matlab小波去噪工具箱6

㈠ 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。

㈡ 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。

㈢ 高分請教！小波去噪的matlab程序，在線等~~~~~~~~~~~

供參考：
lev=5;
[c,l]=wavedec(x,lev,wname);
sigma=wnoisest(c,l,1);
alpha=2;
thr1=wbmpen(c,l,sigma,alpha)
[thr2,nkeep]=wdcbm(c,l,alpha)
xd1=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);
subplot(411);plot(x);title('原始信號','fontsize',12);
subplot(412);plot(xd1);title('使用penalty閾值降噪後信號','fontsize',12);
subplot(413);plot(xd2);title('使用Birge-Massart閾值降噪後信號','fontsize',12);
subplot(414);plot(xd3);title('使用預設閾值降噪後信號','fontsize',12);

s=[-1.58 0.42 0.46 0.78 -0.49 0.59 -1.3 -1.42 -0.16 -1.47 -1.35 0.36 -0.44 -0.14 1 -0.5 -0.2 -0.06 -0.6 0.42 -1.52 0.51 0.76 -1.5 0.16 -1.29 -0.65 -1.48 0.6 -1.65 -0.55];
[C,L]=wavedec(s,1,'db3');
ca1=wrcoef('a',C,L,'db3',1);
x1=ca1 ;
[C,L]=wavedec(s,2,'db3');
ca2=wrcoef('a',C,L,'db3',2);
x2=ca2 ;
[C,L]=wavedec(s,3,'db3');
ca3=wrcoef('a',C,L,'db3',3);
x3=ca3 ;
[C,L]=wavedec(s,4,'db3');
ca4=wrcoef('a',C,L,'db3',4);
x4=ca4 ;
cg = wrcoef('a',C,L,'sym5',1);
x5=cg;
p=1:31;
subplot(6,1,1);plot(p,s);ylabel('s');
subplot(6,1,2);plot(p,x1);ylabel('ca1');
subplot(6,1,3);plot(p,x2);ylabel('ca2');
subplot(6,1,4);plot(p,x3);ylabel('ca3');
subplot(6,1,5);plot(p,x4);ylabel('ca4')
subplot(6,1,6);plot(p,x5);ylabel('ca5') %加入的重構，是不是你要的？

㈣ 怎樣在matlab中對曲線去除噪音

MATLAB有小波去噪的函數，直接調用就行，過程都自動完成。

㈤ 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

㈥ 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。

㈦ 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！

㈧ 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。

㈨ 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

㈩ 用matlab軟體怎麼進行小波分析

它自己有小波工具箱，wav開頭的，裡面有很多相關函數，一般直接用就是了。初學建議看幫助裡面小波工具箱的demo，可能更好理解。