cmddenoise
Interval-dependent去噪
句法
sigddde = cmddenoise（sig，wname，级别）
sigddde = cmddenoise（sig，wname，水平，sorh）
sigddde = cmddenoise（sig，wname，level，sorh，nb_inter）
sigden = cmddenoise(团体、wname水平,sorh、nb_inter thrParamsIn)
[sigden,系数]= cmddenoise (___）
[sigddden，cofs，thrparamsout] = cmddenoise（___）
[sigddden，cofs，thrparamsout，int_depthr_cell] = cmddenoise（sig，wname，level，sorh，nb_inter）
[Sigdden，Cofs，ThrParamsout，Int_depthr_cell，Bestnbofint] = cmddenoise（SIG，Wname，Level，Sorh，NB_Inter）
描述
[返回一个单元格数组，sigden那COEFS.那thrParamsOut) = cmddenoise (___）thrParamsOut，长度等于等级．每个元素thrParamsOut是一个n × 3矩阵。矩阵元素的行维是区间的数目，由输入参数的值决定。矩阵的每一行包含阈值区间的起始点、结束点(指标)和相应的阈值。
[返回一个单元格数组，sigden那COEFS.那thrParamsOut那INT_DEPTHR_CELL.) = cmddenoise (s那Wname.那等级那硕士那nb_inter.）INT_DEPTHR_CELL.，长度等于6。INT_DEPTHR_CELL.包含假设改变点数为0到5的时间间隔和阈值信息。第n个元素INT_DEPTHR_CELL.是一个n × 3矩阵，包含假设有N-1个变化点的区间信息。矩阵的每一行包含阈值区间的起始点、结束点(指标)和相应的阈值。试图输出INT_DEPTHR_CELL.如果你使用输入参数，thrParamsIn，会导致错误。
[返回基于1级细节系数中估计的方差更改点的最佳信号间隔数。为了估计变化点的数量，sigden那COEFS.那thrParamsOut那INT_DEPTHR_CELL.那BestNbofInt) = cmddenoise (s那Wname.那等级那硕士那nb_inter.）cmddenoise假设总数小于或等于6，并使用惩罚对比度[2]．试图输出BestNbofInt如果你使用输入参数，thrParamsIn，会导致错误。
例子
块信号的Haar小波去噪
加载噪声块信号，nblocr1.mat．信号由添加的白色高斯噪声中的分段恒定信号组成。添加剂噪声的方差在三个不相交的间隔中不同。
加载nblocr1.；
利用Haar小波将区间相关去噪降至4级。cmd去噪会自动确定方差变化点的最佳数量和位置。将去噪后的信号与原始信号绘制出来进行比较。
sigddde = cmddenoise（nblocr1，'db1'4）;情节（nblocr1）;抓住在；情节(sigden'r'那“线宽”2);轴紧；
具有硬阈值的去噪块信号
加载噪声块信号，nblocr1.mat．信号由添加的白色高斯噪声中的分段恒定信号组成。添加剂噪声的方差在三个不相交的间隔中不同。
加载nblocr1.；
利用Haar小波和硬阈值规则将区间相关去噪降至4级。cmddenoise自动确定间隔的最佳数量和位置。绘制原始和去噪的信号。
索赫=“h”；sigddde = cmddenoise（nblocr1，'db1'，4，sorh）;情节（nblocr1）;抓住在；情节(sigden'r'那“线宽”2);轴紧；传奇（原始信号的那的去噪信号那'地点'那'西北'）;
指定间隔的数量
创建一个以1khz采样的信号。这个信号由一系列不同宽度的突起组成。
T = [0.1 0.13 0.15 0.23 0.25 0.40 0.44 0.65 0.76 0.78 0.81];H = [4 -5 3 -4 5 -4.2 2.1 4.3 -3.1 5.1 -4.2];h = abs (h);len = 1000;W = 0.01*[0.5 0.5 0.6 1 1 3 1 1 0.5 0.8 0.5];tt = linspace (0, 1, len);x = 0 (len);为了j = 1：11 x = x +（h（j）./（1+（（tt-t（j））/ w（j））。^ 4））;结尾
添加白色高斯噪声，具有不同的差异到信号的两个不相交的段。添加零均值白色高斯噪声，方差等于2到信号段，从0到0.3秒。添加零平均高斯噪声，单位方差为0.3秒至1秒。将随机数生成器设置为可重复结果的默认设置。
RNG.默认；nv1 = sqrt（2）。* randn（size（tt））。*（tt <= 0.3）;nv2 = randn（尺寸（tt））。*（tt> 0.3）;xx = x + nv1 + nv2;sigden = cmddenoise（xx，“sym5”,5，'2);
使用Daubechies的最小不对称小波应用间隔依赖的去噪，其中5个消失的时刻到级别3.将间隔数设置为2.绘制噪声信号，原始信号和去噪信号进行比较。
sigden = cmddenoise（xx，“sym5”3,'2);子图（211）绘图（TT，XX）;标题（噪声信号的）;子图（212）绘图（TT，x，'k-。'那“线宽”2);抓住在；情节(tt, sigden'r'那“线宽”2);传奇（原始信号的那的去噪信号那'地点'那'东南'）;
指定间隔和阈值
加载示例信号nbumpr1.mat．添加剂噪声的方差在三个不相交的间隔中不同。
加载nbumpr1.mat；
使用5级多分辨率分析。创建由3×3矩阵组成的长度5的单元阵列。每行的前两个元素包含间隔的开头和结束索引，每行的最后一个元素是相应的阈值。
wname =“sym4”；级别= 5;索赫='；thrparamsin = {......[......1 207 1.0482;......207 613 2.5110;......613 1024 1.0031;......]；......[......1 207 1.04824;......207 613 3.8718;......613 1024 1.04824;......]；......[......1 207 1.04824;......207 613 1.99710;......613 1024 1.65613;......]；......[......1 207 1.04824;......207 613 2.09117;......613 1024 1.04824;......]；......[......1 207 1.04824;......207 613 1.78620;......613 102 1.04824;......]；......}；
使用阈值设置和Daubechies的最小非对称小波来表示信号，其中4个消失的矩。使用软阈值规则。绘制嘈杂和去噪的信号进行比较。
wname =“sym4”；级别= 5;索赫='；sigddde = cmddenoise（nbumpr1，wname，水平，sorh，......南，三角蛋白）;情节（NBUMPR1）;抓住在；情节(sigden'r'那“线宽”2);轴紧；传奇（噪声信号的那的去噪信号那'地点'那“东北”）;
返回去噪小波系数
加载示例信号nblocr1.mat．使用HAAR小波并将信号分解为级别2.获取离散小波变换并以代替信号。返回嘈杂和去噪信号的小波系数。
加载nblocr1.mat；[sigddden，coofs] = cmddenoise（nblocr1，'db1'2);[c，l] = wavedec（nblort1,2，'db1'）;
基于噪声信号的2级近似和2级和1级细节系数的图重建。
app = wrcoef（'一种'C L'db1'2);子图（3,1,1）;plot（app）;标题（“近似系数”）;为了nn = 1：2 det = wrcoef（' d 'C L'db1'，nn）;子图（3,1，NN + 1）图（DET）;标题（['嘈杂的小波系数 - 级别'......num2str（nn）]）;结尾
在相同的水平上，基于去噪信号的近似和细节系数的图重建。
数字;app = wrcoef（'一种'，cofs，l，'db1'2);子图（3,1,1）;plot（app）;标题（“近似系数”）;为了nn = 1：2 det = wrcoef（' d '，cofs，l，'db1'，nn）;子图（3,1，NN + 1）图（DET）;标题（[“阈值小波系数级”......num2str（nn）]）;结尾
噪声信号和去噪信号的近似系数相同，但去噪信号的细节系数大都接近于零。
输出间隔和阈值
创建一个以1khz采样的信号。这个信号由一系列不同宽度的突起组成。
T = [0.1 0.13 0.15 0.23 0.25 0.40 0.44 0.65 0.76 0.78 0.81];H = [4 -5 3 -4 5 -4.2 2.1 4.3 -3.1 5.1 -4.2];h = abs (h);len = 1000;W = 0.01*[0.5 0.5 0.6 1 1 3 1 1 0.5 0.8 0.5];tt = linspace (0, 1, len);x = 0 (len);为了j = 1：11 x = x +（h（j）./（1+（（tt-t（j））/ w（j））。^ 4））;结尾绘图（TT，x）;标题（原始信号的）;抓住在；
添加白色高斯噪声，具有不同的差异到信号的两个不相交的段。添加零均值白色高斯噪声，方差等于2到信号段，从0到0.3秒。添加零平均高斯噪声，单位方差为0.3秒至1秒。将随机数生成器设置为可重复结果的默认设置。
RNG.默认；nv1 = sqrt（2）。* randn（size（tt））。*（tt <= 0.3）;nv2 = randn（尺寸（tt））。*（tt> 0.3）;xx = x + nv1 + nv2;绘图（TT，XX）;标题（噪声信号的）;
使用Daubechies的“最小不对称小波”应用间隔依赖的去噪，其中4个消失的时刻为级别5.自动选择间隔数并输出结果。
[sigden,系数,thrParamsOut] = cmddenoise (xx,“sym4”5）;thrparamsout {1}
ANS = 1.0E + 03 * 0.0010 0.2930 0.0036 0.2930 1.0000 0.0028
cmdnoise.在定义两个区间的第一级细节系数中确定一个方差更改点。第一个区间包含样本1到293。第二个间隔包含样本293到1000。这接近于发生在样本299的真实方差变化点。
将信号划分为具有阈值的递增的间隔数
加载示例信号，nbumpr1.mat．假设0到5的变化点将信号分配为1到6个间隔。计算每个间隔的阈值。使用Daubechies的“最小不对称小波具有4个消失的时刻返回间隔和对应阈值。显示结果。
加载nbumpr1.mat；[sigddden，〜，〜，int_depthr_cell] = cmddenoise（nbumpr1，“sym4”1);格式银行；disp ('开始最终阈值'）;cellfun（@ disp，Int_depthr_cell，'统一输出'，错误的）;
开始结束阈值1.00 1024.00 1.36 1.00 613.00 1.73 613.00 1024.00 1.00 1.00 207.00 1.05 207.00 613.00 2.51 613.00 1024.00 1.00 1.00 207.00 1.05 207.00 597.00 2.52 597.00 627.00 1.69 627.00 1024.00 0.97 1.00 207.00 1.05 207.00 613.00 2.51 613.00 695.00 1.20 695.00 725.00 0.59 725.00 1024.00 1.05 1.00 207.00 1.05 207.00 597.00 2.52 597.00 627.001.69 627.00 695.00 1.19 695.00 725.00 0.59 725.00 1024.00 1.05
检测更改点数量
加载示例信号，nbumpr1.mat．该信号具有两个方差变化点，这使得三个间隔。用cmddenoise来检测变化点的数量。
加载nbumpr1.mat；thrParamsOut [sigden, ~, ~, bestNbofInt] =......cmddenoise（nbumpr1，“sym4”1);流('发现％d改变点。\ n'，bestnbofint-1）;
发现2个变化点。
输入参数
输出参数
参考文献
[1] Donoho，D.和Johnstone，I。“理想的空间适应小波收缩”，Biometrika， 1994, 81,3,425 - 455。
[2] Lavielle，M。“检测一系列依赖变量的多种变化”，随机过程及其应用，1999年，83,79-102。
在R2010A介绍
您还可以从以下列表中选择一个网站：
