去噪

为了说明小波去噪，创建一个有噪声的“颠簸”信号。在这种情况下，既有原始信号，也有带噪声的信号。

RNG.默认的；[x，xn] = wnoise（“疙瘩”，10，sqrt（6））;子图（211）绘图（x）;标题('原始信号'）;甘氨胆酸AX =;斧子。YLim = [0 12];次要情节(212)情节(XN);标题(噪声信号的）;甘氨胆酸AX =;斧子。YLim = [0 12];

把信号降噪到4级wdenoise使用默认设置。wdenoise使用抽取的小波变换。将结果与原始信号一起绘制出来。

XD = WDEOISE（XN，4）;数字;plot（x，“r”） 抓住上；情节(xd)传说('原始信号'，'去噪'，'地点'，“NorthEastOutside”)轴紧的；持有离开；

你也可以使用非抽取小波变换去噪信号。再用非抽取小波变换将信号降噪到第4级。将结果与原始信号一起绘制出来。

xdMODWT = wden (XN,“modwtsqtwolog”，“年代”，'MLN'，4，“sym4”）;数字;plot（x，“r”） 抓住上；情节(xdMODWT)传说('原始信号'，'去噪'，'地点'，“NorthEastOutside”)轴紧的；持有离开；

你可以看到，在这两种情况下，小波去噪都去除了相当数量的噪声，同时保留了信号中的尖锐特征。这是基于傅里叶去噪的一个挑战。在基于傅里叶的去噪或滤波中，你应用低通滤波器去噪。然而，当数据具有高频特征，如信号尖峰或图像边缘，低通滤波器将这些平滑。

你也可以用小波去噪噪声不均匀的信号。输入并检查显示一段时间内耗电量的部分信号。

负载Leleccum.；Indx = 2000：3450;x = lececcum（indx）;绘图（x）网格上；

在大约样本500之后，信号似乎有更多的噪声。因此，你想在信号的初始部分使用不同的阈值。您可以使用cmddenoise确定要去噪并弃头发信号的最佳间隔数。在此示例中，使用“DB3”小波并将数据分解为级别3。

[sigdden，〜，thrparams，〜，bestnbofint] = cmddenoise（x，'db3'3);

显示间隔数和分隔间隔的示例值。

BestNbOfInt

Bestnbofint = 2

thrparams {1}（：，1：2）

ans =2×21 412 412 1451

确定了两个区间。标记两段边界的样本为412。如果您绘制信号并标记两个信号段，您会看到噪声在样本412之前和之后出现不同。

情节（x）持有上；情节(412年[412],[100 - 550],“r”） 抓住离开；

绘制去噪信号。

情节(SIGDEN)标题('去噪'）

降噪图像

你也可以用小波去噪图像。在图像中，边缘是图像亮度变化迅速的地方。在图像去噪的同时保持边缘对感知质量至关重要。传统的低通滤波在去除噪声的同时，往往会使边缘平滑，对图像质量产生不利影响。小波能够在去除噪声的同时保留感知上的重要特征。

加载嘈杂的图像。使用图像wdenoise2使用默认设置。默认情况下,wdenoise2使用Biorthogonal小波Bior4.4．要显示原始图像和去噪图像，不要提供任何输出参数。

负载(“jump.mat”) wdenoise2(跳)

注意，图像中的边缘并没有被去噪过程平滑。