主要内容

imodwt

逆最大重叠离散小波变换

描述

例子

xrec= imodwt (w基于最大重叠离散小波变换(maximum overlap discrete wavelet transform, MODWT)重构信号w.默认情况下,imodwt假设你获得了w使用“sym4”具有周期边界处理的小波。如果不修改系数,xrec是信号的完美再现。

例子

xrec= imodwt (wwname利用正交小波重构信号wnamewname一定是相同的小波用来分析输入的信号modwt

例子

xrec= imodwt (w瞧,嗨利用正交尺度滤波器重构信号小波滤波器.的滤波器必须与用于分析输入信号的滤波器相同modwt

例子

xrec= imodwt (___列弗重构信号到电平列弗xrec是在水平缩放空间上的投影吗列弗.默认的级别是0,如果不修改系数,就会得到完美的重构。

例子

xrec= imodwt (___、“反射”)利用反射边界条件进行重构。如果您指定“反射”imodwt假设原始信号的长度是输入系数矩阵列数的一半。默认情况下,imodwt假定在边界处有周期信号扩展。

您必须输入整个字符向量“反射”.如果你添加一个小波“反射”使用小波管理器时,必须在使用此选项之前重命名该小波。“反射”可以放置在输入参数列表中的任何位置后x

例子

全部折叠

获得心电信号的MODWT,并显示出完美的重构。

加载心电信号数据,得到MODWT。

负载wecg

获取MODWT和反MODWT。

w = modwt (wecg);xrec = imodwt (w);

用l -∞范数表示原始信号和重构信号之间的差异是非常小的。原始信号与重构信号之间最大的绝对差在 1 0 - 1 2 ,显示了完美的重建。

规范(abs (xrec -wecg)、正)
ans = 2.3255 e-12

获得德国马克-美国的MODWT美元汇率数据并展示出完美的重构。

装载德国马克-美国马克。美元汇率数据。

负载DM_USD

获取MODWT和反MODWT使用“db2”小波。

wdm = modwt (DM_USD,“db2”);xrec = imodwt(波分复用,“db2”);

用l -∞范数表示原始信号和重构信号之间的差异是非常小的。原始信号与重构信号之间最大的绝对差在 1 0 - 1 3. ,显示了完美的重建。

规范(abs (xrec -DM_USD)、正)
ans = 1.6370 e-13

使用Fejer-Korovkin滤波器获得心电信号的MODWT。

加载心电数据。

负载wecg

创建8系数的Fejer-Korovkin过滤器。

(瞧,嗨)= wfilters (“fk8”);

获取MODWT和反演MODWT。

wtecg = modwt (wecg,嗨);xrec = imodwt (wtecg,嗨);

绘制原始数据和重建。

次要情节(2,1,1)情节(wecg)标题(心电信号的);次要情节(2,1,2)情节(xrec)标题(“重建”

图中包含2个轴对象。标题为ECG Signal的轴对象1包含一个类型为line的对象。标题为“重建”的轴对象2包含一个类型为line的对象。

将心电信号的MODWT降至最高电平,并在第3级得到心电信号在尺度空间上的投影。

加载心电数据。

负载wecg

获得MODWT。

wtecg = modwt (wecg);

得到心电信号的投影到 V 3. ,第三层的缩放空间使用imodwt函数。

v3proj = imodwt (wtecg 3);

画出原始信号和投影。

次要情节(2,1,1)情节(wecg)标题(原始信号的) subplot(2,1,2) plot(v3proj) title(“投影V3”

图中包含2个轴对象。标题为“原始信号”的轴对象1包含一个类型为line的对象。标题为“投影到V3”的轴对象2包含一个类型为line的对象。

注意,心电中R波的尖峰特征在 V 3. 近似。你可以通过检查第三级的小波系数来查看缺失的细节。

绘制三级小波系数。

图绘制(wtecg(3:))标题(“第三级小波系数”

图中包含一个轴对象。标题为level - 3小波系数的轴对象包含一个类型为line的对象。

通过对南方涛动指数数据的反射边界处理获得反MODWT。采样周期为一天。imodwt“反射”选项假设输入矩阵是modwt输出,是原始信号长度的两倍。imodwt反射边界处理在每个尺度上减少了一半的小波和尺度系数。

负载soi;wsoi = modwt (soi 4“反射”);xrecsoi = imodwt (wsoi,“反射”);

用l -∞范数表示原始信号和重构信号之间的差异是非常小的。原始信号与重构信号之间最大的绝对差在 1 0 - 1 1 ,显示了完美的重建。

规范(abs (xrecsoi soi)、正)
ans = 1.6421 e-11

加载23通道脑电图数据Espiga3[2].通道按柱状排列。采样频率为200hz。

负载Espiga3

得到最大重叠的离散小波变换。

w = modwt (Espiga3);

重建多通道信号。绘制原始数据并进行重建。

xrec = imodwt (w);次要情节(2,1,1)情节(Espiga3)标题(“原始数据”)子地块(2,1,2)地块(xrec) title(“重建”

图中包含2个轴对象。标题为“原始数据”的轴对象1包含23个类型为line的对象。标题为“重建”的轴对象2包含23个类型为line的对象。

输入参数

全部折叠

将一个信号或多个信号降至电平的MODWT变换l,分别指定为矩阵或3d数组。w是一个l+ 1 -N矩阵的MODWTN点信号,和l+ 1 -N——- - - - - -数控对象的MODWT的数组N——- - - - - -数控multisignal。默认情况下,imodwt假设您使用“sym4”具有周期边界处理的小波。

数据类型:|
复数的支持:金宝app是的

合成小波,具体为:

  • “哈雾”——Haar小波

  • 的数据库N-极值相位Daubechies小波N消失的时刻,N是一个从1到45的正整数。

  • “信谊N- Symlets小波与N消失的时刻,N是一个从2到45的正整数。

  • “头巾N- Coiflets小波与N消失的时刻,N是从1到5的正整数。

  • 的颗N- Fejér-Korovkin小波与N系数,N = 4,6,8,14,1822

合成小波必须与分析时使用的小波相同modwt

过滤器,指定为一对偶数长度实值向量。是缩放过滤器吗为小波滤波器。必须与分析中使用的过滤器相同吗modwt.滤波器必须满足正交小波的条件。的长度必须是相等的。看到wfilters额外的信息。不能同时指定两个小波wname和过滤两瞧,嗨

重构级别,指定为0到之间的非负整数大小(w, 1) 2.该级别必须小于要获取的级别wmodwt.如果列弗是0,不修改系数,imodwt产生一个完美的信号重建。

输出参数

全部折叠

对原始信号或多信号进行基于MODWT和重构级别的重构版本,以矢量或矩阵的形式返回。

参考文献

Percival, Donald B.和Andrew T. Walden。时间序列分析的小波方法.统计和概率数学的剑桥系列。剑桥 ;纽约:剑桥大学出版社,2000。

[2]台面,赫克托耳。“适用于模式检测的小波”。在模式识别、图像分析及应用研究进展, Alberto Sanfeliu、Manuel Lazo编辑Cortés, 3773:933-44。柏林,海德堡:施普林格柏林,海德堡,2005。https://doi.org/10.1007/11578079_96。

扩展功能

另请参阅

功能

应用程序

介绍了R2015b