小波包分析
研究和探索个人的小波包特征
进行一维小波包分析和二维数据
压缩和去除噪声从信号用小波包和图片
更多背景小波包,看到的部分小波包。
一些面向对象编程特性用于小波包树结构。更多细节,请参考介绍面向对象特性。
本章将介绍一维、二维小波包分析的特点利用小波工具箱软件。您将学习如何
加载一个信号或图像
执行一个信号或图像的小波包分析
压缩一个信号
去除噪声信号
压缩图像
显示统计数据和直方图
工具箱提供了这些函数进行小波包分析。有关更多信息,请参见页面的引用。这些函数的参考条目包括示例展示了如何通过命令行执行小波包分析。
一节中可以找到更多的例子使用小波包树对象实例。
分解结构实用程序
去噪和压缩
在小波包框架中,压缩和去噪的想法是完全相同的小波框架开发。唯一的区别在于,小波包提供了一个更复杂的和灵活的分析,因为在小波包分析,近似的细节以及分裂。
单一的小波包分解给很多的基地可以寻找最好的表示,对一个设计目标。这可以通过寻找“最佳树”基于熵准则。
小波包去噪和压缩是有趣的应用分析。小波包去噪或压缩过程包括四个步骤:
分解
对于给定的小波,计算信号的小波包分解
x
在层次N
。计算最好的树
对于一个给定的熵,计算最优小波包树。当然,这一步是可选的。提供一个图形工具最好的树按钮做这个计算快速和容易。
阈值的小波包系数
对于每一个数据包(近似除外),选择一个阈值,阈值应用到系数。
重建
计算小波包重构基于最初的近似系数的水平
N
和修改后的系数。