求信号的滤波器及尺度函数与小波函数的matlab命令
常用小波函数及Matlab常用指令
THR=wbmpen(C,L,SIGMA,ALPHA)使用penalization方法为降噪返回全局门槛THR.
STDC=wnoisest(C,L,S)返回[C,L]在尺度S上的细节系数的标准差估计
[THR,NKEEP]=wdcbm(C,L,ALPHA,M)返回各尺度上的相应门槛，存放于THR向量中，降噪一般将ALPHA设为3
y=upcoef('O',x,'wname',N) 用于一维小波分析，计算向量x向上N步的重构小波系数，N为正整数。如 果O=a,对低频系数进行重构；如果O=d，对高频系数进行重构。
[thr,sorh,keepapp]=ddencmp('den','wv',x)产生信号全局默认阈值，然后利用wdencmp函数进行消除噪 声的处理,thr = sqrt(2*log(n)) * s
THR=thselect(X,TPTR)使用由TPTR指定的算法计算与X相适应的门槛
D=detcoef(c,l,N) 提取N尺度的高频系数。
[nc,nl,ca]=upwlev(c,l,'wname')对小波分解结构[c,l]进行单尺度重构，返回上一尺度的分解结构并提 取最后一尺度的低频分量。
x=wrcoef('type',c,l,'wname',N)对一维信号的分解结构[c,l]用指定的小波函数进行重构，当'type=a' 时对信号的低频部分进行重构，此时N可以为0.当'type=d'时，对信号 的高频部分进行重构，此时N为正整数。
MATLAB小波变换指令及其功能介绍(超级有用)解读
MATLAB小波变换指令及其功能介绍1 一维小波变换的 Matlab 实现(1) dwt函数功能：一维离散小波变换格式：[cA,cD]=dwt(X,'wname')[cA,cD]=dwt(X,Lo_D,Hi_D)别可以实现一维、二维和 N 维DFT说明：[cA,cD]=dwt(X,'wname') 使用指定的小波基函数 'wname'对信号X 进行分解，cA、cD 分别为近似分量和细节分量；[cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。
(2) idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD,'wname')X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,'wname',L)函数 fft、fft2 和 fftn 分X=idwt(cA,cD,Lo_R,Hi_R,L)说明：X=idwt(cA,cD,'wname') 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。
'wname' 为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和Hi_R 经小波反变换重构原始信号 X 。
X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。
2 二维小波变换的 Matlab 实现二维小波变换的函数别可以实现一维、二维和 N 维 DFT函数名函数功能---------------------------------------------------dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换----------------------------------------------------------- (1) wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16；OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现一维、二维和 N 维 DFTOPT＝'row' ，按行编码OPT＝'col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分ABSOL 是函数的控制参数（缺省值为 '1'），即：ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X)1. 离散傅立叶变换的 Matlab实现(2) dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname')[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。
MATLAB中的信号降噪与滤波方法
MATLAB中的信号降噪与滤波方法概述：信号降噪和滤波是信号处理领域中的重要任务之一。
随着技术的发展，信号的采集和传输变得越来越容易，但同时也引入了噪声。
信号降噪和滤波方法可以用来抑制这些噪声，并提高信号质量。
在MATLAB中，有丰富的信号降噪和滤波函数和工具箱，为用户提供了便捷的信号处理工具。
1. 信号降噪方法1.1 均值滤波均值滤波是最简单和常用的信号降噪方法之一。
它通过计算信号中每个数据点周围一定邻域的均值来去除噪声。
MATLAB提供了函数`smoothdata`来实现均值滤波，用户可以根据自己的需求设定滤波窗口的大小。
1.2 中值滤波中值滤波也是一种常用的信号降噪方法，它通过将信号中每个数据点周围一定邻域的数据进行排序，然后选取中间值作为滤波结果。
MATLAB提供了函数`medfilt1`来实现中值滤波，用户可以指定滤波窗口的大小。
1.3 小波变换小波变换是一种多尺度分析方法，它可以将信号分解为不同尺度的频率成分。
小波变换在信号降噪中的应用非常广泛。
MATLAB提供了相关函数`wdenoise`来实现小波降噪，用户可以根据信号特点选择合适的小波基和降噪参数。
1.4 高斯滤波高斯滤波是一种线性、平滑的滤波方法，它通过卷积信号与一个高斯核函数来实现滤波。
MATLAB提供了函数`imgaussfilt`和`imgaussfilt2`来实现一维和二维高斯滤波。
2. 信号滤波方法2.1 低通滤波低通滤波器可以通过去除信号中高于一定频率的成分来实现滤波效果。
MATLAB中有多种低通滤波器的设计方法，比如巴特沃斯滤波器、切比雪夫滤波器等。
用户可以使用函数`butter`和`cheby1`来设计低通滤波器，并使用函数`filter`来应用滤波器。
2.2 高通滤波高通滤波器可以通过去除信号中低于一定频率的成分来实现滤波效果。
MATLAB中也提供了多种高通滤波器的设计方法，用户可以使用函数`butter`和`cheby1`来设计高通滤波器，并使用函数`filter`来应用滤波器。
使用MATLAB进行信号处理与滤波
使用MATLAB进行信号处理与滤波信号处理与滤波是数字信号处理领域中的重要技术，而MATLAB是一种广泛应用于信号处理的工具。
本文将介绍如何使用MATLAB进行信号处理与滤波，包括信号采样、信号重构、频谱分析以及常用的滤波器设计和应用。
首先，我们先了解一下信号处理的基本概念。
信号处理是对信号进行采样、重构、滤波、增强、压缩等操作的过程。
信号可以是连续的或离散的，常常通过采样将连续信号转换为离散信号进行处理。
在MATLAB中，可以使用`plot`函数来绘制信号的波形图。
假设有一个正弦信号，我们可以通过以下代码绘制其波形图：```matlabfs = 1000; % 采样率为1000Hzt = 0:1/fs:1; % 时间向量，从0到1sf = 10; % 正弦信号的频率为10Hzx = sin(2*pi*f*t); % 构造正弦信号plot(t, x); % 绘制波形图xlabel('Time (s)'); % x轴标签ylabel('Amplitude'); % y轴标签title('Sinusoidal Signal'); % 图片标题```这段代码中，首先定义了采样率`fs`、时间向量`t`和信号频率`f`，然后使用`sin`函数构造了正弦信号`x`，最后通过`plot`函数绘制出信号的波形图。
在进行信号处理时，经常需要进行频谱分析来研究信号的频率特性。
MATLAB 提供了多种函数来计算信号的频谱，其中最常用的是`fft`函数。
以下代码演示了如何计算信号的频谱，并绘制频谱图：```matlabFs = 1000; % 采样率为1000HzT = 1/Fs; % 采样间隔L = 1000; % 信号长度为1000t = (0:L-1)*T; % 时间向量x = sin(2*pi*50*t) + 0.5*sin(2*pi*120*t); % 构造含有两个频率成分的信号Y = fft(x); % 对信号进行傅里叶变换P2 = abs(Y/L); % 计算双边频谱P1 = P2(1:L/2+1); % 取单边频谱P1(2:end-1) = 2*P1(2:end-1); % 幅度归一化f = Fs*(0:(L/2))/L; % 频率向量plot(f,P1); % 绘制频谱图title('Single-Sided Amplitude Spectrum of x(t)'); % 图片标题xlabel('Frequency (Hz)'); % x轴标签ylabel('Amplitude'); % y轴标签```这段代码中，首先定义了采样率`Fs`、采样间隔`T`、信号长度`L`和时间向量`t`，然后使用两个正弦信号相加的方式构造了含有两个频率成分的信号`x`，接着使用`fft`函数对信号进行傅里叶变换得到频谱`Y`，最后根据频谱进行幅度归一化并绘制频谱图。
五种常见小波基函数及其matlab实现
五种常见小波基函数及其matlab实现Haar 小波Haar 函数是小波分析中最早用到的一个具有紧支撑的正交小波函数，也是最简单的一个小波函数，它是支撑域在[0,1]∈t 范围内的单个矩形波。
Haar函数的定义如下：1021121(t)-10t t ≤≤≤≤ψ=其他Haar 小波在时域上是不连续的，所以作为基本小波性能不是特别好。
但它也有自己的优点:1. 计算简单。
2.(t)ψ不但与j (t)[j z]2ψ∈正交，而且与自己的整数位移正交，因此，在2j a=的多分辨率系统中，Haar 小波构成一组最简单的正交归一的小波族。
()t ψ的傅里叶变换是：2/24=sin ()j e aψ-ΩΩΩΩ（）jHaar 小波的时域和频域波形[phi,g1,xval] = wavefun('haar',20); subplot(2,1,1);plot(xval,g1,'LineWidth',2); xlabel('t') title('haar 时域'); g2=fft(g1); g3=abs(g2); subplot(2,1,2); plot(g3,'LineWidth',2);xlabel('f') title('haar 频域')Daubechies(dbN)小波Daubechies 小波是世界著名的小波分析学者Inrid ·Daubechies 构造的小波函数，简写为dbN ，N 是小波的阶数。
小波(t)ψ和尺度函数(t)φ中的支撑区为12-N ，(t)ψ的消失矩为N 。
除1=N （Harr 小波）外，dbN 不具有对称性（即非线性相位）。
除1=N（Harr 小波）外，dbN 没有明确的表达式，但转换函数h 的平方模是明确的:令kN k kN kyp C∑-=+=11-(y)，其中C kN k+1-为二项式的系数，则有)2)p(sin2(cos)(2220ωωω=m其中：e h jk N k kωω-12021)(m ∑-==Daubechies 小波具有以下特点：1. 在时域是有限支撑的，即(t)ψ长度有限。
(完整版)MATLAB小波变换指令及其功能介绍(超级有用)
MATLAB小波变换指令及其功能介绍1 一维小波变换的 Matlab 实现(1） dwt函数功能:一维离散小波变换格式：[cA,cD]=dwt(X，'wname’）［cA,cD]=dwt(X，Lo_D，Hi_D）别可以实现一维、二维和 N 维 DFT说明：［cA,cD］=dwt(X,'wname’）使用指定的小波基函数’wname’ 对信号X 进行分解，cA、cD 分别为近似分量和细节分量；[cA，cD］=dwt（X，Lo_D，Hi_D）使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解.(2) idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD，’wname’)X=idwt(cA，cD,Lo_R，Hi_R）X=idwt(cA,cD,'wname'，L）函数 fft、fft2 和 fftn 分X=idwt(cA,cD，Lo_R,Hi_R,L)说明：X=idwt(cA,cD,'wname’) 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X .’wname'为所选的小波函数X=idwt(cA,cD，Lo_R,Hi_R）用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。
X=idwt（cA,cD,’wname',L) 和 X=idwt(cA，cD，Lo_R，Hi_R，L）指定返回信号 X 中心附近的 L 个点。
2 二维小波变换的 Matlab 实现二维小波变换的函数别可以实现一维、二维和 N 维 DFT函数名函数功能——————----—--——--———--—-—-----————-——————-—--—---——dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换—-—-—--——-—-——-—-—---—-—-——-—————------——-—----—-————---——-（1） wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat（X，NB，OPT，ABSOL)Y=wcodemat（X，NB，OPT)Y=wcodemat（X,NB）Y=wcodemat(X)说明：Y=wcodemat(X，NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16；OPT 指定了编码的方式（缺省值为’mat’）,即：别可以实现一维、二维和N 维 DFTOPT＝'row’ ，按行编码OPT＝’col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分ABSOL 是函数的控制参数（缺省值为’1’），即：ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS（X）1. 离散傅立叶变换的Matlab实现（2) dwt2 函数功能：二维离散小波变换格式：［cA，cH，cV,cD］=dwt2(X，'wname’)［cA,cH,cV,cD］=dwt2（X,Lo_D，Hi_D）说明：［cA，cH，cV,cD]=dwt2（X，'wname’)使用指定的小波基函数 'wname'对二维信号 X 进行二维离散小波变幻;cA，cH，cV，cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；［cA，cH，cV,cD］=dwt2(X，Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。
滤波matlab代码
滤波matlab代码滤波是信号处理中常用的技术，用于去除信号中的噪声或者滤波信号以得到感兴趣的频率成分。
在MATLAB中，有多种滤波函数可以使用，例如`filter`、`designfilt`和`fir1`等。
本文将介绍这些函数的用法和原理，并通过实例说明如何使用MATLAB进行滤波。
我们来介绍一下`filter`函数。
该函数可以用于实现各种滤波器，如低通滤波器、高通滤波器和带通滤波器等。
其基本语法为：```Matlaby = filter(b,a,x)```其中，`b`和`a`是滤波器的系数，`x`是输入信号的向量。
这个函数将输出滤波后的信号`y`。
接下来，我们来看一个实例。
假设我们有一个包含噪声的信号`x`，我们希望通过低通滤波器来去除噪声。
我们可以使用`filter`函数来实现这个功能。
首先，我们需要设计一个低通滤波器的系数。
可以使用`fir1`函数来设计一个FIR滤波器的系数。
例如，我们可以使用以下代码来设计一个阶数为10的低通滤波器：```Matlaborder = 10; % 滤波器阶数cutoff = 0.2; % 截止频率b = fir1(order, cutoff);```然后，我们可以使用这个滤波器对信号进行滤波：```Matlaby = filter(b, 1, x);```这样，我们就得到了滤波后的信号`y`。
除了`filter`函数，MATLAB还提供了`designfilt`函数用于设计各种类型的滤波器。
该函数可以设计IIR滤波器、带通滤波器、带阻滤波器等。
使用`designfilt`函数需要指定滤波器的类型、阶数以及其他参数。
例如，我们可以使用以下代码来设计一个IIR低通滤波器：```Matlaborder = 6; % 滤波器阶数cutoff = 0.2; % 截止频率d = designfilt('lowpassiir', 'FilterOrder', order, 'PassbandFrequency', cutoff);```然后，我们可以使用这个滤波器对信号进行滤波：```Matlaby = filter(d, x);```同样地，我们得到了滤波后的信号`y`。
如何使用Matlab进行信号处理和滤波
如何使用Matlab进行信号处理和滤波信号处理和滤波在工程领域中扮演着重要的角色，它们可以帮助我们从一系列的数据中提取有用的信息，并消除噪声。
Matlab作为一种强大的工具，提供了丰富的函数和工具箱，可以方便地进行信号处理和滤波。
本文将介绍如何使用Matlab进行信号处理和滤波的基本方法，并使用实例进行演示。
一、Matlab的信号处理工具箱Matlab的信号处理工具箱是一个强大的工具集，它包含了许多用于处理各种类型信号的函数和算法。
通过引入信号处理工具箱，我们可以方便地处理音频、图像和视频信号，并进行频域分析、滤波和解调等操作。
在Matlab中，可以使用命令"toolbox"来查看已安装的工具箱，对于信号处理，我们需要确保已经安装了"Signal Processing Toolbox"。
如果没有安装，可以通过访问Matlab官方网站下载并安装。
二、信号处理的基本操作1. 读取和显示信号在进行信号处理之前，首先需要将信号加载进Matlab中。
可以使用函数"audioread"来读取音频信号，例如读取一个.wav格式的音频文件：```[x,Fs] = audioread('audio.wav');```其中，x是音频信号的数据，Fs是信号的采样率。
读取完成后，可以使用函数"soundsc"来播放信号，并使用函数"plot"来绘制信号的波形图：```soundsc(x,Fs);plot(x);```2. 频谱分析频谱分析可以帮助我们了解信号的频率特性。
在Matlab中，可以使用函数"fft"进行快速傅里叶变换（FFT），将信号从时域转换到频域。
例如，对于上文中读取的音频信号x，可以使用以下代码计算其频谱：```X = fft(x);```频谱的结果是一个复数向量，表示信号在不同频率上的幅值和相位。
matlab小波滤波器代码 -回复
matlab小波滤波器代码-回复在MATLAB中实现小波滤波器的代码，可以通过以下步骤来完成：第一步：导入信号数据在MATLAB中，首先需要导入待处理的信号数据。
可以使用`wavread`函数读取声音文件，或者使用`load`函数导入其他格式的数据。
matlab[data, fs] = wavread('sound.wav');这里`data`是读取到的信号数据，`fs`是采样率。
第二步：选择小波基函数小波滤波器通过对信号进行小波变换来实现滤波效果。
在MATLAB 中，可以选择不同的小波基函数进行变换。
常用的小波基函数包括`haar`、`dbN`（N是小波基的阶数）、`coifN`、`symN`等。
这里以`haar`小波基为例。
matlabwaveletName = 'haar';第三步：进行小波变换使用`wavedec`函数进行小波变换，将信号分解为多个尺度的小波系数。
matlab[level1, level2, level3, level4] = wavedec(data, 4, waveletName);这里将信号分解为4个尺度的小波系数，分别存储在`level1`、`level2`、`level3`和`level4`变量中。
第四步：滤波在小波变换后，可以对小波系数进行滤波操作。
可以通过设定一个阈值，将小波系数中小于该阈值的部分设为0，从而达到去噪的效果。
matlabthreshold = 0.5;level1(filteredLevel1 < threshold) = 0;level2(filteredLevel2 < threshold) = 0;level3(filteredLevel3 < threshold) = 0;level4(filteredLevel4 < threshold) = 0;这里使用了一个阈值为0.5的例子，小于该阈值的小波系数将被设为0。
MATLAB 小波变换 指令及其功能介绍
MATLAB 小波变换指令及其功能介绍3. 图像小波变换的 Matlab 实现函数 fft、fft2 和 fftn 分析3.1 一维小波变换的 Matlab 实现(1) dwt 函数 Matlab功能：一维离散小波变换格式：[cA,cD]=dwt(X,'wname')[cA,cD]=dwt(X,Lo_D,Hi_D)别可以实现一维、二维和 N 维 DFT说明：[cA,cD]=dwt(X,'wname') 使用指定的小波基函数 'wname' 对信号X 进行分解，cA、cD 分别为近似分量和细节分量；[cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。
(2) idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD,'wname')X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,'wname',L)函数 fft、fft2 和 fftn 分X=idwt(cA,cD,Lo_R,Hi_R,L)说明：X=idwt(cA,cD,'wname') 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。
'wname' 为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。
X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。
1. 离散傅立叶变换的 Matlab实现3.2 二维小波变换的 Matlab 实现二维小波变换的函数别可以实现一维、二维和 N 维 DFT-------------------------------------------------函数名函数功能---------------------------------------------------dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换 Matlabwaverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量1. 离散傅立叶变换的Matlab实现detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构1. 离散傅立叶变换的 Matlab实现dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换-------------------------------------------------------------函数 fft、fft2 和 fftn 分(1) wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16；OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现一维、二维和 N 维DFTOPT＝'row' ，按行编码OPT＝'col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分ABSOL 是函数的控制参数（缺省值为 '1'），即：ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X)1. 离散傅立叶变换的Matlab实现(2) dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname')[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数 'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。