给大家分享几个小波阈值去噪的MATLAB代码

pulbieup

给大家分享几个小波阈值去噪的MATLAB代码
9 v7 a" ^9 t3 N( _$ d$ D! Z

例1：

& p, w$ ?2 C. w5 M5 n# pload leleccum;
4 ]' F$ N( z6 d" Z6 R
index = 1:1024;
( D( G0 P% m( X- X; P% U
2 j7 Q7 o. J# Q* k& @: y- Bx = leleccum(index);
+ F0 ^: q7 E9 F7 P' p
%产生噪声信号
# Z0 E% p5 L5 v" z  d
init = 2055615866;
1 T$ }& {& ?9 q# Z9 e! q3 r* F
randn('seed',init);

nx = x + 18*randn(size(x));
9 x5 \4 L4 l5 e& [& P8 V: O
%获取消噪的阈值
; x. ]& g- p9 L1 {, F0 a- F
1 e' w# n! I0 C0 P8 T[thr,sorh,keepapp] = ddencmp('den','wv',nx);

8 j6 A3 Y4 }' B3 `, P. E) F  P& y%对信号进行消噪
% R) ]" ?( v+ O. J6 O# }
8 X- H' T" O, {6 R4 c' i' Ixd = wdencmp('gbl',nx,'db4',2,thr,sorh,keepapp);
+ J4 \5 s; K6 f) T- y0 X& k" |" @
subplot(221);

plot(x);
; M4 n' o8 e, B* f6 b4 F; v
title('原始信号');
! J2 [9 T0 F- ?- @- U
4 E2 E9 L3 E( H& g0 [! b$ i! Lsubplot(222);

- s: y$ ]3 G! Z$ I, T: [7 Q  zplot(nx);
+ k; T, L0 o1 Z. \, u+ b- V6 S
title('含噪信号');

subplot(223);
6 Y8 w! d0 r, _" ?" h) d6 A* [
plot(xd);

title('消噪后的信号');

: R6 B" r) T, |7 t( @
例2：
" y/ ]6 w+ U# ?+ N. a4 R
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。
) |& }# r# _: {& J
load leleccum;
4 j9 v: X4 z! s" `; g, L* S5 r
& j' q( V9 J* _$ s- ^' \* Eindx = 1:1024;

; w  C5 n5 X! c4 R3 {0 Xx = leleccum(indx);

%产生含噪信号

init = 2055615886;
" A9 j4 T# ?: G2 V
2 B8 J# a+ u& v* ?# Mrandn('seed',init);
5 K2 ?9 f% A9 T; ?0 o9 B0 u* K
nx = x + 18*randn(size(x));

1 F% Q" @# D9 ~! @/ \  Z. y%使用小波函数'db6'对信号进行3层分解
5 x7 j" P+ {" n# Q, [9 @, n& M
[c,l] = wavedec(nx,3,'db6');
' W% `9 F; Z) i
# Z; r- `+ o% A* _1 y* q%估计尺度1的噪声标准差

sigma = wnoisest(c,l,1);

& k8 S: f1 G/ O" R3 W9 c  r8 d- Halpha = 2;
: K6 P% \3 p4 D! A+ l, ^$ d% H
%获取消噪过程中的阈值

6 q3 N' r% [7 jthr = wbmpen(c,l,sigma,alpha);

keepapp = 1;
6 }; v0 x; }. j5 U
& X0 ]! \" Y8 A9 ]: m5 M2 w# E% V2 [%对信号进行消噪

xd = wdencmp('gbl',c,l,'db6',3,thr,'s',keepapp);
3 H; h2 I! f  H8 z
subplot(221);

plot(x);

title('原始信号');
& {3 _8 R; }" @9 @; J5 @. U
subplot(222);
  g0 R  m3 D* ^/ ]
plot(nx);

title('含噪信号');
3 W( |$ u6 {8 _2 n" p
: q, r4 o5 ]* e9 n2 N0 x' o2 Psubplot(223);
; i* _& f/ s; r: c. m
5 V0 l# k2 U! p$ Qplot(xd);

9 `/ `1 ~/ ^- l: Ptitle('消噪后的信号');
- ^1 R  W1 y" d# i& l8 J

, Y* Y) n) n6 v! R- H3 h% d例3：
" u9 `- F0 V. I: z! D; u
. X. X  X' f6 @5 W. p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。

0 H0 V: Y5 }7 e% I) e% \+ rload leleccum;
8 x3 z" T% F, g
" @, s( R# J* H) K2 v" e2 windx = 1:1024;
3 `& X% Q2 L8 W/ @# A7 V* W
. v. e" `8 k% w4 a& Gx = leleccum(indx);
' m3 `$ V  B: s( O. J2 c% I" p
8 Q! e6 y+ O/ r/ ^  c" O%产生含噪信号

0 u" T# b  o) L9 x1 k- [( Yinit = 2055615866;
1 |" v4 n! l7 O- e8 L
randn('seed',init);

! R# p/ k) Z% x8 Inx = x + 18*randn(size(x));
: Z& }1 b% d& p  l0 }& p
%使用小波函数'db5'对信号进行3层分解

[c,l] = wavedec(nx,3,'db5');
7 M+ V; p6 ~, W/ ~) R
%设置尺度向量
* N" W. g: `5 _  k3 y7 a9 [
3 r9 j( R7 U$ A2 e$ {n = [1,2,3];

%设置阈值向量
- Z  C* s, D1 R! K, e1 [- W$ n
p = [100,90,80];
+ B, L$ E" p3 |- ~( U1 L1 N# a8 W
9 J' m! q4 N' Q: h1 M4 t%对高频系数进行阈值处理

, J! v. E! q7 e- p9 l4 ~nc = wthcoef('d',c,l,n,p);
/ }  ?9 f0 `; X; K
6 P: r0 a- w! M%对修正后的小波分解结构进行重构
+ `' p  p! z3 h0 i
rx = waverec(nc,l,'db5');

subplot(221);
. N# o1 k$ n+ B8 @/ Z6 o' n1 y
plot(x);
% B- S  {! @! ~, R& g  Y
title('原始信号');

subplot(222);

; h' r2 Z' G  X' [- m( u/ b; [plot(nx);
8 K, Y; {$ B$ B6 Q; N  R" B7 u
: j( k0 M9 Y; P% e7 H) Y% htitle('含噪信号');

subplot(223);

plot(rx);
+ H- m8 d1 H0 x' _" [- `
title('消噪后的信号');
1 x  S% Y+ p( k! ?+ x* v/ j

- W: |; K* Y; I9 p7 o+ j
$ e1 k. B. ^6 E; R6 e4 r例4：

5 Q7 I: n3 X* I0 P2 ]4 |0 P+ d本例中，使用一维信号的自动消噪函数wden对信号进行消噪。

4 y9 Z: y, l: R8 l9 ^5 Bload leleccum;

2 ?: c( {* l/ O: a8 P; I% m7 d' N+ sindx = 1:1024;
" ]" M% q+ P6 D2 O- [
: K, D) b: |, u% E' Ex = leleccum(indx);

5 C0 ~- {; ]" S% E/ B8 M' O3 T%产生含噪信号

init = 2055615866;
/ i6 q1 p/ X9 P" Y
randn('seed',init);
* L3 T, m  _6 ^" B- {5 P. s
9 X& \- E3 q+ t6 Tnx = x + 18*randn(size(x));
, t: l2 j# F: ]! o9 D2 M" n: O& s
%将信号nx使用小波函数'sym5'分解到第5层

%使用mimimaxi阈值选择系数进行处理，消除噪声信号

lev = 5;

xd = wden(nx,'minimaxi','s','mln',lev,'sym5');

subplot(221);

plot(x);
$ k1 }2 C7 a2 c1 F' C
# l3 u7 M& n8 s8 ?: p/ X3 Etitle('原始信号');

6 T6 [  Y& N3 w* i# I" m6 ]subplot(222);

plot(nx);
; Y& _% P2 Y+ U5 _2 R  H
' r, o# m, s& \! `/ Gtitle('含噪信号');

subplot(223);

# }9 k; U: ]8 ^plot(xd);

! z& s2 `$ u% B7 [0 Etitle('消噪后的信号');
5 n4 V3 W* `9 f% E7 U3 w1 S+ e
! f! S: c6 l% Y8 ]
) ~- \( o# X  B( \+ p3 u3 k
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];
lev=5;
8 d4 J9 [. _0 t  B- }wname='db3';
# I+ z: l) ?8 p$ x" f[c,l]=wavedec(x,lev,wname);
sigma=wnoisest(c,l,1);
alpha=2;
# m) N+ X+ I0 w( L. N9 ?thr1=wbmpen(c,l,sigma,alpha)
+ A  R3 e% A- B0 J5 x7 N5 |+ l[thr2,nkeep]=wdcbm(c,l,alpha)
: G( L5 G5 }2 ^' qxd1=wdencmp('gbl',c,l,wname,lev,thr1,'s',1);
& r. R" R  {: [% R% d8 q( C' K[xd2,cxd,lxd,peRF0,perfl2]=wdencmp('lvd',c,l,wname,lev,thr2,'h');
[thr,sorh,keepapp]=ddencmp('den','wv',x)
( s! V5 J; N3 k- kxd3=wdencmp('gbl',c,l,wname,lev,thr,'s',1);
3 K7 d2 X! ~# A7 [0 `subplot(411);plot(x);title('原始信号','fontsize',12);
subplot(412);plot(xd1);title('使用penalty阈值降噪后信号','fontsize',12);
, ^* e" k. `: t& B, }: t" Usubplot(413);plot(xd2);title('使用Birge-Massart阈值降噪后信号','fontsize',12);
subplot(414);plot(xd3);title('使用缺省阈值降噪后信号','fontsize',12);
; S/ p6 _7 G6 F0 R' e" V. v( E& Z" X
' |5 P! F1 A; K; i  T! K
8 a7 |/ F, r; q: @5 j5 S

6 x% [7 f! b4 f; j& A




+ f- F/ s% D" O" O

kinidrily

刚刚给一个网友分享了