978 - 1 - 4612 - 2544 - 7 - _9。

    [3]佩斯凯，j.c。，H. Krim, and H. Carfantan. “Time-Invariant Orthonormal Wavelet Representations.”IEEE信号处理汇刊44岁的没有。8(1996年8月):1964-70。https://doi.org/10.1109/78.533717。

    扩展功能

    另请参阅

    |||

    R2006a之前介绍

    小波工具箱文档

    金宝app

    试试MATLAB、Sim金宝appulink和其他产品下载188bet金宝搏

    现在就去审判吧