小波去噪
这个例子展示了如何使用小波降噪信号和图像。因为小波本地化特征在不同尺度的数据,你可以保留重要的信号或图像特性,消除噪音。小波去噪的基本思想,小波变换或小波阈值,是导致许多真实世界的信号和图像的稀疏表示。这意味着什么是小波变换的信号和图像特征集中在几个高震级小波系数。通常噪声小波系数小的价值,你可以“缩小”这些系数或删除它们在不影响信号或图像质量。阈值系数后,您使用逆小波变换重构数据。
消除干扰信号
说明小波去噪,创建一个嘈杂的“疙瘩”信号。在这种情况下,你都有原始信号和噪声的版本。
rng默认的;[X, XN] = wnoise (“疙瘩”10倍根号(6));次要情节(211)情节(X);标题(原始信号的);甘氨胆酸AX =;斧子。YLim = [0 12];次要情节(212)情节(XN);标题(噪声信号的);甘氨胆酸AX =;斧子。YLim = [0 12];
消除干扰信号4级使用wdenoise
使用默认设置。wdenoise
使用小波变换。结果与原始信号的阴谋。
xd = wdenoise (XN 4);图;情节(X,“r”)举行在;情节(xd)传说(原始信号的,的去噪信号,“位置”,“NorthEastOutside”)轴紧;持有从;
你也可以使用非抽取小波变换降噪信号。消除干扰信号再次使用非抽取小波变换到四级。结果与原始信号的阴谋。
xdMODWT = wden (XN,“modwtsqtwolog”,“年代”,“mln”4“sym4”);图;情节(X,“r”)举行在;情节(xdMODWT)传说(原始信号的,的去噪信号,“位置”,“NorthEastOutside”)轴紧;持有从;
你会发现在这两种情况下,小波去噪消除了大量的噪声,同时保留的尖锐特征信号。这是一个挑战Fourier-based进行消噪处理。Fourier-based去噪或过滤,你用一个低通滤波器来去除噪声。然而,当数据具有高频特性,比如峰值信号或图像边缘,低通滤波器抚平这些。
您还可以使用小波降噪信号噪声的不均匀。导入并检查的一部分信号显示用电量。
负载leleccum;indx = 2000:3450;x = leleccum (indx);情节(x)网格在;
约后的信号似乎有更多的噪声样本500。因此,你想要使用不同的阈值在初始信号的一部分。您可以使用cmddenoise
确定最优数量的间隔来消除干扰和消除干扰信号。在这个例子中,使用db4小波和分解到三级的数据。
thrParams [SIGDEN, ~, ~, BestNbOfInt] = cmddenoise (x,“db4”3);
显示的数量区间的样本值划定。
BestNbOfInt
BestNbOfInt = 2
thrParams {1} (: 1:2)
ans =2×21 412 412 1451
两个间隔被确定。样品标记两段之间的边界是412。如果你把信号和马克这两个信号段,你会发现噪音似乎不同的412年之前和之后的示例。
情节(x)在;情节(412年[412],[100 - 550],“r”)举行从;
图去噪信号。
情节(SIGDEN)标题(的去噪信号)
降噪图像
您还可以使用小波降噪图像。在图像,边缘是图像亮度变化迅速的地方。保持边缘而去噪图像感知质量是至关重要的。而传统的低通滤波去除噪声,通常平滑边缘和不利影响图像质量。小波能够去除噪声,同时保留感知重要特性。
加载一个嘈杂的图像。降噪图像使用wdenoise2
使用默认设置。默认情况下,wdenoise2
利用双正交小波bior4.4
。显示原始和去噪图像,不提供任何输出参数。
负载(“jump.mat”)wdenoise2(跳)
注意图像中边缘是不平滑去噪的过程。