（阀值去噪）小波去噪的指令应用2

南风晓晓

　　上接阀值获取
　　2.信号的阈值去噪
　　MATLAB中实现信号的阈值去噪的函数有wden、wdencmp、wthresh、wthcoef、wpthcoef以及wpdencmp。下面对它们的用法作简单的介绍。
　　①函数wden的调用格式有以下两种：
　　(1)[XD,CXD,LXD]=wden(X,TPTR,SORH,SCAL,N,'wname')
　　(2)[XD,CXD,LXD]=wden(C,L,TPTR,SORH,SCAL,N,'wname')
　　函数wden用于一维信号的自动消噪。X为原始信号，[C,L]为信号的小波分解，N为小波分解的层数。
　　THR为阈值选择规则：
　　*TPTR='rigrsure'，自适应阈值选择使用Stein的无偏风险估计原理。
　　*TPTR='heursure'，使用启发式阈值选择。
　　*TPTR='sqtwolog'，阈值等于sqrt(2*log(length(X))).
　　*TPTR='minimaxi'，用极大极小原理选择阈值。
　　SORH是软阈值或硬阈值的选择(分别对应's'和'h')。
　　SCAL指所使用的阈值是否需要重新调整，包含下面三种：
　　*SCAL='one' 不调整;
　　*SCAL='sln' 根据第一层的系数进行噪声层的估计来调整阈值。
　　*SCAL='mln' 根据不同的噪声估计来调整阈值。
　　XD为消噪后的信号，[CXD,LXD]为消噪后信号的小波分解结构。格式(1)返回对信号X经过N层分解后的小波系数进行阈值处理后的消噪信号XD和信号XD的小波分解结构[CXD,LXD]。格式(2)返回参数与格式(1)相同，但其结构是由直接对信号的小波分解结构[C,L]进行阈值处理得到的。
　　②函数wdencmp的调用格式有以下三种：
　　(1)[XC,CXC,LXC,PERF0,PERFL2]=wdencmp('gbl',X,'wname',N,THTR,SORH,KEEPAPP);
　　(2)[XC,CXC,LXC,PERF0,PERFL2]=wdencmp('lvd',X,'wname',N,THTR,SORH);
　　(3)[XC,CXC,LXC,PERF0,PERFL2]=wdencmp('lvd',C,L,'wname',N,THTR,SORH);
　　函数wdencmp用于一维或二维信号的消噪或压缩。wname是所用的小波函数，gbl(global的缩写)表示每一层都采用同一个阈值进行处理，lvd表示每层采用不同的阈值进行处理，N表示小波分解的层数，THR为阈值向量，对于格式(2)和(3)每层都要求有一个阈值，因此阈值向量THR的长度为N，SORH表示选择软阈值或硬阈值(分别取值为's'和'h')，参数KEEPAPP取值为1时，则低频系数不进行阈值量化，反之，低频系数要进行阈值量化。XC是要进行消噪或压缩的信号，[CXC,LXC]是XC的小波分解结构，PERF0和PERFL2是恢复或压缩L^2的范数百分比。如果[C,L]是X的小波分解结构，则PERFL2=100*(CXC向量的范数/C向量的范数)^2;如果X是一维信号，小波wname是一个正交小波，则PERFL2=100||XC||^2/||X||^2。
　　③函数wthresh的调用格式如下：
　　Y=wthresh(X,SORH,T)
　　Y=wthresh(X,SORH,T) 返回输入向量或矩阵X经过软阈值(如果SORH='s')或硬阈值(如果SORH='h')处理后的信号。T是阈值。
　　Y=wthresh(X,'s',T)返回的是Y=SIG(X)*(|X|-T)+，即把信号的绝对值与阈值进行比较，小于或等于阈值的点变为零，大于阈值的点为该点值与阈值的差值。
　　Y=wthresh(X,'h',T)返回的是Y=X*1(|X|>T)，即把信号的绝对值和阈值进行比较，小于或等于阈值的点变为零，大于阈值的点保持不变。一般来说，用硬阈值处理后的信号比用软阈值处理后的信号更粗糙。
　　④函数wthcoef的调用格式下面四种：
　　(1)NC=wthcoef('d',C,L,N,P)
　　(2)NC=wthcoef('d',C,L,N)
　　(3)NC=wthcoef('a',C,L)
　　(4)NC=wthcoef('t',C,L,N,T,SORH)
　　函数wthcoef用于一维信号小波系数的阈值处理。
　　格式(1)返回小波分解结构[C,L]经向量N和P定义的压缩率处理后的新的小波分解向量NC，[NC,L]构成一个新的小波分解结构。N包含被压缩的细节向量，P是把较小系数置0的百分比信息的向量。N和P的长度必须相同，向量N必须满足1<=N(i)<=length(L)-2。
　　格式(2)返回小波分解结构[C,L]经过向量N中指定的细节系数置0后的小波分解向量NC。
　　格式(3)返回小波分解结构[C,L]经过近似系数置0后的小波分解向量NC。
　　格式(4)返回小波分解结构[C,L]经过将向量N作阈值处理后的小波分解向量NC。如果SORH=’s‘，则为软阈值;如果SORH='h'则为硬阈值。N包含细节的尺度向量，T是N相对应的阈值向量。N和T的长度必须相等。
　　⑤函数wpdencmp的调用格式有以下两种：
　　(1)[XD,TREED,PERF0,PERFL2]=wpdencmp(X,SORH,N,'wname',CRIT,PAR,KEEPAPP)
　　(2)[XD,TREED,PERF0,PERFL2]=wpdencmp(TREE,SORH,CRIT,PAR,KEEPAPP)
　　函数wpdencmp用于使用小波包变换进行信号的压缩或去噪。
　　格式(1)返回输入信号X(一维或二维)的去噪或压缩后的信号XD。输出参数TREED是XD的最佳小波包分解树;PERFL2和PERF0是恢复和压缩L2的能量百分比。PERFL2=100*(X的小波包系数范数/X的小波包系数)^2;如果X是一维信号，小波wname是一个正交小波，则PERFL2=100*||XD||^2/||X||^2。SORH的取值为's'或'h'，表示的是软阈值或硬阈值。
　　输入参数N是小波包的分解层数，wname是包含小波名的字符串。函数使用由字符串CRIT定义的熵和阈值参数PAR实现最佳分解。如果KEEPAPP=1，则近似信号的小波系数不进行阈值量化;否则，进行阈值量化。
　　格式(2)与格式(1)的输出参数相同，输入选项也相同，只是它从信号的小波包分解树TREE进行去噪或压缩。

褚青青

你好，我想用这个小波降噪，之前没接触过，能不能给一个完整的程序？

uyuo

同求程序，谢谢

13869165136

snr=3;init=2055615866;

%产生原始信号，并叠加标准高斯白噪声

[xref,x]=wnoise(3,11,snr,init);

%对x使用sym8小波进行5层分解，得到高频系数。使用SURE阀值、软阀值进行降噪

lev=5;

xd=wden(x,'heursure','s','one',lev,'sym8');

figure(1);

set(gcf,'color','w');

%画出原始信号

subplot(311),plot(xref),axis([1 2048 -10 10]);

title('原始信号');

subplot(312),plot(x), axis([1 2048 -10 10]);

title(['降噪信号-信噪比为',num2str(fix(snr))]);

subplot(313),plot(xd), axis([1 2048 -10 10]);

title('降噪信号-heuristic SURE');

% 使用软SURE阀值降噪

xd=wden(x,'heursure','s','one',lev,'sym8');

%画出信号

figure(2);

set(gcf,'color','w');

subplot(311),plot(xd), axis([1 2048 -10 10]);

title('降噪信号-SURE');

% 对噪声标准差进行单层估计，使用fixed form 阀值降噪

xd=wden(x,'sqtwolog','s','sln',lev,'sym8');

% 画出信号

subplot(312),plot(xd), axis([1 2048 -10 10]);

title('降噪信号-Fixed form 阀值');

% 对噪声标准差进行单层估计，使用minimax 阀值降噪

xd=wden(x,'minimaxi','s','sln',lev,'sym8');

% 画出信号

subplot(313),plot(xd), axis([1 2048 -10 10]);

title('De-noised signal-Minimax');

bzp小鹏

Good！！！！！

bigbug

赞赞赞