matlab小波去噪详解超全超全有程序.doc

matlab小波去噪详解超全超全有程序matlab小波去噪详解超全超全有程序matlab小波去噪详解超全超全有程序小波去噪［xd,cxd，lxd］=wden(x,tptr，sorh,scal，n，’wname'）式中：输入参数x为需要去噪的信号；1。tptr：阈值选择标准.1)无偏似然估计（rigrsure）原则。它是一种基于史坦无偏似然估计(二次方程）原理的自适应阈值选择。对于一个给定的阈值t，得到它的似然估计，再将似然t最小化，就得到了所选的阈值,它是一种软件阈值估计器。2）固定阈值(sqtwolog）原则。固定阈值thr2的计算公式为：thr2log(n)2=(6）式中，n为信号x（k）的长度。3）启发式阈值（heursure）原则.它是rigrsure原则和sqtwolog原则的折中.如果信噪比很小，按rigrsure原则处理的信号噪声较大，这时采用sqtwolog原则。4）极值阈值（minimaxi）原则。它采用极大极小原理选择阈值，产生一个最小均方误差的极值,而不是没有误差。sorh:阈值函数选择方式，即软阈值（s)或硬阈值（h）.3。scal：阈值处理随噪声水平的变化，scal=one表示不随噪声水平变化，scal=sln表示根据第一层小波分解的噪声水平估计进行调整,scal=mln表示根据每一层小波分解的噪声水平估计进行调整.4。n和wname表示利用名为wname的小波对信号进行n层分解。输出去噪后的数据xd及xd的附加小波分解结构[cxd,lxd］.常见的几种小波：haar,db，sym，coif,biorhaardbdb1db2db3db4db5db6db7db8db9db10symsym2sym3sym4sym5sym6sym7sym8coifcoif1coif2coif3coif4coif5coif6coif7coif8coif9coif10biorbior1.1bior1.3bior1.5bior2。2bior2.4bior2。6bior2。8bior3。5bior3。7bior3.9bior4.4用MATLAB对一语音信号进行小波分解，分别用强阈值，软阈值，默认阈植进行消噪处理。复制内容到剪贴板代码:%装载采集的信号leleccum.matloadleleccum；％=============================％将信号中第2000到第3450个采样点赋给sindx=2000：3450;s=leleccum(indx）;％=============================％画出原始信号subplot(2，2，1）;plot（s）；title('原始信号');%=============================％用db1小波对原始信号进行3层分解并提取系数[c,l］=wavedec（s,3，'db1')；a3=appcoef(c,l,’db1'，3）；d3=detcoef(c，l，3）；d2=detcoef（c,l，2）；d1=detcoef(c,l，1)；%=============================％对信号进行强制性消噪处理并图示结果dd3=zeros（1,length（d3));dd2=zeros(1,length(d2））;dd1=zeros(1，length（d1));c1=[a3dd3dd2dd1]；s1=waverec(c1，l，’db1'）;subplot(2,2，2);plot(s1);grid;title('强制消噪后的信号'）;%=============================%用默认阈值对信号进行消噪处理并图示结果%用ddencmp函数获得信号的默认阈值[thr，sorh,keepapp］=ddencmp(’den'，’wv'，s）；s2=wdencmp('gbl’，c,l,’db1’，3,thr,sorh，keepapp)；subplot(2，2，3)；plot（s2);grid；title(’默认阈值消噪后的信号')；%=============================％用给定的软阈值进行消噪处理sosoftd2=wthresh(d2，'s'，1.823);softd3=wthresh（d3,'s'，2。768);c2=［a3softd3softd2softd1]；s3=waverec(c2，l，'db1'）；subplot（2，2，4）；plot（s3);grid；title(’给定软阈值消噪后的信号'）；ftd1=wthresh(d1,’s'，1.465）；