Matlab小波工具箱的使用

Matlab小波工具箱的使用1

(2011-11-10 20:12:39)

转载▼

标签：

分类：学科知识

小波分析

连续小波变换

尺度

系数

信号

最近想尝试一下小波的用法，就这matlab的帮助尝试了一下它的例子，顺便翻译了一下帮助的内容，发现matlab帮助做的确实不错，浅显易懂！现把翻译的文档写出来吧，想学习的共同学习吧！

小波工具箱简介

小波工具箱包含了图像化的工具和命令行函数，它可以实现如下功能：

l 测试、探索小波和小波包的特性

l 测试信号的统计特性和信号的组分

l 对一维信号执行连续小波变换

l 对一维、二维信号执行离散小波分析和综合

l 对一维、二维信号执行小波包分解（参见帮助Using Wavelet Packets）

l 对信号或图像进行压缩、去噪

另外，工具箱使用户更方便的展示数据。用户可以做如下选择：

l 显示哪个信号

l 放大感兴趣的区域

l 配色设计来显示小波系数细节

工具箱可以方便的导入、导出信息到磁盘或matlab工作空间。具体详见File Menu Options

一维连续小波分析

这一部分来测试连续小波分析的特性。连续小波分析只需要一个小波函数cwt。在这一部分将学到如下内容：

l 加载信号

l 对信号执行连续小波变换

l 绘制小波系数

l 绘制指定尺度的小波系数

l 绘制整个尺度小波系数中的最大值

l 选择显示方式

l 在尺度和伪频率之间切换

l 细节放大

l 在普通或绝对模式下显示系数

l 选择执行小波分析的尺度

使用命令行执行连续小波分析

这个例子是一个包含噪声的正弦波

1. 加载信号

load noissin

可以使用whos显示信号信息

2. 执行连续小波变换

c = cwt(noissin,1:48,'db4');

函数cwt的参数分别为分析的信号、分析的尺度和使用的小波。返回值c包含了在各尺度下的小波系数。对于这里，c是一个48x1000的矩阵，每一行与一个尺度相关。

3. 绘制小波系数

cwt函数可以接受第四个参数，来指定函数在执行结束后是否绘制连续小波变换系数的绝对值。另外还可以接受更多的参数来定义显示的不同特性，详见cwt函数。如下面的语句绘制系数结果

c = cwt(noissin,1:48,'db4','plot');

4. 选择分析的尺度

cwt函数的第二个参数可以设定任意小波分析的尺度，只要这些尺度满足如下要求

l 所有尺幅必须为正实数

l 尺度的增量必须为正

l 最高的尺度不能超过由信号决定的一个最大值

如下面的代码可以执行从2开始的偶数尺度计算

c = cwt(noissin,2:2:128,'db4','plot');

显示结果如下

这幅图像很明确的表示出了信号的周期性。使用图形接口做连续小波分析

1. 开启一维连续小波工具，只需输入如下命令wavemenu

出现如下小波工具箱主菜单

选择Continuous Wavelet 1-D菜单项，出现如下一维信号分析连续小波分析工具

2. 加载信号

选择菜单File->Load Signal，在Load Signal对话框里选择noissin.mat文件，它在matlab安装目录的toolbox/wavelet/wavedemo文件夹下，点击OK加载信号。

一维连续小波工具开始加载信号，加载后默认采样频率为1s。

3. 执行连续小波变换

下面来测试使用db4小波对尺度1到48做小波分析，设置如下

4. 点击Analyze按钮

在短暂的计算后，工具将绘制小波系数，并在Coefficients line坐标系中绘制尺度为24的小波系数，在local maxima坐标系中绘制各尺度的小波系数最大值。

5. 查看小波Coefficients Line

在小波系数图中右键点击可以选择展示其他尺度的小波系数，选择后点击New Coefficients Line按钮，Coefficients Line会相应更新。

6. 查看Maxima Line

点击Refresh Maxima Line按钮，可以显示从尺度1到所选尺度的小波系数的最大值。

注意当在系数图中按下鼠标右键并移动时，会在最下面的Info框中显示当前鼠标位于的X 位置和尺度。

7. 在尺度和伪频率之间切换

在右边选择Frequencies，当再在系数图中选择时，在Info中显示的将是Hz。

而关于尺度和频率的转换关系，可以看How to Connect Scale to Frequency?

8. 选择要显示的坐标系

9. 放大细节

在系数框中按鼠标左键可以选择放大的范围。

10. 选择好放大范围后点击最下面的按钮可以实现指定的放大

11. 显示普通系数或系数绝对值

两种显示方式的区别在于，普通模式下，颜色映射是在系数的最大最小之间；而绝对模式，颜色映射是在0和最大的系数绝对值之间。

图形接口的导入导出信息

导入信号到一维连续小波工具

首先将要处理的信号保存到mat文件中，要求信号是一维的向量。然后使用工具的File ->Load Signal菜单功能，选择此信号文件即可导入信号。

文件中第一个一维变量被认为是信号，变量在文件中顺序是按字母排序的。

保存小波系数

小波分析完成后，点击File->Save->Coefficients，可以将分析结果保存到mat文件。保存后，可以使用load函数加载数据，会看到保存的变量有小波系数coeff、尺度scales、小波的名字wname。

一维复信号连续小波分析

对于复信号连续小波分析，小波工具箱中对应的函数是cwt。

使用命令行分析复信号

这个例子是一个带尖头的信号，如下

1. 加载信号

load cuspamax

文件中包含两个变量，caption和cuspamax，前者是此信号的定义，如下caption =

x = linspace(0,1,1024); y = exp(-128*((x-0.3).^2))-3*(abs(x-0.7).^0.4);

2. 执行连续小波变换

c = cwt(cuspamax,1:2:64,'cgau4');

3. 绘制结果

c = cwt(cuspamax,1:2:64,'cgau4','plot');

结果显示了四副图形，分别为系数的实部、虚部、模、相角。

使用图形接口分析复信号

与实信号不同的是，选择Complex Continuous Wavelet 1-D，得到的结果如下

具体操作过程与实信号的相似，如下

Matlab小波工具箱的使用2 (2011-11-11 09:32:57)

转载▼

分类：学科知识

标签：

信号

阈值

分解

系数

小波分析

一维离散小波分析

在这一部分，可以学到

l 加载信号

l 执行一层小波分解

l 从系数重建近似和细节l 显示近似和细节

l 通过逆小波变换重建信号l 执行多层小波分解

l 抽取近似系数和细节系数

l 重构第三层近似

l 重构第1、2、3层细节

l 显示多层分解的结果

l 从第三层分解重构原始信号

l 从信号中去除噪声

l 改善分析

l 压缩信号

l 显示信号的统计信息和直方图

一维分析---使用命令行

这个例子包含一个真实世界的信号---测量3天的电功耗。这个信号很典型，因为它包含一个明显的测量噪声，而小波分析可以有效的移除噪声。

1. 加载信号

load leleccum

截取信号

s = leleccum(1:3920);

l_s = length(s);

2. 对信号执行一层小波分解

使用db1小波执行一层小波分解，执行下面的语句产生近似系数cA1、细节系数cD1 [cA1,cD1] = dwt(s,'db1');

3. 从系数中构建近似和细节

从系数cA1和cD1中构建一层近似A1和细节D1，执行以下代码

A1 = upcoef('a',cA1,'db1',1,l_s);

D1 = upcoef('d',cD1,'db1',1,l_s);

或

A1 = idwt(cA1,[],'db1',l_s);

D1 = idwt([],cD1,'db1',l_s);

4. 显示近似和细节

subplot(1,2,1); plot(A1); title('Approximation A1')

subplot(1,2,2); plot(D1); title('Detail D1')

5. 使用逆小波变换恢复信号

A0 = idwt(cA1,cD1,'db1',l_s);

err = max(abs(s-A0))

err =

2.2737e-013

6. 执行多层小波分解

执行3层信号分解

[C,L] = wavedec(s,3,'db1');

函数返回3层分解的各组分系数C（连接在一个向量里），向量L里返回的是各组分的长度。分解的结构如下

7. 抽取近似系数和细节系数

从C中抽取3层近似系数

cA3 = appcoef(C,L,'db1',3);

从C中抽取3、2、1层细节系数

cD3 = detcoef(C,L,3);

cD2 = detcoef(C,L,2);

cD1 = detcoef(C,L,1);

或者

[cD1,cD2,cD3] = detcoef(C,L,[1,2,3]);

结果显示如下，从上到下依次为原始信号、3层近似系数和3~1层细节系数

1. 重建3层近似和1、2、3层细节

从C中重建3层近似

A3 = wrcoef('a',C,L,'db1',3);

从C中重建1、2、3层细节

D1 = wrcoef('d',C,L,'db1',1);

D2 = wrcoef('d',C,L,'db1',2);

D3 = wrcoef('d',C,L,'db1',3);

2. 显示多层分解的结果

显示3层分解的结果

subplot(2,2,1); plot(A3);

title('Approximation A3')

subplot(2,2,2); plot(D1);

title('Detail D1')

subplot(2,2,3); plot(D2);

title('Detail D2')

subplot(2,2,4); plot(D3);

title('Detail D3')

10. 从3层分解中重建原始信号

A0 = waverec(C,L,'db1');

err = max(abs(s-A0))

err =

4.5475e-013

11. 粗糙的去噪信号

使用小波从信号中移除噪声需要辨识哪个或哪些组分包含噪声，然后重建没有这些组分的信号。

在这个例子中，我们注意到连续的近似随着越来越多的高频信息从信号中滤除，噪声变得越来越少。3层近似与原始信号对比会发现变得很干净。对比近似和原始信号，如下subplot(2,1,1);plot(s);title('Original'); axis off

subplot(2,1,2);plot(A3);title('Level 3 Approximation');

axis off

当然，摒弃所有高频信息，我们会失去原始信号中的很多最尖锐的特征。最佳的去噪需要通过一种更精细的叫阈值方法，它只丢弃部分超过一定范围的细节。

12. 通过阈值去除噪声

先来看3层分析的细节

subplot(3,1,1); plot(D1); title('Detail Level 1'); axis off

subplot(3,1,2); plot(D2); title('Detail Level 2'); axis off

subplot(3,1,3); plot(D3); title('Detail Level 3'); axis off

从图中可以看到，大多数噪声发生在信号的后面部分，表现在细节上就是出现大波动的地方。如果我们通过设定最大值来限定细节强度，会怎么样呢？这会有降低噪声效果，同时保留不影响的必要细节。这是一种很好的方法。

注意到cD1,cD2,cD3是向量，那么我们就可以通过直接操纵这些向量来达到目的，即设置这些向量小于其峰值或平均值的一部分，然后就可以由这些设定了阈值的系数重建新的细节信号D1、D2、D3。

实际去噪过程中，可以使用ddencmp函数来计算默认的阈值参数，然后用wdencmp函数来执行实际的去噪过程，代码如下

[thr,sorh,keepapp] = ddencmp('den','wv',s);

clean = wdencmp('gbl',C,L,'db1',3,thr,sorh,keepapp);

注意wdencmp使用了第6步中小波分解的结果C、L，另外指定了db1小波来做分析，指定全局阈值选项gb1.详细参见ddencmp函数和wdencmp函数。

显示原始信号和去噪信号如下

subplot(2,1,1); plot(s(2000:3920)); title('Original')

subplot(2,1,2); plot(clean(2000:3920)); title('denoised')

这里我们只绘制了原始信号中包含噪声的部分，特别注意我们是如何在移除了噪声的情况下仍保持原有的尖锐细节的，这也是小波分析强大的地方。

使用命令行函数去除噪声是很笨拙的，而图形工具提供了一种更方便使用的自动化阈值去噪方式。

关于去噪过程的更多信息可以在下面的部分找到：

* Remove noise from a signal 从一个信号中去除噪声

*De-Noising in the Wavelet Toolbox User's Guide 小波工具箱中的除噪

*One-Dimensional Variance Adaptive Thresholding of Wavelet Coefficients 一维小波系数自适应阈值

*One-Dimensional Variance Adaptive Thresholding of Wavelet Coeffiients in the Wavelet Toolbox User's Guide

使用图形接口做一维分析

1. 开启一维小波分析工具

Wavemenu->Wavelet 1-D

2. 加载信号

3. 执行一层小波分解

使用db1小波执行一层分解

4. 放大有关细节

5. 执行多层小波分解

使用db1小波执行3层分解。

选择不同的显示方式：在Display mode下拉菜单下可以选择不同的显示方式，默认的显示方式为Full Decomposition Mode，其他的显示方式及其意义如下

Separate Mode：在不同的列中显示细节和近似；

Superimpose Mode：在一张图上以不同的颜色显示细节、近似；

Tree Mode：显示分解树、原始信号和选择的成分，在分解树上选择你想显示的成分；

Show and Scroll Mode：显示3个窗口，第一个显示原始信号和选择的近似信号，第二个显示选择的细节，第三个显示小波系数；

Show and Scroll Mode（Stem Cfs）：和Show and Scroll Mode很接近，除了第三个窗口中以杆状图替代颜色条显示小波系数。

对于每个分析任务，可以改变默认的显示方式，只要在View->Default Display Mode子菜单下选择理想的方式即可；不同的显示方式会有额外的显示选项，在More Display Options中做选择，这些选项可以控制不同成分的显示、选择是否显示原始信号与细节、近似对比。

6. 从信号中移除噪声

图形接口提供了以预定义的阈值策略除噪的选项，这使得从信号中除噪非常容易，只需点击De-noise按钮就可以弹出除噪工具。

点击Close可以关闭除噪窗口，由于不能同时打开除噪和压缩窗口，所以需要关闭除噪窗口再进行信号压缩。关闭时会提示Update Synthesized Signal提示对话框，点击No，如果点击Yes，合成的信号会加载到主窗口。

7. 改善分析

图像工具可以在任何时候轻易的改善分析，只需要改变分析的方法就可以了，如使用db3做5层小波分析。

8. 压缩信号

图形接口提供了自动化或人工阈值的做压缩的功能。

默认使用的是全阈值方法，当然也可以使用人工阈值的方法，选择By Level thresholding选项即可，下面的滑动条提供了各级阈值独立调整的功能，相应的调整可以在左边的窗口中看到，在图形窗口中也可以直接拖动来改变阈值。

完成选择后，点击压缩按钮可以完成压缩。从压缩的结果可以看到，压缩过程去除了大多数噪声，但保存了信号99.74%的能量。自动化阈值是非常有效的，它使除3.2%的小波系数都归零化了。

9. 显示残差

点击Residuals按钮可以查看压缩的残差。显示的统计数据包括测量的趋势（平均值、众数、中值）和散布情况（极差、标准差）。另外，工具还提供了概率分布直方图和累计直方图以及时间序列图，如自相关函数、频谱。这些都是和去噪工具是一样的。

10. 显示统计分布

可以显示一系列有关信号及其组分的统计数据。

点击Statistics按钮可以查看统计数据信息，点击Histograms可以查看直方图。

从图形接口中导入导出信息

保存信息

l 保存合成的信号

如加载如下信号File > Example Analysis > Basic Signals > with db3 at level 5 → Sum of sines，做除噪或压缩处理后，保存合成信号File > Save > Synthesized Signal，保存后加载文件，会得到如下变量：

如果使用除全阈值外的方法时，得到的变量结构如下

Synthsig是合成的信号，除噪或压缩的小波方法保存在wname中，相互依赖的各级阈值保存在thrParams中，小波分解的等级数和cell的长度相等，thrParams{i}，i从1到5分别保存了阈值间距上下限的值和阈值（间距阈值是允许的，在自适应阈值方法中会用到，参见One-Dimensional Variance Adaptive Thresholding of Wavelet Coefficients）

如果使用的全阈值方法，保存的数据结构如下

alTHR保存的是全阈值的值。

l 保存离散小波变换的系数

一个例子的文件内容如下