中北大学。
研究生《现代信号处理》作业。
所在院、系 : 信息与通信工程学院
专业: 测试计量技术及仪器
姓名王栋。学号: s20100329
班级: y100503
**: 156
小波变换与matlab相关程序的学习
小波变换是在傅里叶变换的基础上发展起来的,它优于傅里叶分析的地方是它在时域与空域都是局部化的,其局部化格式随频率自动变换,在高频处取窄的时(空)间窗,在低频处取宽的时(空)间窗,适合处理非平稳信号。
通常特殊的频谱变化信息出现在信号频率成分的瞬时变化中。在这种情况下,很有必要知道这些频率成分变化的时间长度。例如在脑电图处理中,任何一个与事件相关的潜在大脑反应都是极为重要的。
小波变换能同时提供信号的时域与频域信息,因此,它能给出信号的时-频复合表示。
小波变换的数学表达同经典的傅里叶变换是完全不同的,它**于短时傅里叶变换。小波变换的思想是通过不同的高通与低通滤波器族,滤波器族将信号的高频与低频成分分别进行处理,然后重复上述的滤波处理,每次都将相同的频率成分从信号中消除。
1.连续小波变换。
定义1如果满足“容许性”条件:
那么称是一个“容许小波”或“母小波”。关于一个基小波,在上的连续小波变换或积分小波变换定义为。
容许条件是为了确保小波逆变换可以进行。定义1中的条件似乎稍弱,如果和都是窗函数,则基小波可以给出有限面积的时间-频率窗。另外是一个连续函数,则有;而是窗函数表明,这样可以得到定义2。
定义2 如果满足“容许性”条件:
那么称是一个“基小波”,也称“容许小波”。关于一个基小波,在上的连续小波变换或积分小波变换定义为。
注:基小波属于,在理论上会对判定函数是否是基小波产生困难。
定义3 如果满足如下两条要求。
是连续的且呈现指数衰减[即,对某些常量c,m]
的积分为零[即]
则定义函数的小波变换为。
定义3中的衰减条件和积分为零条件可以推出定义2中的容许性条件,而定义2中,可推出是一个连续函数,所以由容许性条件中的有限性可以推出,或者等价地有,这就是称为“小波”的原因。
2.离散小波变换。
在实际应用中,需要将连续小波离散化。这里的离散是指将连续小波和连续小波变换离散化。在连续小波中,考虑函数 ,是容许的,在离散化时,总限制取正值,这样离散小波变换的容许条件就变为:
当离散化时,即,则得到离散小波为。
从而离散小波变换表示为:
其重构公式为:
为一与信号无关的常数。这样,我们将信号分解为不同尺度与平移参数的小波分量之和。
如果还有一个对偶,它们一起满足双正交条件。
则系数 是的连续小波变换在第尺度与第平移处的值。所以,连续小波变换与离散小波变换是不可分离的。
实际应用中,通常用卷积形式的小波变换,对于函数,在尺度上的卷积小波变换记为。
这时容易计算的连续小波变换的傅立叶变换。
3.信号频谱分析matlab程序。
dalt=0.002; %采样间隔。
t=0:0.002:1.2;
rn=randn(1,length(t));rn(1:300)=0; %产生随机序列。
s=sin(2*pi*10*t)+sin(2*pi*50*t)+rn; %生成信号。
s**e singal1 dalt s;
clear;
load singal1;
t=[0:length(s)-1]*dalt;plot(t,s,'k');ylabel('幅值');xlabel('时间');
title('信号');
clear;load singal1; t=[0:length(s)-1]*dalt;
subplot(211);plot(t,s); ylabel('幅值');xlabel('时间');title('原始信号');
fs=fft(s,512); 快速傅氏变换。
pp=fs.*conj(fs)/512; %计算功率谱。
ff=(0:255)/512/dalt; %计算各点对应的频率值。
subplot(212);plot(ff,pp(1:256));ylabel('功率谱密度');xlabel('频率');
title('信号功率谱');
图1. 信号频谱分析matlab程序。
程序:产生并显示与小波db4相关联的四个滤波器组。dbn是matlab工具箱提供的紧支集正交小波。
wname='db4';
ld,hd,lr,hr]=wfilters(wname);
subplot(221);stem(ld);title('低通分解滤波器');grid;
subplot(223);stem(lr);title('低通重构滤波器');grid;
subplot(222);stem(hd);title('高通分解滤波器');grid;
subplot(224);stem(hr);title('高通重构滤波器');grid;
图2. 小波db4相关联的四个滤波器组。
用下面的程序观察小波函数db4的迭代生成过程。
for i=1:10
phi,psi,xval]=w**efun('sym4',i);
plot(xval,psi+2*i);title('小波函数的生成过程');
hold on
end hold off
图3. 小波函数db4的迭代生成过程。
5.离散小波分解与重构。
信号singal1的单尺度离散小波分解与重构。
clear;
load singal1; %装载模拟信号。
ls=length(s);
t=[0:ls-1]*dalt;
subplot(511);plot(t,s);ylabel('s');显示原始信号。
c,d]=dwt(s,'db4');用小波db4对信号进行单尺度分解。
subplot(523);plot(c);ylabel('c');显示低频分解系数。
subplot(524);plot(d);ylabel('d');显示高频分解系数。
scr=upcoef('a',c,'db4',1,ls); 用低频分解系数重构。
sdr=upcoef('d',d,'db4',1,ls); 用高频分解系数重构。
subplot(513);plot(t,scr);ylabel('scr');显示低频重构信号。
subplot(514);plot(t,sdr);ylabel('sdr');显示高频重构信号。
sr=idwt(c,d,'db4',ls); 对信号进行完全重构。
subplot(515);plot(t,sr);ylabel('sr');显示完全重构后的信号。
图4. 信号singal1的单尺度离散小波分解与重构。
信号signal1的多尺度分解与重构。
clear;
load singal1; %装载模拟信号。
ls=length(s);
t=[0:ls-1]*dalt;
subplot(711);plot(t,s);ylabel('s');显示原始信号。
c,l]=w**edec(s,3,'db4');用小波db4对信号进行多尺度分解(三层)
c3=appcoef(c,l,'db4',3); 提取最低频分解系数。
d3=detcoef(c,l,3); 提取次低频分解系数。
d2=detcoef(c,l,2); 提取次高频分解系数。
d1=detcoef(c,l,1); 提取最高频分解系数。
subplot(789);plot(c3);ylabel('c');
subplot(7,8,10);plot(d3);
subplot(746);plot(d2);
subplot(724);plot(d1);
src3=wrcoef('a',c,l,'db4',3); 用最低频分解系数重构。
srd3=wrcoef('d',c,l,'db4',3); 用次低频分解系数重构。
srd2=wrcoef('d',c,l,'db4',2); 用次高频分解系数重构。
srd1=wrcoef('d',c,l,'db4',1); 用最高频分解系数重构。
subplot(713);plot(t,src3);ylabel('src3');
subplot(714);plot(t,srd3);ylabel('srd3');
subplot(715);plot(t,srd2);ylabel('srd2');
subplot(716);plot(t,srd1);ylabel('srd1');
sr=w**erec(c,l,'db4');对信号进行完全重构。
subplot(717);plot(t,sr);ylabel('sr');
图5. 信号signal1的多尺度分解与重构。
6.小波变换的应用领域:
1)小波分析用于信号与图像压缩是小波分析应用的一个重要方面。它的特点是压缩比高,压缩速度快,压缩后能保持信号与图像的特征不变,且在传递中可以抗干扰。基于小波分析的压缩方法很多,比较成功的有小波包最好基方法,小波域纹理模型方法,小波变换零树压缩,小波变换向量压缩等。
2)小波在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等。
3)在工程技术等方面的应用。包括计算机视觉、计算机图形学、曲线设计、湍流、远程宇宙的研究与生物医学方面。
7.心得体会。
小波分析是当前应用数学和工程学科中一个迅速发展的新领域,与fourier变换相比,小波变换是空间(时间)和频率的局部变换,因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析,解决了fourier变换不能解决的许多困难问题。
matlab小波分析工具箱丰富的函数和强大的**功能为我们学习小波、用好小波提供了方便、快捷的途径,但是,如果要深入掌握小波分析的原理,真正学好、用好小波,就应该尽量用自己编写的程序去实现小波变换和信号分析,尽量在自己的程序中少调用matlab提供的函数,多用自己的理解去编写相关的小波函数,这样的过程是一个探索、求知的过程,更能让我们体会到小波的强大和学习的乐趣。小波分析与matlab的知识还有很多,我还需要不断地学习,认真实践,认真解决问题,不断地提到。
现代信号处理作业
中国矿业大学。20 级硕士研究生课程考试试卷。考试科目现代信号处理基础 考试时间。学生姓名。学生学号。所在院系信电学院 任课教师。中国矿业大学研究生院培养管理处印制。一 自适应滤波。1 自适应df的工作原理 自适应滤波器是以最小均方误差为准则的最佳滤波器,它能自动调节其本身的单位脉冲响应h n 特性...
现代信号处理作业
1.总结学过的滤波器设计方法,用matlab 例子分析不同设计方法的滤波器的性能及适应场合。答 1.1模拟低通滤波器的设计方法。1.1.1 butterworth滤波器设计步骤 确定阶次n 1 已知 c s和as求butterworth df阶数n 由 求出n 2 已知 c s和 p 的衰减ap 求...
现代信号处理作业
2014年6月。cramer rao不等式的证明。定义 设为参数的估计子,参数的估计子的偏差定义为该估计子误差的期望值,即。则估计子称为无偏估计子。若变差等于零或者,即估计子的期望值等于真实参数,则成估计子的渐进无偏估计子。无偏性反映了参数估计量的取值在真值周围摆动程度。一个参数往往具有不止一个无偏...