将数据导入应用程序

将数据加载到MATLAB工作区中。的.mat文件包含一个信号的干净版本和一个噪声版本。把两个版本的信号都画出来。

负载fdata情节(fNoisy“b-”)持有在…上地块（fClean，的r -，“线宽”（2）图例(噪声信号的，“清洁信号”网格)在…上

打开小波信号去噪应用程序。从MATLAB Toolstrip中，打开应用程序选项卡,在信号处理与通信,点击小波信号降噪．你也可以通过输入来启动应用程序小波信号发生器在MATLAB命令提示符处。

通过单击将工作区中的嘈杂信号加载到应用程序中负载信号在将来发布。从可以加载到应用程序的工作区变量列表中，选择fNoisy并点击好啊．

该应用程序导入噪声信号，并立即使用默认参数去噪。

检查导入数据

检查fNoisy情节。应用程序绘制出原始信号，fNoisy，去噪后的信号，Fnosiy1，以及信号的粗尺度近似，近似．

一,去噪信号窗格列出了去噪信号的所有版本。该列表当前仅包含应用程序使用默认名称创建的信号，Fnosiy1．

2.的当前小波参数窗格列出应用于创建的去噪参数Fnosiy1．

3.缩放和平移感兴趣的区域。首先，将光标放在情节上以显示浮动的调色板。然后从面板中选择所需的操作。

4.切换哪些信号是可见的fNoisy情节:

5.检查系数情节。

红色的系数用于重建去噪信号。的当前小波参数窗格表示使用9级小波分解去噪信号。

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。然后从调色板中选择所需的操作。

修改去噪参数

单击小波选项卡。使用此工具条调整和应用降噪参数的选择去噪信号。

列出的值是用于创建去噪信号的参数，Fnosiy1．要修改这些设置的值，在工具条中从左到右工作:

1.在小波下拉菜单，选择Daubechies小波族，db．因为这个动作:

2.从方法下拉菜单,选择通用阈值．

3.定义一个10级小波分解，改变的值水平来10．

4.通过改变方法来通用阈值,规则设置自动从中位数来软．将设置更改为硬．

5.点击等级相关．

6.通过单击应用这些设置的新值消除干扰．

的当前小波参数窗格更新用于去除信号的新参数，应用程序重新发送去除信号，Fnosiy1．

请注意:所有参数都是上下文相关的。一个参数的可能值可以依赖于另一个参数的当前选择值。你不能做出不相容的选择。例如，当去噪方法是FDR时，只有可能的阈值规则:hard。在此实例中，没有列出其他值规则下拉菜单。

复制去噪信号并比较近似

如果您喜欢一个特定的去噪信号，但希望探索更多的去噪参数，您可以复制它。然后可以修改副本的参数，而不丢失原始参数。

1.从去噪信号窗格中,选择Fnosiy1．然后在工具条上，从信号降噪选项卡上,单击复制．

2.在小波选项卡中,改变水平来2，然后单击消除干扰．该应用程序使用两级小波分解对信号进行降噪。此外，应用程序:

因为fNoisy1Copy的近似值。应用程序总是绘制当前选择的去噪信号的近似图。您可以如下演示此行为。在情节图例中，单击Fnosiy1和fNoisy1Copy．两个去噪信号的名称都消失了，这两个信号不再标绘。只有原始信号和近似图是可见的。

图中的虚线表示近似。因为fNoisy1Copy突出显示在去噪信号列表，绘制的近似是两层小波分解的结果。这种近似是相对嘈杂的。现在选择Fnosiy1在列表中。10级小波分解的近似是不同的。

恢复原来的参数

通过添加一个新的去噪信号，您总是可以返回到使用原始的默认参数。从工具条，在信号降噪选项卡上,单击添加．

导出的结果

如果您想将相同的去噪参数应用于其他数据，您可以使用该应用程序生成一个脚本，以重新生成选定的去噪信号。然后，您可以根据自己的需要修改和保存脚本。要做进一步的分析，您可以将降噪信号导出到您的工作区。

导出脚本

点击Fnosiy2在去噪信号．在信号降噪选项卡中的出口▼”菜单中,选择生成MATLAB脚本．在你的MATLAB编辑器中打开一个无标题的脚本，带有以下可执行代码:

fNoisy2 = wdenoise (fNoisy 9．..“小波”，“sym4”，．..“DenoisingMethod”，“贝叶斯，．..“ThresholdRule”，“中值”，．..“NoiseEstimate”，“LevelIndependent”)；

的wdenoise输入参数由用于创建的值填充Fnosiy2．保存脚本，然后运行。这将创建变量Fnosiy2在你的工作空间。

加载文件fdataTS．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。数据包含在类型中时间表变量fdataTS．

负载fdataTS

将去噪参数应用于fdataTS，通过替换来编辑脚本fNoisy与fdataTS和Fnosiy2与fdataTSclean．然后运行脚本。

fdataTSclean = wdenoise (fdataTS 9．..“小波”，“sym4”，．..“DenoisingMethod”，“贝叶斯，．..“ThresholdRule”，“中值”，．..“NoiseEstimate”，“LevelIndependent”)；

将第15个噪声时间序列与其去噪版本进行比较。

子地块（2,1,1）绘图（数据时间，数据时间15）标题(“原始时间序列”网格)在…上次要情节(2,1,2)情节(fdataTSclean.Time fdataTSclean.fTS15)标题(运用时间序列的网格)在…上

出口去噪信号

点击Fnosiy2在去噪信号．然后在工具条上，从信号降噪选项卡，单击上面的绿色复选标记出口▼。自Fnosiy2已经存在于您的工作区中，您可以强制导出并覆盖工作区变量。或者，您可以取消导出，在应用程序中重命名去噪信号或工作区变量，并再次导出。一个标志出现确认信号被导出。要永久删除横幅，请单击X关闭或导入一个新信号到应用程序。

因为您的工作空间中有一个干净的信号，所以计算去噪信号的信噪比。

snrWavelet = -20 * log10(规范(abs (fClean-fNoisy2)) /规范(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 = smoothdata (fNoisy,“movmean”,25); snrMovingAverage=-20*log10（标准（abs（fClean fmv））/标准（fClean））

snrMovingAverage=26.0040

fsg=平滑数据（fNoisy，“sgolay”25);snrSavitskyGolay = -20 * log10(规范(abs (fClean-fsg)) /规范(fClean))

snrSavitskyGolay = 28.8932

你取得了卓越的结果去噪与sym4小波。