wthrmngr
阈值设置管理器
语法
描述
例子
全局阈值,离散小波分解
加载和噪声信号。
负载noisdopp情节(noisdopp)网格在标题(噪声信号的)
生成一个5级噪声信号的小波分解使用订单4 Daubechies小波。情节的系数。
[c、l] = wavedec (noisdopp 5“db4”);情节(c)网格在标题(“小波系数”)
确定全局阈值压缩的信号。
用力推= wthrmngr (“dw1dcompGBL”,“bal_sn”c l);
第一个小波细节系数的指数c
是l (1) + 1
。阈值应用到所有的细节系数。画出阈值系数。观察到的大部分系数设置为0。
c (l(1) + 1:结束)= c (l(1) + 1:结束)。* (c (l(1) + 1:结束)>刺);情节(c)网格在标题(“阈值系数”)
重建信号的阈值系数。绘制重建。
xrec = waverec (c、l、“db4”);情节(xrec)网格在标题(“压缩信号”)
图像压缩,Birge-Massart阈值
压缩图像使用Birge-Massart策略。
加载图像并添加高斯白噪声。为了再现性,将随机种子设置为默认值。
rng默认的负载sinsinx = x + 18 * randn(大小(x));
获得二维离散小波变换到三级使用Daubechies least-asymmetric小波4消失的时刻。获得使用Birge-Massart压缩阈值策略与稀疏参数,α
,等于2。
[C、L] = wavedec2 (x, 3,“sym4”);α= 2;用力推= wthrmngr (“dw2dcompLVL”,“scarcehi”C Lα);
压缩图像和显示结果。
xd = wdencmp (“lvd”,x,“sym4”3用力推“年代”);图像(X)标题(原始图像的)
数字图像(x)标题(“嘈杂的图像”)
图图像(xd)标题(“压缩”)
等级相关阈值——平稳小波变换
这个示例使用等级相关阈值来源于各尺度小波系数努力实现平稳小波变换的阈值。
负载噪声块信号。获得平稳小波变换使用Haar小波5级。
负载noisblocL = 5;swc = swt (noisbloc, L,“哈雾”);
复制的小波变换系数。确定Donoho-Johnstone通用阈值的基础上,为每个尺度细节系数。使用“mln”
选项,wthrmngr
返回一个1-by-L向量,每个元素的通用阈值等于相应的规模。
swcnew = swc;ThreshML = wthrmngr (“sw1ddenoLVL”,“sqtwolog”swc,“mln”);
使用通用阈值实现硬阈值。尺度依赖的方式应用的阈值。
为jj = 1: L swcnew (jj:) = wthresh (swc (jj,:)“h”ThreshML (jj));结束
转化的平稳小波变换阈值系数,swcnew
。画出原始信号的去噪信号的比较。
noisbloc_denoised = iswt (swcnew,“哈雾”);情节(noisbloc)在情节(noisbloc_denoised“r”,“线宽”2)传说(“原始”,“去噪”)
全球阈值小波包分解
消除干扰噪声信号通过应用全局阈值小波包分解结构。
加载和噪声信号。
负载noisdopp情节(noisdopp)网格在标题(噪声信号的)
生成一个3级噪声信号的小波包分解使用订单4 Daubechies小波。
T = wpdec (noisdopp 3“db4”);
确定全局阈值去噪信号。
用力推= wthrmngr (“wp1ddenoGBL”,“sqtwologuwn”T);
得到小波包分解树的叶子T
和阈值应用到树叶。使用硬阈值。
T1 = T;sorh =“h”;cfs =阅读(T)“数据”);cfs = wthresh (cfs, sorh thr);T1 =写(T1,“数据”cfs);
重构去噪信号的阈值系数。绘制重建。
xrec = wprec (T1);情节(xrec)网格在标题(的去噪信号)
地方平稳小波变换的阈值
这个示例使用地方阈值基于细尺度上小波系数努力实现平稳小波变换的阈值。
负载噪声块信号。获得平稳小波变换使用Haar小波5级。
负载noisblocL = 5;swc = swt (noisbloc, L,“哈雾”);
复制的小波变换系数。确定Donoho-Johnstone通用阈值基于一级细节系数。使用“sln”
选项,wthrmngr
返回一个1-by-L向量,每个元素等于相同的值。用的均值向量来获取一个标量阈值。
swcnew = swc;ThreshSL =意味着(wthrmngr (“sw1ddenoLVL”,“sqtwolog”swc,“sln”));
使用通用阈值实现硬阈值。相同的阈值应用到各级小波系数。
为jj = 1: L swcnew (jj:) = wthresh (swc (jj,:)“h”,ThreshSL);结束
转化的平稳小波变换阈值系数,swcnew
。画出原始信号的去噪信号的比较。
noisbloc_denoised = iswt (swcnew,“哈雾”);情节(noisbloc)在情节(noisbloc_denoised“r”,“线宽”2)传说(“原始”,“去噪”)
输入参数
选择
- - - - - -类型和维数压缩和去噪
“dw1dcompGBL”
|“dw1dcompLVL”
|“dw1ddenoLVL”
|“sw1ddenoLVL”
|“dw2dcompGBL”
|“dw2dcompLVL”
|……
类型和维数压缩和去噪,指定的值在表中列出。wthrmngr
返回阈值适合您所指定的选项。
离散小波和小波包分解的数据,你可以压缩或降噪数据。平稳小波分解数据,你只能降噪数据。
一个解释的系数是用来确定阈值,明白了系数的选择。
一维离散小波分解选项
在这些选项,X
是信号,小波系数向量中吗C
,系数向量的长度l
。这个论点α
是稀疏参数,规模
定义了乘法阈值尺度改变。
关于小波分解的额外信息,明白了wavedec
。更多地了解α
和规模
,请参阅wdcbm
和wden
分别。
选择 |
描述 |
有效的语法 |
---|---|---|
“dw1dcompGBL” |
一维压缩使用全局阈值 |
|
“dw1dcompLVL” |
一维压缩用等级相关阈值 |
|
“dw1ddenoLVL” |
一维用等级相关阈值去噪 |
|
二维离散小波分解选项
在这些选项,X
是小波系数的数据,在向量C
,系数矩阵的大小l
。这个论点α
是稀疏参数,规模
定义了乘法阈值尺度改变。
关于小波分解的额外信息,明白了wavedec2
。更多地了解α
和规模
,请参阅wdcbm2
和wden
分别。
选择 |
描述 |
有效的语法 |
---|---|---|
“dw2dcompGBL” |
二维压缩使用全局阈值 |
|
“dw2dcompLVL” |
用等级相关阈值二维压缩 |
|
“dw2ddenoLVL” |
用等级相关二维去噪阈值 |
|
一维小波包分解选项
在这些选项,X
是信号和wpt
信号的小波包分解结构。
关于小波包分解的额外信息,明白了wpdec
。
选择 |
描述 |
有效的语法 |
---|---|---|
“wp1dcompGBL” |
一维压缩使用全局阈值 |
|
“wp1ddenoGBL” |
一维去噪使用全局阈值 |
|
二维小波包分解选项
在这些选项,X
是数据和wpt
是数据的小波包分解结构。
关于小波包分解的额外信息,明白了wpdec2
。
选择 |
描述 |
有效的语法 |
---|---|---|
“wp2dcompGBL” |
二维压缩使用全局阈值 |
|
“wp2ddenoGBL” |
二维去噪使用全局阈值 |
|
一维平稳小波分解选项
使用等级相关阈值去噪是唯一的选择用于一维平稳小波分解,swtdec
。在这个选项中,α
是一个稀疏参数和规模
定义了乘法阈值尺度改变。
对于平稳小波分解的更多信息,见swt
。更多地了解α
和规模
,请参阅wbmpen
和wden
分别。
选择 |
有效的语法 |
---|---|
“sw1ddenoLVL” |
|
阈值是基于平稳小波分解系数的一个子集。看到系数的选择额外的信息。
二维平稳小波分解选项
使用等级相关阈值去噪是唯一的选择用于二维平稳小波分解,swtdec
。在这个选项中,α
是一个稀疏参数和规模
定义了乘法阈值尺度改变。
对于平稳小波分解的更多信息,见swt2
。更多地了解α
和规模
,请参阅wbmpen
和wden
分别。
选择 |
有效的语法 |
---|---|
“sw2ddenoLVL” |
|
阈值是基于平稳小波分解系数的一个子集。看到系数的选择额外的信息。
方法
- - - - - -阈值方法
“scarcehi”
|“scarceme”
|“scarcelo”
|“sqtwolog”
|“sqtwologuwn”
|“sqtwologswn”
|……
指定的阈值方法,这里列出的值。
方法 |
描述 |
---|---|
“scarcehi” |
使用Birge-Massart策略确定阈值。 |
“scarceme” |
使用Birge-Massart策略确定阈值。 |
“scarcelo” |
使用Birge-Massart策略确定阈值。 |
“sqtwolog” |
使用固定形式通用阈值。看到“sqtwolog” 选项wden 。 |
“sqtwologuwn” |
使用固定形式通用阈值。看到“sqtwolog” 选项wden 当使用sln ”选项。 |
“sqtwologswn” |
使用固定形式通用阈值。看到“sqtwolog” 选项wden 一起使用时“mln” 选择。 |
“rigsure” |
使用软阈值估计规则基于斯坦的无偏估计的风险。看到“确定” 选项wdenoise 。 |
“heursure” |
使用的混合物“rigsure” 和“sqtwolog” 。看到“heursure” 选项wden 。 |
“minimaxi” |
使用固定阈值选择收益率极小极大的性能。看到极大极小的 选项wdenoise 。 |
“penalhi” |
用于定义Birge-Massart策略确定阈值。 |
“penalme” |
用于定义Birge-Massart策略确定阈值。 |
“penallo” |
用于定义Birge-Massart策略确定阈值。 |
“rem_n0” |
返回一个阈值接近于0。一个典型的用力推 值是中位数(abs(系数) 。 |
“bal_sn” |
返回一个阈值,保留能量的百分比和0的数量都是一样的。 |
“sqrtbal_sn” |
返回一个阈值的平方根等于价值的百分比保留能量和0的数量都是一样的。 |
数据类型:字符
X
- - - - - -输入数据
实值向量|实值矩阵
输入数据,指定为一个实值向量或矩阵实值。
数据类型:双
规模
- - - - - -乘法阈值尺度改变
“一个”
|“sln”
|“mln”
输出参数
用力推
——阈值
实值标量| |实值向量实值矩阵
阈值,作为实值返回标量全球阈值或一个实值向量或矩阵等级相关阈值。
数据类型:双
提示
算法
系数的选择
涉及的严格采样小波和小波包分解系数的2倍在每个阶段的分解。才不会发生在nondecimated平稳小波分解。
wthrmngr
获得去噪和压缩阈值的小波系数。严格采样小波和小波包分解,选择和方法确定是否所有小波系数或只使用最好的尺度系数。
平稳小波分解,wthrmngr
总是使用小波系数的一个子集。当计算的去噪阈值N
水平的平稳小波分解,该算法首先次级样本层次的小波系数k
的一个因素2k
,因为k = 1,…, N
。该算法使用这个系数来确定阈值的子集。大部分的平稳小波分解系数的不考虑。
Birge-Massart策略
Birge-Massart策略确定阈值取决于不同的参数。你指定小波分解和阈值方法。你也可以指定一个稀疏参数,α
,或一个特定的乘法阈值重新调节,规模
。根据您的输入,wthrmngr
获得必要的Birge-Massart参数。的参数依赖于信号的维数,总数,N
,粗尺度系数的小波分解。
如果阈值方法“scarcehi”
,“scarceme”
,或“scarcelo”
,wthrmngr
执行要么wdcbm
或wdcbm2
。如果阈值方法“penalhi”
,“penalme”
,或“penallo”
,然后wthrmngr
执行要么wbmpen
或wpbmpen
。
阈值方法 | 描述 |
---|---|
“scarcehi” |
|
“scarceme” |
|
“scarcelo” |
|
“penalhi” |
|
“penalme” |
|
“penallo” |
引用
[1]Birge, L。,P. Massart. “From Model Selection to Adaptive Estimation.”吕西安Le凸轮纪念文集:概率论与数理统计的研究论文(e . Torgersen d·波拉德,g .杨eds)。纽约:斯普林格出版社,1997年,55 - 88页。
版本历史
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。