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-'） 抓住在情节（FCLean，的r -，“线宽”，2）传奇（噪声信号的，'清洁信号'网格)在

打开小波信号Denoiser应用程序。从Matlab Toolstrip，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WaveletSignaldenoiser.在MATLAB命令提示符处。

通过单击将来自Workspace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并点击好的．

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，去噪信号，fnoisy1，以及信号的粗尺度近似，近似．

1.去噪信号窗格列出了所有版本的去噪信号。该列表目前仅包含使用默认名称创建的应用程序的信号，fnoisy1．

2.的当前小波参数窗格列出应用于创建的去噪参数fnoisy1．

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。

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，fnoisy1．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.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使用用于代位信号的新参数，并且应用程序重新发出去噪，fnoisy1．

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fnoisy1．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fnoisy1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fnoisy1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。

出口脚本

点击Fnoisy2.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Fnoisy2.．保存脚本，然后运行。这将创建变量Fnoisy2.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Fnoisy2.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个嘈杂的时间序列与其去噪版本进行比较。

子图（2,1,1）绘图（FDATATS.TIME，FDATATS.FTS15）标题（'原始时间序列'网格)在次要情节(2,1,2)情节(fdataTSclean.Time fdataTSclean.fTS15)标题(运用时间序列的网格)在

出口去噪信号

点击Fnoisy2.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Fnoisy2.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

如果您使用移动的平均滤波器和Savitzky-Golay滤波器的信号处理工具箱™表示信号，并计算每个去噪信号的SNR。

fmv = smoothdata (fNoisy,“movmean”25);Snrmovingaverage = -20 * log10（常见（abs（fclean-fmv））/ norm（fclean））

snrmovingaverage = 26.0040.

fsg = smoothdata（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。