matlab小波工具箱去噪

A. matlab 小波去噪

用matlab做圖像去噪，axes1顯示原始圖像，axes2顯示雜訊圖像，雜訊圖像用bm定義了全局變數，在進行小波去噪前，先將雜訊圖像轉換成mat格式再載入，現在我用 global bm ; save lena.mat;

控制項的屬性變成可執行，或者執行順序。

B. matlab怎麼用小波包進行圖像去噪

小波圖像去噪的方法大概分為3類
1:基於小波變換摸極大值原理
2：基於小波變換系數的相關性
3：基於小波閾值的去噪。

基於小波閾值的去噪方法3個步驟：
1： 計算含雜訊圖像的小波變換。選擇合適的小波基和小波分解層數J，運用Matlab 分解演算法將含有雜訊圖像進行J層小波分解，得到相應的小波分解系數。
2：對分解後的高頻系數進行閾值量化，對於從1 到J的每一層，選擇一個適當的閾值和合適的閾值函數，將分解得到的高頻系數進行閾值量化，得到估計小波系數。
3:進行小波逆變化，根據圖像小波分解後的第J層，低頻 系數（尺度系數）和經過閾值量化處理的各層高頻系數（小波系數），運用Matlab重構演算法進行小波重構，得到去噪後的圖像。

C. matlab小波去噪要四種方法 要源代碼 謝謝！！！

太多了吧，這個有很多源碼免費下載：
matlabsky論壇
http://www.matlabsky.com/?fromuid=4481
可以參考一下有沒。

挺清晰的，有個信號通信版，上去就有一貼；
http://www.matlabsky.com/thread-2057-1-1.html
你就在這個版找吧。
我不懂信號處理的，你搜索下帖子最好。

D. 關於多小波去噪MATLAB程序

是不能得出我家鑰匙不如你家鑰匙的結論滴，所以其一是可增加分解層數，你這個信號只有100個數，其實不易得到滿意效果，你只能選擇線性強的小波基，你這試驗只適合你的假設，其實並不適合所有情形，個人認為其實不具說服力和可比性。如同我家鑰匙開不了你家門，效果還行。

E. matlab 小波閾值去噪 求高手賜教！

MATLAB中實現了信號的閾值去噪，主要包括閾值去噪和閾值獲取兩方面。

1.閾值獲取
MATLAB中實現閾值獲取的函數有ddencmp、thselect、wbmpen和wwdcbm，下面對它們的用法進行簡單的說明。

ddencmp的調用格式有以下三種：
（1）[THR,SORH,KEEPAPP,CRIT]=ddencmp(IN1,IN2,X)
（2）[THR,SORH,KEEPAPP,CRIT]=ddencmp(IN1,'wp',X)
（3）[THR,SORH,KEEPAPP,CRIT]=ddencmp(IN1,'wv',X)
函數ddencmp用於獲取信號在消噪或壓縮過程中的默認閾值。輸入參數X為一維或二維信號；IN1取值為'den'或'cmp'，'den'表示進行去噪，'cmp'表示進行壓縮；IN2取值為'wv'或'wp'，wv表示選擇小波，wp表示選擇小波包。返回值THR是返回的閾值；SORH是軟閾值或硬閾值選擇參數；KEEPAPP表示保存低頻信號；CRIT是熵名（只在選擇小波包時使用）。

函數thselect的調用格式如下：
THR=thselect(X,TPTR);
THR=thselect(X,TPTR)根據字元串TPTR定義的閾值選擇規則來選擇信號X的自適應閾值。
自適應閾值的選擇規則包括以下四種：
*TPTR='rigrsure'，自適應閾值選擇使用Stein的無偏風險估計原理。
*TPTR='heursure'，使用啟發式閾值選擇。
*TPTR='sqtwolog'，閾值等於sqrt(2*log(length(X))).
*TPTR='minimaxi'，用極大極小原理選擇閾值。
閾值選擇規則基於模型 y = f(t) + e，e是高斯白雜訊N(0,1)。

函數wbmpen的調用格式如下：
THR=wbmpen(C,L,SIGMA,ALPHA);
THR=wbmpen(C,L,SIGMA,ALPHA)返回去噪的全局閾值THR。THR通過給定的一種小波系數選擇規則計算得到，小波系數選擇規則使用Birge-Massart的處罰演算法。{C,L]是進行去噪的信號或圖像的小波分解結構；SIGMA是零均值的高斯白雜訊的標准偏差；ALPHA是用於處罰的調整參數，它必須是一個大於1的實數，一般取ALPHA=2。
設t*使crit(t)=-sum(c(k)^2,k<=t) + 2 * SIGMA^2 * t*(ALPHA+log(n/t))的最小值，其中c(k)是按絕對值從大到小排列的小波包系數，n是系數的個數，則THR=|c(t*)|。
wbmpen(C,L,SIGMA,ALPHA,ARG)計算閾值並畫出三條曲線。
2 * SIGMA^2 * t*(ALPHA+log(n/t))
sum(c(k)^2, k<=t)
crit(t)

wdcbm的調用格式有以下兩種：
（1）[THR,NKEEP]=wdcbm(C,L,ALPHA);
（2）[THR,NKEEP]=wdcbm(C,L,ALPHA,M);
函數wdcbm是使用Birge-Massart演算法獲取一維小波變換的閾值。返回值THR是與尺度無關的閾值，NKEEP是系數的個數。[C,L]是要進行壓縮或消噪的信號在j=length(L)-2層的分解結構；LAPHA和M必須是大於1的實數；THR是關於j的向量，THR（i)是第i層的閾值；NKEEP也是關於j的向量，NKEEP(i)是第i層的系數個數。一般壓縮時ALPHA取1.5，去噪時ALPHA取3.

2.信號的閾值去噪
MATLAB中實現信號的閾值去噪的函數有wden、wdencmp、wthresh、wthcoef、wpthcoef以及wpdencmp。下面對它們的用法作簡單的介紹。

函數wden的調用格式有以下兩種：
（1）[XD,CXD,LXD]=wden(X,TPTR,SORH,SCAL,N,'wname')
（2）[XD,CXD,LXD]=wden(C,L,TPTR,SORH,SCAL,N,'wname')
函數wden用於一維信號的自動消噪。X為原始信號，[C,L]為信號的小波分解，N為小波分解的層數。
THR為閾值選擇規則：
*TPTR='rigrsure'，自適應閾值選擇使用Stein的無偏風險估計原理。
*TPTR='heursure'，使用啟發式閾值選擇。
*TPTR='sqtwolog'，閾值等於sqrt(2*log(length(X))).
*TPTR='minimaxi'，用極大極小原理選擇閾值。
SORH是軟閾值或硬閾值的選擇（分別對應's'和'h'）。
SCAL指所使用的閾值是否需要重新調整，包含下面三種：
*SCAL='one' 不調整；
*SCAL='sln' 根據第一層的系數進行雜訊層的估計來調整閾值。
*SCAL='mln' 根據不同的雜訊估計來調整閾值。
XD為消噪後的信號，[CXD,LXD]為消噪後信號的小波分解結構。格式（1）返回對信號X經過N層分解後的小波系數進行閾值處理後的消噪信號XD和信號XD的小波分解結構[CXD,LXD]。格式（2）返回參數與格式（1）相同，但其結構是由直接對信號的小波分解結構[C,L]進行閾值處理得到的。

函數wdencmp的調用格式有以下三種：
(1)[XC,CXC,LXC,PERF0,PERFL2]=wdencmp('gbl',X,'wname',N,THTR,SORH,KEEPAPP);
(2)[XC,CXC,LXC,PERF0,PERFL2]=wdencmp('lvd',X,'wname',N,THTR,SORH);
(3)[XC,CXC,LXC,PERF0,PERFL2]=wdencmp('lvd',C,L,'wname',N,THTR,SORH);
函數wdencmp用於一維或二維信號的消噪或壓縮。wname是所用的小波函數，gbl(global的縮寫)表示每一層都採用同一個閾值進行處理，lvd表示每層採用不同的閾值進行處理，N表示小波分解的層數，THR為閾值向量，對於格式（2）和（3）每層都要求有一個閾值，因此閾值向量THR的長度為N，SORH表示選擇軟閾值或硬閾值（分別取值為's'和'h'），參數KEEPAPP取值為1時，則低頻系數不進行閾值量化，反之，低頻系數要進行閾值量化。XC是要進行消噪或壓縮的信號，[CXC,LXC]是XC的小波分解結構，PERF0和PERFL2是恢復或壓縮L^2的范數百分比。如果[C,L]是X的小波分解結構，則PERFL2=100*(CXC向量的范數/C向量的范數)^2；如果X是一維信號，小波wname是一個正交小波，則PERFL2=100||XC||^2/||X||^2。

函數wthresh的調用格式如下：
Y=wthresh(X,SORH,T)
Y=wthresh(X,SORH,T) 返回輸入向量或矩陣X經過軟閾值（如果SORH='s'）或硬閾值（如果SORH='h'）處理後的信號。T是閾值。
Y=wthresh(X,'s',T)返回的是Y=SIG(X)*(|X|-T)+，即把信號的絕對值與閾值進行比較，小於或等於閾值的點變為零，大於閾值的點為該點值與閾值的差值。
Y=wthresh(X,'h',T)返回的是Y=X*1(|X|>T)，即把信號的絕對值和閾值進行比較，小於或等於閾值的點變為零，大於閾值的點保持不變。一般來說，用硬閾值處理後的信號比用軟閾值處理後的信號更粗糙。

函數wthcoef的調用格式下面四種：
（1）NC=wthcoef('d',C,L,N,P)
（2）NC=wthcoef('d',C,L,N)
（3）NC=wthcoef('a',C,L)
（4）NC=wthcoef('t',C,L,N,T,SORH)
函數wthcoef用於一維信號小波系數的閾值處理。
格式（1）返回小波分解結構[C,L]經向量N和P定義的壓縮率處理後的新的小波分解向量NC，[NC,L]構成一個新的小波分解結構。N包含被壓縮的細節向量，P是把較小系數置0的百分比信息的向量。N和P的長度必須相同，向量N必須滿足1<=N(i)<=length(L)-2。
格式（2）返回小波分解結構[C,L]經過向量N中指定的細節系數置0後的小波分解向量NC。
格式（3）返回小波分解結構[C,L]經過近似系數置0後的小波分解向量NC。
格式（4）返回小波分解結構[C,L]經過將向量N作閾值處理後的小波分解向量NC。如果SORH=』s『，則為軟閾值；如果SORH='h'則為硬閾值。N包含細節的尺度向量，T是N相對應的閾值向量。N和T的長度必須相等。

函數wpdencmp的調用格式有以下兩種：
（1）[XD,TREED,PERF0,PERFL2]=wpdencmp(X,SORH,N,'wname',CRIT,PAR,KEEPAPP)
（2）[XD,TREED,PERF0,PERFL2]=wpdencmp(TREE,SORH,CRIT,PAR,KEEPAPP)
函數wpdencmp用於使用小波包變換進行信號的壓縮或去噪。
格式（1）返回輸入信號X（一維或二維）的去噪或壓縮後的信號XD。輸出參數TREED是XD的最佳小波包分解樹；PERFL2和PERF0是恢復和壓縮L2的能量百分比。PERFL2=100*(X的小波包系數范數/X的小波包系數)^2；如果X是一維信號，小波wname是一個正交小波，則PERFL2=100*||XD||^2/||X||^2。SORH的取值為's'或'h'，表示的是軟閾值或硬閾值。
輸入參數N是小波包的分解層數，wname是包含小波名的字元串。函數使用由字元串CRIT定義的熵和閾值參數PAR實現最佳分解。如果KEEPAPP=1，則近似信號的小波系數不進行閾值量化；否則，進行閾值量化。
格式（2）與格式（1）的輸出參數相同，輸入選項也相同，只是它從信號的小波包分解樹TREE進行去噪或壓縮。

F. matlab小波閾值去噪

用自適應去噪很好，我隨意處理了一下，看看效果

G. 小波閾值去噪MATLAB

不知道怎麼改啊，我也在做小波去噪，是對信號進行處理，可是出來的結果不對

H. 用matlab中工具箱進行小波去噪步驟

matlab讀取excel文件比較方便，建議抄你把數據放到xls文件中保存，然後在matlab中用xlsread這個函數讀取出來。

讀取出的數據應該是一個一維數組了，用plot畫出圖的話，就是常見的曲線。

然後做小波分解：選用你覺得合適的小波基，例如haar，然後用這個小波基做小波分解，再把高頻部分去掉，然後用低頻部分還原，就得到了去噪後的信號。

其實你這個問題估計也可以用神經網路或者其它曲線擬合一類手段來解決。具體的情況要根據數據特徵來判斷。

以上。
專業路過的老狼

I. 小波去噪 matlab, 急急急！！！！！！！！！！！！！

降噪信號 = wden(原始信號,'rigrsure','s','one',4,'sym4');

J. 小波去噪matlab程序

哈哈！傻眼了吧，理論和實際不可兼得啊！對於你這個問題有如下建議：

1. 小波去噪的試驗，十個有九個都喜歡用正、餘弦函數，但由於小波函數的幾何特徵，其實不易得到滿意效果，你只能選擇線性強的小波基，即對稱性強並且光滑的小波，嘿嘿，貌似能做DWT的所有小波基中只有sym8的對稱性最強（參看http://..com/question/585223273699457565.html?from=pubpage&msgtype=2），這樣你將會得到其降噪效果好於其它小波基的謬論，實際應用中如果原始信號本身特徵就不規律對稱則有可能其它小波基的處理效果會好於sym8，這需要試錯的方法試驗，是你這個原始信號對稱的前提假設造成的，但不可認為sym8適合你這個特殊例子就得出結論，你這試驗只適合你的假設，其實並不適合所有情形，個人認為其實不具說服力和可比性。如同我家鑰匙開不了你家門，是不能得出我家鑰匙不如你家鑰匙的結論滴。

2. 當你的雜訊特徵與信號的特徵的頻率相近時，小波也無能為力，它不是神，也一樣分不出啥是雜訊，所以其一是可增加分解層數，你這個信號只有100個數，5層已經很高了，再增大也沒啥用了，可能會過多顯示小波基的特徵，造成扭曲失真（如果用SWT會好很多，但需要自己編制函數）；其二是參數SCAL可以改為伸縮的sln，而不是固定的one，這樣分解層數和SCAL都將起作用，你可以試著改改玩，效果還行。

   
   

   

   分解8層

   你可以試試只分解一層的狀況，頻率最低的幾處雜訊會保留下來哦！