EDA365电子论坛网

标题: 给大家分享几个小波阈值去噪的MATLAB代码 [打印本页]

---

作者: pulbieup    时间: 2019-11-15 10:01
标题: 给大家分享几个小波阈值去噪的MATLAB代码
给大家分享几个小波阈值去噪的MATLAB代码
8 J9 `' o) o. a- o6 R. U. j3 O

例1：
# C( H  s) w# _4 l
3 M% n' N3 z7 T9 F" Bload leleccum;

, w0 Z$ y  M  V/ sindex = 1:1024;

6 H) C" e  S; M+ D. z# M5 vx = leleccum(index);
: k( J. W; W4 d7 [5 g, B  t
0 [  P; R" I( N; T/ d- @# x. L# K%产生噪声信号
7 ~( Z1 I, q: H+ I: P3 G% {
init = 2055615866;
: Z& r9 F* X, i
randn('seed',init);
* _3 V* R2 b2 _9 x- G0 R
nx = x + 18*randn(size(x));

%获取消噪的阈值

) q! B+ R  ?2 |% `7 x( D0 F) D% t[thr,sorh,keepapp] = ddencmp('den','wv',nx);
$ T) Q3 E3 G/ t
% x+ p$ R% G4 n2 Y%对信号进行消噪

xd = wdencmp('gbl',nx,'db4',2,thr,sorh,keepapp);

; I5 v# N0 M' S0 W  t$ Qsubplot(221);
, Z/ e+ c8 x# O. y: ^8 u; R
* T/ N" l. d/ b. {" Nplot(x);
3 h7 y9 R, l4 o' L! `+ t4 ~
- u# |6 B  a2 S+ j  Qtitle('原始信号');
' I' |3 U; D9 N2 b# d
subplot(222);

$ ~5 |2 N" B  v6 z! Mplot(nx);
3 N+ ?% c/ P2 s- K- M8 s- M/ W
title('含噪信号');
4 y9 i2 D, ]3 b
subplot(223);

6 ~' k2 {9 l, Y4 |6 ]plot(xd);

title('消噪后的信号');
( ]5 c9 M/ d" H, H4 d& r8 _

例2：
7 U# i; w! F0 g7 p9 ~- I
本例中，首先使用函数wnoisest获取噪声方差，然后使用函数wbmpen获取小波去噪阈值，最后使用wdencmp实现信号消噪。

$ T: C+ _( `7 u& |) Fload leleccum;

indx = 1:1024;
6 |% M3 c2 n$ y' t0 W! o9 F8 Y' B7 U. @
# ]% j3 g: W9 O- @5 X) b5 yx = leleccum(indx);
  d* t3 m5 e" f# f* s; u! i
%产生含噪信号
. o5 {  l8 V9 o# D& [: ?
init = 2055615886;
, m8 W# m" u1 z6 X3 l0 p4 U
! @3 P$ r- B8 W/ A. s( Trandn('seed',init);
0 u' X2 J2 l, F3 v4 |' \% }
$ s6 r! ^" H2 Y7 b* L4 Jnx = x + 18*randn(size(x));

%使用小波函数'db6'对信号进行3层分解

6 a# h2 o' ?5 m7 N6 a4 j[c,l] = wavedec(nx,3,'db6');

0 ?; ?6 C5 j2 E+ ~9 n. M%估计尺度1的噪声标准差
5 L6 M/ x0 ?  W/ x8 _  d- z
sigma = wnoisest(c,l,1);
9 ~7 V' r, Q3 J& n# ~" k
& p$ l2 q' v3 Z; h/ zalpha = 2;
: @' f' r: _9 K, c$ H) ]
%获取消噪过程中的阈值

thr = wbmpen(c,l,sigma,alpha);
1 c& d" s* V- c3 D# J( ~9 Z
& i% I1 U" V1 I4 `: q! K  o: ykeepapp = 1;

$ f/ ]5 p1 ?) ?  R%对信号进行消噪
& q& A. t3 E! Z% r
& g5 n- k& H% v! H' p! yxd = wdencmp('gbl',c,l,'db6',3,thr,'s',keepapp);
" k  s7 L+ n4 B7 Q' P6 b: }
, p0 b  e6 T9 @4 D8 fsubplot(221);

6 q/ W; F8 l( x2 R0 `plot(x);
6 Y- O1 j, n+ P# k. N
2 R+ G$ @% T6 m2 ]. c  t4 l$ etitle('原始信号');

subplot(222);
/ R9 F1 p4 |# |: H% k% Z5 {8 m
plot(nx);

6 W/ R+ G4 I. W0 y' z: ttitle('含噪信号');

8 f2 ]7 B4 R7 u7 L! T7 ^subplot(223);
: A) G/ i" o: Z4 n
plot(xd);

title('消噪后的信号');
- z/ ?6 F7 J5 q. b

例3：

$ R8 Z- C& l8 O  l本例中，对小波分解系数使用函数wthcoef进行阈值处理，然后利用阈值处理后的小波系数进行重构达到去噪目的。
1 ?9 `5 x/ [6 S* u7 o5 f
load leleccum;
1 u$ l, k8 A7 P" I& g
4 l! u3 L1 ?1 d* G- Q: u+ g9 z% sindx = 1:1024;

6 u( W# w# f. I% d. l/ Ix = leleccum(indx);
+ ?% Y* H$ i1 Q) y  e9 E: R
  [4 x% N) \' N%产生含噪信号
) M, Y: b! Q- L  @6 a/ F
init = 2055615866;

randn('seed',init);
% N8 ^$ u2 W( n( ?* `8 o
, S1 C7 B2 O; F* \6 I% Wnx = x + 18*randn(size(x));
+ Y' l2 W1 D" h; C
. ]1 H8 ]0 I* I: D- c5 y  b%使用小波函数'db5'对信号进行3层分解

[c,l] = wavedec(nx,3,'db5');

%设置尺度向量
) t3 F3 w. X" S( K
& j; L# O/ D; Z: zn = [1,2,3];
+ O* Y4 W8 v2 M% r- a/ ]
%设置阈值向量

p = [100,90,80];

3 w0 h& T) x( E4 y+ X' a1 I: z5 A%对高频系数进行阈值处理

nc = wthcoef('d',c,l,n,p);

%对修正后的小波分解结构进行重构
$ z% @8 I" x/ v
; T% D) j+ O" p9 A; Qrx = waverec(nc,l,'db5');
. G, f! G( }' j( ]4 H
subplot(221);

plot(x);

; j2 ]; ?6 j; I) Jtitle('原始信号');

9 D; p9 w4 o0 tsubplot(222);

+ ?6 }7 a( ~+ i  j: r* |3 Zplot(nx);

title('含噪信号');
! q0 Y" f: P  V2 n( t8 I( ?/ @
subplot(223);
" ]' Q; a1 ]  J, I* l
plot(rx);
8 q& W; J1 z) d; a) J5 \. L- [' T+ x7 `
3 c0 {& S, {3 R% a4 gtitle('消噪后的信号');

' _& M( k2 V7 G/ p1 l# I- @9 _' s

9 ^/ r- U3 `9 n+ A% S8 a( e3 ]例4：

+ h" u. T! B% P* f7 ^4 g. S: m本例中，使用一维信号的自动消噪函数wden对信号进行消噪。

' s* ~/ c1 C# I1 F% Hload leleccum;
+ \1 ?: g. Q( t/ \" a5 W
& M) d  u8 L. cindx = 1:1024;
3 p5 V7 B; a8 r7 t
8 m$ u6 U/ }) Z" _3 |: }: ux = leleccum(indx);
8 ^; X% s% Q5 y" h3 B' r% P
, F) m7 u/ c# R9 u%产生含噪信号

5 _7 I: b- J3 P, P; q0 ~, m" G- minit = 2055615866;
4 C  R) D  Y) [
randn('seed',init);
! _1 f0 i- v& |. }) }$ Y3 ]' R
nx = x + 18*randn(size(x));
; O  y5 ]4 q2 N, e
2 e4 I( f  h9 ^( Y7 W4 v%将信号nx使用小波函数'sym5'分解到第5层

6 y: J' D. z$ L2 [* Y7 H% A%使用mimimaxi阈值选择系数进行处理，消除噪声信号

7 o  V5 _- a& v3 Ulev = 5;
5 p, W5 F. s) N& z! o
4 \) [  i- n5 z! Q; Lxd = wden(nx,'minimaxi','s','mln',lev,'sym5');
7 w& a' L/ A7 R7 R
: e2 |* w/ T* G+ ]' Gsubplot(221);
; L3 ~2 g% |2 R: a
) B  z9 |7 \1 k$ h* o2 X, Wplot(x);

title('原始信号');
- m  X3 K1 i7 E$ W4 i
subplot(222);
4 L( [$ t( h" g1 x2 R5 n
6 P0 s& H. ~' \5 p5 bplot(nx);
- w' J: M$ I* e6 ^" t' V
title('含噪信号');
4 ]' ^: X& M5 X
subplot(223);
) P5 P+ Y& e& l, e. `7 F
6 q* _) C) n% tplot(xd);

title('消噪后的信号');

% {3 y+ X2 ~% @; [2 Y8 \# a

x=[-1.58 0.42 0.46 0.78 -0.49 0.59 -1.3 -1.42 -0.16 -1.47 -1.350.36 -0.44 -0.14 1 -0.5 -0.2 -0.06 -0.6 0.42 -1.52 0.51 0.76 -1.50.16 -1.29 -0.65 -1.48 0.6 -1.65 -0.55];
0 r/ R3 t* d1 S" R* F% ?4 Jlev=5;
wname='db3';
, ]' w  o1 L3 T" `. }[c,l]=wavedec(x,lev,wname);
6 q& I- `) Q& N6 xsigma=wnoisest(c,l,1);
alpha=2;
8 x$ \. x! N, d! H3 r1 Bthr1=wbmpen(c,l,sigma,alpha)
# C$ I, }+ H8 u) b( \1 F[thr2,nkeep]=wdcbm(c,l,alpha)
6 B  A+ T8 o1 l5 I1 r% b4 Oxd1=wdencmp('gbl',c,l,wname,lev,thr1,'s',1);
[xd2,cxd,lxd,perf0,perfl2]=wdencmp('lvd',c,l,wname,lev,thr2,'h');
[thr,sorh,keepapp]=ddencmp('den','wv',x)
xd3=wdencmp('gbl',c,l,wname,lev,thr,'s',1);
$ b! S* ^4 s& {( ~subplot(411);plot(x);title('原始信号','fontsize',12);
* h6 j3 n& ]: o; {; J3 o; Xsubplot(412);plot(xd1);title('使用penalty阈值降噪后信号','fontsize',12);
' ~0 x4 e3 f/ g' [6 L. A: O4 |9 z+ G* Isubplot(413);plot(xd2);title('使用Birge-Massart阈值降噪后信号','fontsize',12);
  G$ p+ z, j, H' Fsubplot(414);plot(xd3);title('使用缺省阈值降噪后信号','fontsize',12);

/ V# c3 V! S: x0 o/ m







. X3 y! M3 ], O/ p2 m4 j1 w6 ?

---

作者: kinidrily    时间: 2019-11-21 19:15
刚刚给一个网友分享了

---

欢迎光临 EDA365电子论坛网 (https://bbs.eda365.com/)

Powered by Discuz! X3.2