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
本章引导您逐步完成的例子,教你如何使用小波包一维和小波包二维图形工具。最后一节讨论如何从图形工具传递信息到你的磁盘,并再次回来。
请注意
在本章中描述的所有图形用户界面工具允许您导入的信息和信息导出到磁盘或工作区。
因为包装和拆包的固有复杂性完全小波包分解树结构,我们建议使用小波包一维和小波包二维图形工具进行探索性分析。
还可以使用命令行功能和提供相同的功能。然而,最有效率的使用只执行批处理命令行。
请注意
在小波包的更多背景资料,你可以看到部分小波包。
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。
一些更高级的混合命令行例子和应用函数一节中可以找到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。
图形工具会自动提供一个初始阈值基于能量平衡的压缩量和保留。这个阈值是大多数情况下合理的第一近似值。然而,一般来说你必须改进阈值通过反复试验,优化结果以适合您的特定分析和设计标准。
工具促进实验用不同的阈值,使它容易改变压缩和保留信号能量之间的权衡。
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。
在这个例子中,我们将向您展示如何使用一维小波包分析压缩和消除干扰信号。