wt

连续小波与滤波器组变换

全页折叠

语法

CFS =重量（FB，X）

[cfs f] = wt (fb, x)

[CFS，F，COI] =重量（FB，X）

[cfs, f, coi scalcfs] = wt (fb, x)

(慢性疲劳综合症,p) = wt (fb, x)

[cfs p coi] = wt (fb, x)

(慢性疲劳综合症,p coi scalcfs] = wt (fb, x)

描述

例子

慢性疲劳综合症=重量（神奇动物,x)返回的信号的连续小波变换（CWT）系数x使用神奇动物， CWT滤波器组。x是实值或复值向量。x必须至少有4个样品。如果x是实值，慢性疲劳综合症是一个二维矩阵，其中每一行对应一个尺度。的列大小慢性疲劳综合症等于的长度x。如果x是复数,慢性疲劳综合症为三维数组，其中第一页为正尺度(分析部分或逆时针分量)的连续小波变换，第二页为负尺度(反分析部分或顺时针分量)的连续小波变换。

(慢性疲劳综合症,f)= wt (神奇动物,x)返回频率f对应于的刻度(行)慢性疲劳综合症如果SamplingPeriod未在CWT滤波器组指定的属性神奇动物。如果没有指定的采样频率，f是周期/样本。

(慢性疲劳综合症,f,COI)= wt (神奇动物,x)返回影响锥COI类。COI是在相同的单位吗f。如果输入x是复杂的,COI的两个页面都适用慢性疲劳综合症。

例子

(慢性疲劳综合症,f,COI,scalcfs)= wt (神奇动物,x)返回缩放系数scalcfs对于小波变换。缩放系数不支持凹凸小波。金宝app

(慢性疲劳综合症,p)= wt (神奇动物,x)返回时间p对应于的刻度(行)慢性疲劳综合症如果您指定的CWT滤波器组采样周期。p具有相同的单元和格式的持续时间标量采样周期。

(慢性疲劳综合症,p,COI)= wt (神奇动物,x)返回影响锥COI在连续小波变换的周期内。COI是与采样周期具有相同格式属性的持续时间数组。如果输入x是复杂的,COI的两个页面都适用慢性疲劳综合症。

(慢性疲劳综合症,p,COI,scalcfs)= wt (神奇动物,x)返回缩放系数scalcfs对于小波变换。缩放系数不支持凹凸小波。金宝app

例子

全部收缩

连续小波变换使用滤波器组

开立真实脚本

加载有噪声的多普勒信号。创建一个可以应用于信号的CWT滤波器组。

负载noisdoppFB = cwtfilterbank（'SignalLength'元素个数(noisdopp));

使用滤波器组，以获得连续小波变换的信号。

[cfs f coi] = wt (fb, noisdopp);

绘制CWT图像，包括影响锥。

t = 0时：numel（noisdopp）-1;令pColor（T，F，ABS（CFS））着色平面集（GCA，'YScale',“日志”）保持上图（T，COI，“w -”,'行宽'，3）xlabel（的时间(样本)）ylabel（的归一化频率(周期/样本)）标题（量图的)

反连续小波变换使用尺度系数

开立真实脚本

创建并绘制在1000赫兹采样的信号。创建可以在信号中使用的CWT滤波器组。由于信号是周期性的，滤波器组的边界扩展属性设置为“周期”。

FS = 1000;t = 0时：1 / FS：1-1 / FS;SIG = 3 * SIN（2 * PI * 20 * T）+ COS（2 * PI * 2 * T）;FB = cwtfilterbank（'SignalLength'、长度(团体),“SamplingFrequency”，FS，“边界”,“周期”）;情节（T，SIG）xlabel（“时间（秒）”）标题（“信号”)

取信号的CWT。返回小波和尺度系数。

[CFS，〜，〜，scalcfs] =重量（FB，SIG）;

重建信号的两种方式。首先使用信号的平均值，然后用缩放系数。绘制原始信号和重建两者之间的区别。

xrec0 = icwt(慢性疲劳综合症,“SignalMean”，平均值（SIG））;xrec1 = ICWT（CFS，“ScalingCoefficients”,scalcfs);sig-xrec0情节(t)上情节(t, sig-xrec1)网格上传说（'使用均值（SIG）',“使用scalcfs”）标题（“区别重建”)

比例系数的结果是一个更准确的重建显着。为了研究这一显著改进的来源，需要创建一个由原始信号的2hz分量组成的第二个信号。比较标度系数与2hz信号。标度系数和2hz信号实际上是相同的。使用比例系数有助于重构，因为2hz的分量无法用具有这种采样频率和长度的小波表示。

图sig2hz = cos(2*pi*2*t);sig2hz情节(t)上情节（T，scalcfs）格上标题（“比较与2hz分量的比例系数”）xlabel（“时间（秒）”)传说(“2赫兹组件”,“缩放系数”)

使用CWT滤波器组多时间系列

开立真实脚本

这个例子说明了如何服用的多个时间序列的CWT时使用CWT滤波器组提高了计算效率。

装载1995年神户大地震期间记录的地震数据。这些数据是地震仪（垂直加速度，纳米/ sq.sec）在20时56分51秒（北京时间），在塔斯马尼亚大学，澳大利亚霍巴特1月16日1995年开始记录的测量值，并且持续以1秒间隔51分钟。创建可应用于数据CWT滤波器组。

负载科比FB = cwtfilterbank（'SignalLength'元素个数(科比),“SamplingFrequency”，1）;

使用类功能和获取数据250次的CWT。显示所使用的经过时间。

num = 250;抽搐;为k=1:num cfs = cwt(科比);结束TOC

经过时间是6.551628秒。

现在使用的wt目标函数的过滤银行采取的连续小波变换的数据。确认使用过滤组更快。

抽搐;为K = 1：NUM CFS =重量（FB，神户）;结束TOC

经过时间是3.782376秒。

输入参数

全部收缩

`神奇动物`- - - - - -连续小波变换滤波器组
`cwtfilterbank`对象

连续小波变换（CWT）滤波器组，指定为cwtfilterbank宾语。

`x`- - - - - -输入信号
实时或复数值向量|`gpuArray`

输入信号，指定为实值或复值向量。x必须至少有四个样本。

数据类型：双|单
复数的支持:金宝app是的

输出参数

全部收缩

`慢性疲劳综合症`-连续小波变换
矩阵|三维阵列

连续小波变换，返回作为基质或复数值的3-d阵列。如果x是实值，慢性疲劳综合症是一个二维矩阵，其中每一行对应一个尺度。的列大小慢性疲劳综合症等于的长度x。如果x是复数,慢性疲劳综合症是一个3 d阵列，其中第一页面是用于正尺度（解析部分或逆时针成分）的CWT，并且第二页是针对负尺度（反解析部分或顺时针成分）的CWT。

`f`- 频率
向量

频率返回为矢量，对应于标度（行）的慢性疲劳综合症如果'SamplingPeriod'未在神奇动物。如果你指定一个采样频率，f在赫兹。如果没有指定频率，f是周期/样本。

数据类型：双

`p`——时间
排列

段，返回作为持续时间的阵列中，对应于标度（行）的慢性疲劳综合症如果神奇动物具有指定的采样周期。p具有相同的单元和格式的持续时间标量采样周期。

数据类型：持续时间

`COI`- 影响锥
实数数组|持续时间数组

连续小波变换的影响锥，以实数数组或持续时间数组的形式返回。影响锥表示连续小波变换中边缘效应发生的位置。如果你指定一个采样频率，COI是实数相同的单位作为一个数组f。如果你指定一个采样周期，COI是与采样周期具有相同格式属性的持续时间数组。由于边缘效应的存在，我们不太相信那些在影响范围之外或覆盖范围内的区域。

有关其他信息，请参见边界效应和影响的锥。

数据类型：双|持续时间

`scalcfs`——比例系数
实时或复数值向量

缩放系数为小波变换，返回作为载体用相同的长度x。如果x是实值，scalcfs是实值。如果x是复值，scalcfs是复杂的重视。

数据类型：双

提示

第一次使用滤波器组对信号进行连续小波变换时，小波滤波器被构造成与信号具有相同的数据类型。当您将相同的筛选器组应用于具有不同数据类型的信号时，将生成警告消息。更改数据类型需要重新设计或更改筛选器组的精度。为了获得最佳性能，请使用一致的数据类型。
在执行多个cwt时，例如在for循环中，建议的工作流是首先创建一个cwtfilterbank对象，然后使用wt对象的功能。此工作流最小化开销并最大化性能。看到使用CWT滤波器组多时间系列。