❶ matlab中的小波工具箱怎麼用，希望能詳細介紹
將原始數據文件夾到裝有matlab的電腦
打開matlab軟體，進入軟體主界面
在軟體的左下方找到start按鈕，點擊選擇toolbox，然後選擇wavelet
進入wavemenu界面，選擇一維小波中的wavelet1-D並進入
5.將數據文件（.Mat格式）托到matlab軟體主界面的workspace
6.在wavemenu主界面中選擇file-load signal或者import from workspace—import signal
7.選擇要處理的信號，界面出現loaded信號，這就是沒有去噪前的原
始信號
8.右上角選擇用於小波分析的小波基以及分解層數並點擊analyse開始分析
9.分析後在左邊欄目中出現s，a*，d*，其中s為原信號，a*為近似信號，d*為細節信號
10.然後點擊denoise去噪
11.閾值方法常用的有4種fixed（固定閾值），rigorsure，heusure，minmax根據需要選擇，一般情況下rigorsure方式去噪效果較好
12.oft（軟閾值），hard（硬閾值）一般選擇軟閾值去噪後的信號較為平滑
13.在雜訊結構中選擇unscaled white noise，因為在工程應用中的雜訊一般不僅僅含有白雜訊
14.在雜訊結構下面的數值不要隨意改，這是系統默認的去噪幅度
15.點擊denoise開始正式去噪
16.在此窗口下點擊file-save denoised singal，保存輸出去噪後的信號
17.去噪結束
18.去噪結束後，把去噪後信號（.mat格式）拖至matlab主界面的workspace中，與原信號一起打包，以便以後計算統計量
19.Matlab編程計算相關統計量以及特徵量
20.得出統計量和特徵量後結束
❷ 信號去噪方法有那些
哪種信號啊？信號分老多種啦!
我對雷達較有研究給你我的論文看一下吧
常常借鑒地震資料處理的反褶積方法，將雷達記錄轉變為反射系數序列。然而由於地下介質的復雜性和各種雜訊的影響，常常反褶積對雜波與信號的分離並無改善；所以很多情況下應用效果並不理想。鑒於利用常規的探地雷達數據處理方法進行目標體資料分析，易受雜波干擾、波形混疊等等因素影響而導致應用解釋效果欠佳，因此對於探地雷達的數據處理方法仍有待於進一步深入研究。
在圖像和信號處理論域廣泛應用的小波變換，以及基於HHT變換的EMD分解等時頻分析方法，近年來在探地雷達數據處理中得到了重視。小波變換具有線性變換、多解析度分析、局部細化、可靈活選擇小波基等等優點，對瞬態非平穩信號或寬頻信號分析具有獨特之處，使得它非常適合於探地雷達脈沖信號的處理。而希爾伯特(換是提取信號瞬時參數的有效途徑，但它對信號的提取有條件要求；基於HHT變換的經驗模態分解，依據數據本身的信息進行分解，得到的固有模態函數信號是有限個且均滿足Hilbert變換對信號的提取條件，較之基於傳統的傅立葉變換的時頻分析方法，具有真正有意義的瞬時參數分析。
由於應用探地雷達的瞬時參數分析可以形成三個參數相互獨立的解釋剖面，從而比較全面的了解地下介質變化情況。但是瞬時參數易受雜訊影響，尤其是瞬時相位對雜訊干擾比較敏感。而城市環境中探地雷達探測信號干擾較多，同時由於工作條件的復雜多樣，有時直達波強度常常可與探測目標回波強度相比擬。由於直達波的消除不易，使得對目標的特徵識別、解釋以及空間定位比較困難。在進行處理時，雜波的移除是非常重要的部分。為此首先進行常規處理，主要是消除直達波強烈影響。簡單的做法是從實測的探地雷達記錄中直接消減直達波記錄；或者通過選擇合理的濾波參數，採用移動平均濾波器或中值濾波器消減直達波；
在此基礎上，採用小波變換方法對探地雷達數據進行降噪分析處理。從效果上講，以Donoho的閥值去噪方法最為突出。這里利用Mallat提出的多解析度分析的概念和正交小波快速演算法（Mallat演算法），假定雜訊信號廣泛分布在各個尺度且幅值相對較小，通過正交變換，將信號能量集中在某些頻帶的少數幅值相對較大系數上。為了數據處理方便，藉助Matlab提供的方便而強大的計算及可視化工具，利用Matlab的小波工具箱函數，只須應用簡單的信號處理知識和編程技能，就可以通過Matlab編程進行小波閥值估計，給予其它頻帶上的小波系數較小的權重或者置零，從而達到有效抑制雜訊的目的。總的來說，應用小波變換處理可以有效地消除各種雜訊干擾，從而更清楚有效地顯示目標層位。
通過上述數據處理過程，避免了在雜訊干擾情況下直接進行經驗模態分解較難獲得良好的分解效果的問題。由於希爾伯特－黃（HHT）變換具有一定的雜訊分解能力，不同尺度的雜訊被分離到不同的固有模態函數，使得雜訊對信號的影響減小，從而信號特徵的提取的有效性和信號分解的精度都有了提高。通過對經驗模態分解得到的IMF信號進行變換，獲得瞬時頻率、瞬時相位、瞬時振幅等瞬時參數，其中瞬時頻率可以較好的探測地下介質的形狀和性質的變化；瞬時相位可有效的探測地下介質的連續性並且與信號振幅無關，可以更好的分析深層信號特徵；瞬時振幅反映了信號能量的變化，可以推測地下介質性質的變化。
綜上所述，根據探地雷達信號的特點，通過試驗和研究，首先去除直達波等干擾，並利用小波變換具有良好的時頻分析特性進行信號去噪，再利用希爾伯特－黃（HHT）變換得到瞬時頻率、瞬時相位、瞬時振幅等瞬時參數，形成多個參數剖面，可以多角度多方面的分析探地雷達剖面並易於給出合理的地質解釋。因此，在探地雷達信號去噪基礎上，基於EMD分解的瞬時參數分析在探地雷達數據處理中具有很好的應用前景。
❸ 用小波分析法除去音頻信號的雜訊
小波變換及其應用是八十年代後期發展起來的應用數學分支，被稱為「Fourier分析方法的突破性進展[1]」。 1986年Meyer Y構造了一個真正的小波基，十多年間小波分析及其應用得到了迅速發展，原則上傳統的傅里葉分析可用小波分析方法取代[2],它能對幾乎所有的常見函數空間給出通過小波展開系數的簡單刻劃，也能用小波展開系數描述函數的局部光滑性質，特別是在信號分析中，由於它的局部分析性能優越，因而在數據壓縮與邊緣檢測等方面它比現有的手段更為有效[3-8]。 小波變換在圖像壓縮中的應用因它的高壓縮比和好的恢復圖像質量而引起了廣泛的注意，且出現了各種基於小波變換的圖像壓縮方案。
小波變換自1992年Bos M等[9]首先應用於流動注射信號的處理，至今雖才8年時間，但由於小波變換其優良的分析特性而迅速滲透至分析化學信號處理的各個領域。本文介紹了小波變換的基本原理及其在分析化學中的應用情況。
1 基本原理
設f(t)為色譜信號，其小波變換在L2(R)中可表示為：
其中a, b∈R,a≠0,參數a稱為尺度因子b為時移因子，而(Wf)(b, a)稱為小波變換系數，y(t)為基本小波。在實際分析化學信號檢測中其時間是有限長度，f(t)通常以離散數據來表達，所以要採用Mallat離散演算法進行數值計算，可用下式表示：
fj+1=θj + f j
其中:N為分解起始尺度;M為分解次數；fj和qj可由下式求得：
此處:Φj, m為尺度函數;Ψj, m 為小波函數;系數Cmj ,dmj可由下式表達：
hk-2m , gk-2m取決於小波母函數的選取。
用圖表示小波分解過程如下：
圖中fN 、fN-1....fN-m和θN-1、θN-2....θN-m分別稱為在尺度N上的低頻分量和高頻分量。上述分解過程的逆過程即是信號的重構過程。
2 分析化學中的應用
根據小波變換基本原理及其優良的多分辯分析特性，本文將小波變換在分析化學信號處理中的應用劃歸為以下三個方面：
2.1 信號的濾波
小波濾波方法目前在分析化學中應用主要是小波平滑和小波去噪兩種方法。小波平滑是將某一信號先經小波分解，將在時間域上的單一信號分解為一系列不同尺度上的小波系數(也稱不同頻率上的信號), 然後選定某一截斷尺度，使高於此尺度的小波系數全部為零，再重構信號，這樣就完成了一個低通小波濾波器的設計；而小波去噪，則是在小波分解基礎上選定一閾值，對所有尺度空間的小波系數進行比較，使小於此閾值的小波系數為零，然後重構信號[10]。
邵利民[11]等首次將小波變換應用於高效液相色譜信號的濾波，他們應用了Haar小波母函數，由三次小波分解後所得的低頻部分重構色譜信號，結果成功地去除了雜訊，明顯地提高了色譜信號的信噪比，而色譜峰位保持一致，此法提高了色譜的最低檢測量和色譜峰的計算精度。董雁適[12]等提出了基於色譜信號的小波自適應濾波演算法，使濾波與雜訊的頻帶分布，強度及信噪在頻帶上的交迭程度基本無關，具有較強的魯棒性。
在光譜信號濾噪中的應用，主要為紅外光譜和紫外光譜信號濾噪方面的應用，如Bjorn K A[13]等將小波變換用於紅外光譜信號的去噪，運用6種不同的小波濾噪方法(SURE，VISU，HYBRID，MINMAX，MAD和WP)對加噪後紅外光譜圖進行了去噪,針對加噪與不加噪的譜圖，對Fourier變換、移動平均濾波與小波濾波方法作了性能比較研究，結果認為Fourier變換、移動平均濾波等標准濾波方法在信噪比很低時濾噪性能與小波濾波方法差不多，但對於高信噪比的信號用小波濾噪方法(特別是HYBRID和VISU)則更有效 。閔順耕[14]等對近紅外漫反射光譜進行了小波變換濾波。顧文良[15]等對示波計時電信號進行了濾噪處理。王立世[16]等對電泳信號也做了小波平滑和去噪,都取得了滿意的效果。鄒小勇[17]等利用小波的時頻特性去除了階躍伏安信號中的噪音，並提出了樣條小波多重濾波分析方法，即將過濾後的高頻噪音信號當成原始信號進行濾波處理，使之對有用信號進行補償。鮑倫軍等[18]將樣條小波和傅里葉變換聯用技術應用於高噪音信號的處理。另外，程翼宇[19]等將紫外光譜信號的濾噪和主成分回歸法進行了有機的結合，提出了小波基主成分回歸(PCRW)方法，改善了主成分回歸演算法。
2.1 信號小波壓縮
信號經小波分解之後，噪音信號會在高頻部分出現，而對於有用的信號分量大部分在低頻部分出現，據此可以將高頻部分小波系數中低於某一閾值的系數去除，而對其餘系數重新編碼，只保留編碼後的小波系數，這樣可大大減少數據貯存量，達到信號壓縮的目的。
在近代分析化學中分析儀器的自動化水平在不斷提高，分析儀器所提供的數據量越來越大。尋找一種不丟失有效信息的數據壓縮方法，節省數據的貯存量，或降低與分析化學信息處理有關的一些演算法的處理量，已成為人們關心的問題。Chau F T等[20]用快速小波變換對模擬和實驗所得的紫外可見光譜數據進行了壓縮，討論了不同階數的Daubechies小波基、不同的分解次數及不同的閾值對壓縮結果的影響。Barclay V J和Bonner R F[10]對實驗光譜數據作了壓縮，壓縮率可達1/2~1/10,並指出在數據平滑和濾噪的同時，也能進行數據的壓縮是小波有別與其他濾波方法的一大特點。王洪等[21]用Daubechies二階正交小波基對聚乙烯紅外光譜進行了成功的壓縮，數據可壓縮至原來的1/5以下。邵學廣等[22]對一維核磁共振譜數據作了小波變換壓縮，分別對常用的Haar、Daubechies以及Symmlet小波基作了比較，其結果表明准對稱的Symmlet小波基對數據的復原效果最佳，而且在壓縮到64倍時，均方差仍然較小。章文軍等[23]提出了常用小波變換數據壓縮的三種方法，將緊支集小波和正交三次B-樣條小波壓縮4-苯乙基鄰苯二甲酸酐的紅外光譜數據進行了對比，計算表明正交三次B-樣條小波變換方法效果較好，而在全部保留模糊信號及只保留銳化信號中數值較大的系數時，壓縮比大而重建光譜數據與原始光譜數據間的均方差較小。邵學廣等[24]將小波數據壓縮與窗口因子分析相結合，在很大程度上克服了用窗口因子分析直接處理原始信號時人工尋找最佳窗口的困難，在壓縮比高達8:1的情況下，原始信號中的有用信息幾乎沒有丟失，窗口因子分析的解析時間大為縮短。Bos M等[25]用Daubechies小波對紅外光譜數據進行壓縮，壓縮後的數據作為人工神經網路演算法的輸入接點，從而提高了人工神經網路的訓練速度，預測的效果也比直接用光譜數據訓練的要好。
2.3 小波多尺度分析
在多尺度分析方面的應用主要是對化學電信號進行小波分解，使原來單一的時域信號分解為系列不同頻率尺度下的信號，然後對這些信號進行分析研究。
小波在色譜信號處理方面的應用，主要是對重疊色譜峰的解析。邵學廣[26-27]等對苯、甲苯、乙苯三元體系色譜重疊峰信號小波變換後的某些頻率段進行放大，然後重構色譜信號，使重疊色譜峰得到了分離，定量分析結果得到了良好的線性關系。此後邵學廣[28]等利用了譜峰提取法對植物激素重疊色譜峰作了定量計算，此法表明，利用小波變換從重疊色譜信號中提取的各組分的峰高與濃度之間仍然具有良好的線性關系。
重疊伏安峰的分辨是電分析化學中一個長期存在的難題。當溶液中存在兩種或更多的電活性物質，而這些物質的氧化(或還原)電位又很靠近時，就會不可避免地出現重疊峰的現象，而給進一步的定性、定量分析帶來了很大困難。因此，人們做了較多的工作去解決這一難題。數學方法是目前處理重疊峰的重要手段，如Fourier變換去卷積以及曲線擬合。曲線擬合通常用來獲得「定量」的信息，但這種方法有較多的人為因素，重疊峰包含的峰的個數，相對強度都是靠假設得來，因而可能引入嚴重的誤差；去卷積方法則是一種頻域分析手段，但該方法需先找出一個函數來描述伏安峰，然後再根據這個函數來確定去卷積函數，因此，去卷積函數的確定是比較麻煩的，尤其是對不可逆電極過程，無法找到一個合適的函數表達式，而且該方法還需經正、反Fourier變換，比較繁瑣費時, 而小波分析的出現成了電分析化學家關注的熱點。
陳潔等[29]用DOG小波函數處理差分脈沖實驗數據，通過選擇合適的伸縮因子，成功地延長了用DPV法測定Cu2+的線性范圍。鄭建斌等[30-31]將小波變換用於示波計時電位信號的處理，在有用信息提取、重疊峰分辨等方面進行了系統的研究。王洪等[32]將小波邊緣檢測的思想用於電位滴定終點的確定，找到了一種判斷終點准確的終點判斷方法。鄭小萍等[33]將樣條小波變換技術用於分辨重疊的伏安峰，以選定的分辨因子作用於樣條小波濾波器，構造了一個小波峰分辨器，用它來直接處理重疊的伏安峰，取得了較好的分離效果，被處理重疊峰可達到完全基線分離，且峰位置和峰面積的相對誤差均較小。
對於紅外光譜圖，目前也是通過對紅外譜圖進行小波分解，以提高紅外譜圖的分辯率。陳潔[34]等對輻射合成的丙烯醯胺、丙烯酸鈉共聚物水凝膠的紅外光譜信號經小波處理後，使其特徵吸收帶較好地得到分離，成功地提高了紅外光譜圖的解析度。謝啟桃[35]等對不同晶型聚丙烯紅外光譜圖作了小波變換，也得到了可用以區分聚丙烯a、b兩晶型的紅外光譜圖。
3 展望
小波變換由於其優良的局部分析能力，使其在分析化學信號的濾噪、數據壓縮和譜峰的分離方面得到了很好的應用。本人通過對小波變換在化學中應用的探索，認為對於分析化學中各種電信號的平滑、濾波還有待作更深入的研究，以設計出更為合理有效的小波濾波器，以消除由於平滑而導至的尖銳信號的峰高及峰面積的變化或由於去噪而帶來的尖銳信號附近的不應有的小峰的出現；對於重疊峰的分離及其定量計算，還應該探討如色譜峰基線的確定方法以及待分離頻率段的倍乘系數的確定方法；另外對於色譜峰的保留指數定性問題，由於不同化合物在某一確定的分析條件下有可能會出現保留值相同的情況，這將使在未知樣中加標準的峰高疊加法定性或外部標准物對照定性變得困難，我們是否可能對色譜峰進行小波分解，然後在不同的尺度上對其進行考察，以尋求色譜峰的小波定性方法，這可能是個可以進一步研究的問題。
小波變換將在分析化學領域得到更加廣泛的應用，特別對於分析化學中的多元定量分析法，如多元線性回歸法(MLR)，主成分回歸法(PCR)，偏最小二乘法(PLS)等方法及人工神經網路(ANN)將會同小波變換進行有機的結合，以消除各種雜訊干擾對定量分析的影響；或對相關數據進行壓縮以減少待分析數據的冗餘，提高分析精度和大大減少計算量提高分析速度。小波變換將會成為分析化學中定量和定性分析的一種非常重要的工具。
❹ matlab小波分析工具箱的使用方法 求詳細過程
將原始數據文件夾到裝有matlab的電腦
打開matlab軟體，進入軟體主界面
在軟體的左下方找到start按鈕，點擊選擇toolbox，然後選擇wavelet
進入wavemenu界面，選擇一維小波中的wavelet1-D並進入
5.將數據文件（.Mat格式）托到matlab軟體主界面的workspace
6.在wavemenu主界面中選擇file-load signal或者import from workspace—import signal
7.選擇要處理的信號，界面出現loaded信號，這就是沒有去噪前的原
始信號
8.右上角選擇用於小波分析的小波基以及分解層數並點擊analyse開始分析
9.分析後在左邊欄目中出現s，a*，d*，其中s為原信號，a*為近似信號，d*為細節信號
10.然後點擊denoise去噪
11.閾值方法常用的有4種fixed（固定閾值），rigorsure，heusure，minmax根據需要選擇，一般情況下rigorsure方式去噪效果較好
12.oft（軟閾值），hard（硬閾值）一般選擇軟閾值去噪後的信號較為平滑
13.在雜訊結構中選擇unscaled white noise，因為在工程應用中的雜訊一般不僅僅含有白雜訊
14.在雜訊結構下面的數值不要隨意改，這是系統默認的去噪幅度
15.點擊denoise開始正式去噪
16.在此窗口下點擊file-save denoised singal，保存輸出去噪後的信號
17.去噪結束
18.去噪結束後，把去噪後信號（.mat格式）拖至matlab主界面的workspace中，與原信號一起打包，以便以後計算統計量
19.Matlab編程計算相關統計量以及特徵量
20.得出統計量和特徵量後結束
❺ 小波圖像去噪的原理是什麼啊
圖像降噪的主要目的是在能夠有效地降低圖像雜訊的同時盡可能地保證圖像細節信息不受損失，。圖像去噪有根據圖像的特點、雜訊統計特性和頻率分布規律有多種方法，但它們的基本原理都是利用圖像的雜訊和信號在頻域的分布不同，即圖像信號主要集中在低頻部分而雜訊信號主要分布在高頻部分，採取不同的去噪方法。傳統的去噪方法，在去除雜訊的同時也會損害到信號信息，模糊了圖像。
小波變換主要是利用其特有的多解析度性、去相關性和選基靈活性特點，使得它在圖像去噪方面大有可為，清晰了圖像。經過小波變換後，在不同的解析度下呈現出不同規律，設定閾值門限，調整小波系數，就可以達到小波去噪的目的。
小波變換去噪的基本思路可以概括為：利用小波變換把含噪信號分解到多尺度中，小波變換多採用二進型，然後在每一尺度下把屬於雜訊的小波系數去除，保留並增強屬於信號的小波系數，最後重構出小波消噪後的信號。其中關鍵是用什麼准則來去除屬於雜訊的小波系數，增強屬於信號的部分。
❻ 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。
❼ 求助matlab中的小波工具包
打開matlab軟體，進入軟體主界面在軟體的左下方找到start按鈕，點擊選擇toolbox，然後選擇wavelet進入wavemenu界面，選擇一維小波中的wavelet1-D並進入 7.選擇要處理的信號，界面出現loaded信號，這就是沒有去噪前的原9.分析後在左邊欄目中出現s，a*，d*，其中s為原信號，a*為近似信號，d*為細節信號11.閾值方法常用的有4種fixed（固定閾值），rigorsure，heusure，minmax根據需要選擇，一般情況下rigorsure方式去噪效果較好12.oft（軟閾值），hard（硬閾值）一般選擇軟閾值去噪後的信號較為平滑13.在雜訊結構中選擇unscaled white noise，因為在工程應用中的雜訊一般不僅僅含有白雜訊14.在雜訊結構下面的數值不要隨意改，這是系統默認的去噪幅度16.在此窗口下點擊file-save denoised singal，保存輸出去噪後的信號18.去噪結束後，把去噪後信號（.mat格式）拖至matlab主界面的workspace中，與原信號一起打包，以便以後計算統計量不會用就查幫助文檔啊！waverec函數是不需要你自己加零延拓的，上面的代碼完全不知所謂，waverec函數的使用是要依賴wavedec函數得到的CL組構的，CL組構中存放小波系數的數組C本身就已經延拓了，而且你不知道它對數據延拓了多少，延拓的方式有多種根本不是你這樣直接加零就行的。我發現你很有才，經常提問和編出一些匪夷所思的問題和代碼，不恥下問的精神是好的，但我個人是很不提倡這種做法的，有時間在這打字提問，不如找幾本基礎參考書看看，不了解就查嗎，不明白就往明白搞嗎，但看你這些「新奇」的問題和代碼真很抓狂，自己對於這些基本問題都懶得琢磨，打著勤奮好學，不恥下問的幌子，太沒勁了！哦，看錯了，waverec函數是可以用上面的代碼的，我看成wrcoef函數了，wrcoef函數可以實現waverec、upwlev和upcoef三個函數的功能之和，所以比waverec函數應用簡單，不需要你將其他分量置零，用它實現小波工具箱功能最方便。
❽ 小波變換後的圖像如何去噪
小波變換去噪的基本思路可以概括為：利用小波變換把含噪信號分解到多尺度中，小波變換多採用二進型，然後在每一尺度下把屬於雜訊的小波系數去除，保留並增強屬於信號的小波系數，最後重構出小波消噪後的信號。其中關鍵是用什麼准則來去除屬於雜訊的小波系數，增強屬於信號的部分。
❾ 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。版
讀取出的數據應該是一權個一維數組了，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
❿ 小波去噪中效果的好壞問題
有可能是你所用的信號適合硬閾值的處理。小波處理結果的好壞，無論是去噪還是其它應用，都與信號本身的特徵和小波基有關，沒有一定之規，切不可完全相信文獻的結論，那是為了好而好的，有些可能不真實，但它也不會寫出來的。