swt
一维离散平稳小波变换
语法
SWC = swt (X, N,”wname”)
SWC = swt (X, N, Lo_D Hi_D)
(SWA、门限)= swt (＿＿＿）
描述
swt使用正交小波或双正交小波进行多级一维平稳小波分解。使用小波的名称指定小波(“wname”,请参阅wfilters获取更多信息)或其分解过滤器。
SWC = swt (X, N,”计算信号的平稳小波分解wname”)X在层次N,使用“wname”．
N必须是严格正整数(看到了吗wmaxlev获取更多信息)长度(X)一定是2的倍数N．
SWC = swt (X, N, Lo_D Hi_D)以这些滤波器为输入，计算平稳小波分解如下:
Lo_D为分解低通滤波器。Hi_D为分解高通滤波器。
Lo_D和Hi_D必须是相同的长度。
输出矩阵SWC包含按行存储的系数向量:
为1≤我≤N，输出矩阵SWC(我,:)包含层次的细节系数我和: SWC (N + 1)包含水平的近似系数N．
(SWA、门限)= swt (＿＿＿）计算近似,SWA和细节,社署，平稳小波系数。
系数的向量按行存储:
为1≤我≤N，输出矩阵SWA(我,:)包含水平的近似系数我输出矩阵社署(我,:)包含层次的细节系数我．
请注意 |
例子
多层平稳小波分解
对信号进行多级平稳小波分解。
加载一维信号并获取其长度。
负载noisblocs = noisbloc;sLen =长度(s);
使用在信号的第3级执行平稳小波分解“db1”．在第3级提取细节和近似系数。
(swa、门限)= swt(年代,3,“db1”）;swd3 =门限(3);swa3 = swa (3);
绘制分解的输出。
xlim([0 sLen]) title(原始信号的）
绘制三级近似和细节系数。
subplot(2,1,1) plot(swa3) xlim([0 sLen]) title(“三级近似系数”) subplot(2,1,2) plot(swd3) xlim([0 sLen]) title(“3级细节系数”）
算法
给一个信号年代的长度N， SWT的第一步生成，从年代，两组系数:近似系数cA1和细节系数cD1．这些向量是通过卷积得到的年代用低通滤波器Lo_D为近似，并与高通滤波器Hi_D对细节。
更准确地说，第一步是
请注意cA1和cD1的长度 |
下一步是分解近似系数cA1在两部分中采用相同的方案，但用改进后的滤波器通过上采样得到的滤波器用于前一步和替换年代通过cA1．然后，SWT生成cA2和cD2．更普遍的是,
参考文献
内几何级数;“平稳小波变换与统计应用”，北京大学学报(自然科学版)，统计学课程讲稿， 103页，281-299页。
Coifman,水银血压计;D.L. Donoho(1995)，“翻译不变去噪”，统计学课程讲稿， 103页，125-150页。
Pesquet J.C.;H. Krim, H. Carfatan(1996)，“时不变标准正交小波表示”，IEEE反式。的迹象。Proc。，第44卷，第8卷，1964-1970页。
之前介绍过的R2006a
你也可以从以下列表中选择一个网站:
