小波信号去噪器
可视化和去噪时间序列数据
描述
的小波信号去噪器app是一个交互式工具,用于可视化和去噪实值1-D信号,并比较结果。使用该应用程序,您可以:
在MATLAB中访问所有的信号®工作区。
轻松调整默认参数和应用不同的去噪技术。
可视化并比较结果。
将去噪信号导出到您的工作区。
通过生成MATLAB脚本在工作空间中重新创建去噪信号。
的小波信号去噪器App提供了一种同时处理去噪数据的多个版本的方法。
使用应用程序去噪信号和比较结果的典型工作流程是:
启动应用程序并从MATLAB工作区导入一个1-D信号。该应用程序使用默认参数提供数据的初始去噪版本。
调整去噪参数,产生去噪信号的多个版本。
比较结果并导出所需的去噪信号到您的工作空间。
要将相同的去噪参数应用于工作空间中的其他信号,请生成一个MATLAB脚本并根据需要修改它。
有关更多信息,请参见用小波信号去噪器去噪信号.
打开小波信号去噪App
MATLAB工具条:在应用程序选项卡,在信号处理与通信,点击应用程序图标。
MATLAB命令提示符:输入
waveletSignalDenoiser
.
例子
参数
小波
-小波族
信谊
(默认)|bior
|头巾
|db
|颗
用于去噪信号的小波族,指定为以下之一:
信谊
——Symletsbior
-双正交样条小波头巾
——Coifletsdb
- Daubechies小波颗
- Fejér-Korovkin小波
有关其他信息,请参见wdenoise
.
方法
-去噪方法
贝叶斯
(默认)|BlockJS
|罗斯福
|极大极小
|确定
|UniversalThreshold
要应用的去噪方法,指定为以下之一:
贝叶斯
-经验贝叶斯BlockJS
-布洛克·詹姆斯·斯坦罗斯福
-错误发现率极大极小
-极小极大估计确定
-斯坦无偏风险估计UniversalThreshold
-通用阈值
有关其他信息,请参见wdenoise
.
规则
—阈值规则
中位数
(默认)|的意思是
|软
|硬
|James-Stein
使用阈值规则。有效的选项取决于去噪方法。
布洛克·詹姆斯·斯坦-
James-Stein
经验贝叶斯-
中位数
,的意思是
,软
,硬
〇错误发现率
硬
极小极大估计-
软
,硬
斯坦无偏风险估计-
软
,硬
通用阈值-
软
,硬
有关其他信息,请参见wdenoise
.
编程使用
提示
类的多个实例可以同时去噪多个信号小波信号去噪器应用程序。