㈠ matlab小波分析工具箱的使用方法 求详细过程
将原始数据文件夹到装有matlab的电脑
打开matlab软件，进入软件主界面
在软件的左下方找到start按钮，点击选择toolbox，然后选择wavelet
进入wavemenu界面，选择一维小波中的wavelet1-D并进入
5.将数据文件（.Mat格式）托到matlab软件主界面的workspace
6.在wavemenu主界面中选择file-load signal或者import from workspace—import signal
7.选择要处理的信号，界面出现loaded信号，这就是没有去噪前的原
始信号
8.右上角选择用于小波分析的小波基以及分解层数并点击analyse开始分析
9.分析后在左边栏目中出现s，a*，d*，其中s为原信号，a*为近似信号，d*为细节信号
10.然后点击denoise去噪
11.阈值方法常用的有4种fixed（固定阈值），rigorsure，heusure，minmax根据需要选择，一般情况下rigorsure方式去噪效果较好
12.oft（软阈值），hard（硬阈值）一般选择软阈值去噪后的信号较为平滑
13.在噪声结构中选择unscaled white noise，因为在工程应用中的噪声一般不仅仅含有白噪声
14.在噪声结构下面的数值不要随意改，这是系统默认的去噪幅度
15.点击denoise开始正式去噪
16.在此窗口下点击file-save denoised singal，保存输出去噪后的信号
17.去噪结束
18.去噪结束后，把去噪后信号（.mat格式）拖至matlab主界面的workspace中，与原信号一起打包，以便以后计算统计量
19.Matlab编程计算相关统计量以及特征量
20.得出统计量和特征量后结束
㈡ 小波分析在层序地层划分中的应用
1.小波分析简介
20世纪80年代后期至今，一种著名的、在各行各业有重要应用价值的数学理论和方法技术在科学技术界得到了广泛的重视和采用，它就是被誉为“数学显微镜”的小波分析(李世雄，1994)。小波分析的主要功能和特点是，它具有多分辨分析或多尺度分析功能，可以把信号分解成各种不同的尺度成分;它具有很强的局部分析功能，同时具有时间(或空间)域和频率域的局部分析性质，它可自动地通过伸缩、平移聚焦到信号的任一细节对其加以分析(侯遵泽，1998)
(1)小波分析基本原理。小波(wavelet)，即小区域的波，是一种特殊的长度有限、平均值为0的波形。它有两个特点:一是“小”，即在时域都具有紧支集或近似紧支集;二是正负交替的波动性。如果用小波和构成傅里叶分析基础的正弦波做比较的话，傅里叶分析所用的正弦波在时间上没有限制，从负无穷到正无穷，但小波则倾向于不规则与不对称。
傅里叶分析是把信号分解到一组相互正交的正弦波上的，也就是基函数，我们可以把基函数看成是度量信号某些特征的一把“尺子”，傅里叶分析度量的就是信号的频谱特征，但是如果这把“尺子”过于规则，有时候就不能十分精确地表达信号蕴含的信息，而在小波分析中，“尺子”换成了规则程度更低的小波函数，从而可以更加有效地表达信号中信息的成分。
小波变换对不同频率在时域上的取样步长是调节性的，即在低频时小波变换的时间分辨率较差，而频率分辨率较高;在高频时小波变换的时间分辨率较高，而频率分辨率较低(图2－13)，这正符合低频信号变化缓慢而高频信号变化迅速的特点(胡昌华，1999)。这就构成了利用小波变换进行信号分析的基础。
图2－13 数字信号的小波变换
(2)一维连续小波变换。小波变换实际上是求取信号在各小波函数上的投影值。每个小波函数均由一个母小波函数经过尺度伸缩与时间平移得来的。信号分析的一般思路就是分解与组合，寻找一组最能代表信号特征的函数形式，将信号用这些量来逼近，或者写成这些量的线性组合的形式。
小波分析的思想来源于伸缩和平移方法:对波形的尺度伸缩就是在时间轴上对信号进行压缩与伸展，而时间平移就是指小波函数在时间轴上的波形平行移动。
(3)离散小波变换。由于连续小波变换的伸缩和平移系数是相互独立的，所以通过伸缩和平移得到的各个小波函数之间有一定的相似性，但由于这两个系数之间的独立，就引入了信息的冗余。在分辨率一定的情况下，描述了多余的信息，使得反映信号特征的一些参数相互重叠，给我们的分析带来不便，但这些特点可以用在本身就有自相似性的信号上，可以让我们更清楚地看到信号自身的自相似性。
此外，由于冗余信息的存在，也使得小波逆变换的重构过程不唯一，也就是说，由同一母小波生成的不同的小波变换函数可能重构成同一个信号。为了减少冗余信息，就引入了离散小波变换的概念，其中的伸缩和平移系数是可数的，重构过程用求和的形式给出。如果伸缩和平移系数满足一定的对应关系，则称为二进小波变换(尺度以2的幂的形式给出)。离散小波变换主要是建立在二进制小波变换的基础上的。
测井曲线数据也恰好是离散数据，符合离散变换的要求。在利用小波分析进行层序地层划分时，主要是对测井曲线进行多尺度分解，得到不同尺度下的小波变换图，利用其表现出来的特征来划分不同级次的层序。
2.利用小波分析进行层序地层划分
利用小波分析方法是层序地层划分方法上的一种新的尝试，其目的是尽量减少层序划分过程中的主观因素，依靠地层自身表现出来的客观特征来识别层序、准层序组以及准层序。在我们研究的沉积岩地层中，沉积物的特征可以反映沉积时水体的特征。随着沉积水深的变化，沉积物中多种特征都会相应的发生变化，如放射性物质含量、有机质含量或其他微量元素的含量等，这种变化就会在相应的测井曲线上反映出来。而沉积水深变化受到了多种因素的影响，有长期和短期的旋回，是多个不同周期旋回的叠加，因此测井曲线应该是沉积地层中某种随水深变化的特征的多种频率变化的响应的叠加。也就是说，测井曲线中包含着沉积水深不同周期变化的信息，是多个沉积水深变化周期相互叠加的响应。而小波分析能够将信号分解为不同频率不同周期的旋回，因此，小波分析的特点恰好可以和测井曲线的特点相对应，利用小波分析的方法可以比较准确地将测井曲线中相互叠加的反映水深变化的不同周期的信息分别识别出来，识别出的这些信息就可以用来进行沉积旋回的划分。
同时，小波分析方法还可以帮助解决传统研究方法所不能解决的一些难题，如大段单一岩性地层中的沉积旋回识别。大段单一岩性尤其是大段泥岩、页岩，并不是一个小的沉积旋回里沉积的产物，相反，应是一个相当长时期沉积下来的，但是通过传统的岩性划分方法却很难将其划分开，这就给准层序甚至准层序组的划分造成了困难。小波分析方法可以较好地解决这一问题，利用这种方法可以从测井曲线的细微变化中识别沉积间断和沉积旋回。
(1)测井曲线的选择。不同的曲线具有不同的地质含义，进行相同的变换可能会得到不同的结果。但在研究中通过对GR、AC、COND、电阻率等多条曲线进行小波变换后对比发现，不同测井曲线所得出的变换结果尽管形态上不完全一样，但在旋回的划分上却比较一致(图2－14)。图中曲线a是COND测井曲线经过db5小波变换后的结果，曲线b是同一井段AC曲线变换后的结果。出现这个结果是由于虽然不同的曲线代表着不同的地层响应，会呈现出不同的特征，但地层中各种参数的变化主要受沉积环境的影响，会随着沉积环境的旋回变化呈现出基本一致的旋回特征。这也从一个方面反映了小波变换在沉积旋回划分中的客观性。因此，可以选择目标井的测量精度较高、质量较好的曲线来进行小波变换，进而进行沉积旋回的划分。
图2－14 对COND和AC曲线进行小波变换结果对比
(2)小波的选择。同傅里叶分析不同，小波分析的基(小波函数)不是唯一存在的，所有满足小波条件的函数都可以作为小波函数，那么小波函数的选取就成了十分重要的问题，实际选取小波的标准主要有以下三种。
1)自相似性原则:对二进小波变换(因为在正交小波变换中，取样的方式就是按照小波函数取样的，所以不存在这个问题)，如果选择的小波对信号有一定相似性，则变换后的能量就比较集中，可以有效减少计算量。
2)判别函数:针对某类问题，找出一些关键性的技术指标，得到一个判别函数，将各种小波函数代入其中，得到一个最优原则。
3)支集长度:大部分应用选支集长度在5～9之间的小波。因为支集太长会产生边界问题，支集太短不利于信号能量的集中。
但在实际应用中，因为大部分信号的信息量太大，很难找到相应的模式，因此主要是依靠经验来选取。根据前人研究经验及作者对不同函数所做结果的对比，本书采用的是Daubechies小波，阶数为5。
Daubechies小波是由著名小波学者Ingrid Daubechies所创造，她发明的紧支集正交小波是小波领域的里程碑，使得小波的研究由理论转到可行。这一系列的小波简写成dbN，其中N表示阶数。
(3)工作流程。测井曲线能比较准确地反映井旁地层的电性、物性等特征，但往往会受到测井仪器、钻井泥浆等其他非地层因素的干扰，且不同频率的旋回相互叠加，对正确识别和划分沉积旋回造成一定的影响。小波分析能真正消除干扰信号，放大真实信息，按不同频率反映出测井曲线中包含的真正旋回特征，以此划分不同级别层序单元，同时还可以在划分高精度沉积旋回的基础上，与Fischer图解相结合划分出体系域。
MATLAB软件的小波分析工具箱是一种比较常用的工具。MATLAB是Math works公司于1982年推出的一套高性能的数值计算和可视化软件。MATLAB的推出得到了广大专家学者的广泛关注，其强大的扩展功能为各个领域的应用提供了基础。各个领域的专家学者相继推出了MATLAB工具箱，包括信号处理、神经网络、图像处理、小波分析等。其中小波分析工具箱可以满足对测井曲线进行小波变换的需要。
图2－15 小波分析流程图
在对测井曲线进行小波变换时，首先需要对所研究层段的顶底界面进行准确的标定，然后将需要变换的该深度段的测井曲线数值建立单独的文本文件作为原始文件。将原始文件导入后保存成.m格式的信号文件。选择MATLAB软件的wavelet(小波分析)工具箱进行离散一维小波变换，小波类型选择db，阶数为5，最大级数定为12，将上述参数选好后进行分析，即可得到一组12条不同级次的db5小波变换曲线(图2－15)。此外对其进行连续一维小波变换，可以得到小波的频谱分析图，选择合适的最大显示值，根据频谱图上图形的闭合方向可以区分出层序的界面和层序单元(图2－6，图2－7)。
(4)单井分析实例。牛100井位于牛庄洼陷西部，地层以砂泥岩互层为主，岩性变化较快(图2－16)。利用小波分析方法对AC、R25两条测井曲线进行了一维连续小波变换，分别得到其小波变换谱系图，对AC曲线进行了一维离散变换，得到不同阶数的小波，根据与地震、测井及录井岩性资料的对比，选用d11，d9，d7三个层的小波变换曲线分别进行层序、准层序组和准层序的划分。
将传统划分方法所得的结果与小波分析方法所得结果进行对比可以比较明显的看出，在层序和准层序组的划分上两种方法划分的层序单元基本一致，可以相互验证。在准层序级别上的划分，小波分析方法的优势就比较明显地体现了出来，划分的旋回数较多，精度也有提高。这也正是小波分析作为“数学显微镜”的特点所决定的。
从图2－16中小波分析得到的d11曲线可以看出，这一段地层可以划分为两个大的旋回，对应两个层序，谱系图上的特征也比较明显。其中每个大的旋回又可以分为三个次一级的旋回，在d9及谱系图上可以找到相关界面，相当于每个层序划分出三个准层序组，每个准层序组在测井曲线及录井资料上也有较明显的反旋回特征。在进行准层组的划分时，小波分析方法可以划分出肉眼不易识别的旋回，从而提高了划分精度。整段地层一共可以划分为21个准层序，代表不同的沉积旋回。其旋回特征在d7曲线上有较好体现，从谱系图上也可以找到各界面的标志。从测井曲线和岩性上看，基本上每一个准层序都是一个反旋回，代表着一期的水体变换，这也完全符合层序地层学的基本原理。
图2－16 牛100井小波分析资料的层序地层划分
王62井位于牛庄洼陷东部，与牛100井相比，划分出的各层序单元的厚度发生了明显的变化，但数目基本一致，这也证明了小波分析划分层序地层的结果是比较可靠的。通过对AC曲线的小波变换得到AC曲线的小波变换谱系图和小波变换曲线，如图2－17所示。从谱系图和d11曲线上可以将整段地层划分为两个大的旋回，分别对应层序Ⅲ和层序Ⅳ。其中每个层序又可以划分为3个准层序组，在d9曲线上可以看到相应的旋回出现，谱系图上可以找到界面的标志(图2－17)。王62井这一段地层一共可以划分成20个准层序，缺失第一个准层序。各准层序在岩石类型、颜色和测井曲线上基本上可以看出反旋回特征，符合层序地层划分方法。
通过牛100井、王62井的划分可以看出，小波分析方法在砂泥岩互层的地层中有较好的应用效果，可以提高层序划分的精度和准确性。在层序划分中有比较好的可重复性，使得全区的划分结果比较客观和统一，减少了人为因素造成的干扰。
㈢ matlab中小波分析工具箱中wrcoef和waverec的区别是什么
这两个函复数是与wavedec这个函数制紧密相连的。
wavedec就是小波分解，将一个信号分解成指定层数n，并返回各层的小波系数。
waverec——它的作用与wavedec相反，即将给定的小波系数一次性完全重建出信号。
wrcoef——这个也是输入小波系数，重建信号。但是它与上面有些区别，区别在于它重建的是原信号在指定层次的，高频或者低频分量。也就是说，这个信号不是原本的信号，而且某个层次上的逼近。
㈣ 一张小波分析图谱，有大神能给解释一下么
左边的是5阶的DWT的细节系数图，右边是尺度1－127的CWT系数图。5阶DWT对应于尺度32的CWT，只是DWT使用了mallat算法，分为细节和逼近系数，数据量减半。这两张图都是用各自小波系数的绝对值着色的，左边的DWT在着色前还进行了量化编码。颜色深的小波系数绝对值大，跟阶次（level ）没啥关系，关键你好像不熟悉小波的理论，这种图的解读就很费劲，你要稍微熟悉一些小波的应用，就知道通常在实际应用中不会用这种图来研究问题，这图就是显示着好玩的，做个PPT，糊弄一下外行。研究通常都是在剖面上进行的，你可以用小波的工具箱，那里的图除了你这种平面图，主要都是剖面上的，两个对照才容易解读。
㈤ MATLAB小波变换提取低频分量程序
[cA,cH,cV,cD] = dwt2(X,'wname')二维离散小波变换，X是原始信息，wname是选取的小波基，cA是低频分量。
[A,H,V,D] = swt2(X,N,'wname')二维离散静态小波变换。A是低频信息。
可参考：董长虹.Matlab小波分析工具箱原理与应用
也可以在Matlab的help中查找，或直接输入help dwt
㈥ 现在开始学习小波，需要什么基础，推荐下哪些书比较好吧
小波分析在现代信号分析中的应用越来越广泛，国内所出书有限，推荐几本如下
1 《信号处理的小波导引》 法 mallat著 机械工业出版社 中译本 本书属于小波应用之集大成者，经典之作。但是由于太深奥，不适合初学者阅读。
2 《Ten lectures on wavelets Daubechies》 据说特别经典，没有见到过
3《小波分析导论》 (美)崔锦泰著 西安交通大学出版社 中译本市面上见到最多的小波理论书籍
4《小波变换及其应用》 李世雄编 高等教育出版社 应该说是对入门者最有用的一本书，特别薄，但对重要定理的推导很详细，由老师重点推介。
5《小波变换及其MATLAB工具的应用》没有理论推导，只是列出公式对MATLAB工具箱的讲解很好
6《MATLAB小波分析》张德丰著 机械工业出版社 推荐
7《MATLAB小波分析高级技术》周伟主编 西安电子科技大学出版社
8《基于MATLAB6.X的系统分析与设计—小波分析》胡昌华等著 西安电子科技大学出版社 推荐
9《Matlab小波分析工具箱原理与应用》董长虹主编 国防工业出版社 推荐
㈦ 利用小波分解后，频率计算问题
小波变换并不是纯频域的变换，它无法完全脱离时空域，所以小波的应用的多数领域并不十分关注实际的频率值，而且小波的有些概念并不适合以前纯频域的概念，它更多关注分析信号的特征，说白了就是信号本身的样子，也就是其几何波形特征。这也就是在matlab中使用小波工具箱分析信号时，你看到很少使用频域的单位－HZ的主要原因，所有的例程都只标出采样点的个数，因为它不知道信号所代表的时间长度，但这并不影响小波变换的计算。
如果你非要计算其重构信号的频段，让小波分析与纯频域挂钩，那么十分简单，这一切的原理都来自于信号处理的终极基础原理－采样定理，然后让我们来做除法游戏吧。要计算每一阶重构信号的频段，主要由信号的时空长度（整个信号经历的时间和空间长度）和采样的点数确定。
这里有两点需注意1.DWT小波分解的各阶细节和近似重构后的实际时空长度和原始信号是相同的，例如原始信号经历的时间是1秒，那么分解重构后的各阶细节和近似它们代表的时间也是1秒。2.各阶分解的不同就是分解的小波系数的个数不同，由于通常的DWT都使用二进小波变换，所以通常每一高阶分解的小波系数个数都约是每一低阶的一半，重构时都再插值到原始信号的采样点数。所以由各阶重构时空长度不变和小波系数的个数随阶次增大而以2的幂次减少可以分析得出，每一高阶重构信号的最大频率应是其相邻低阶重构信号最大频率的一半。对于小波重构的细节，其分解有些是通过带通滤波器实现的，其信号波长（频率）将是是一个范围，最大值是该阶细节的最大频率，其最小值由于使用二进小波变换的原理是其最大频率的一半。对于小波重构的逼近，其频率应是小于一个值，这个值是该阶细节的最小频率。
下面来举一个例子。 一个原始信号，经历的时间长度为2秒，采样了2000个点，那么做除法，可得出采样频率为1000hz，由采样定理（做除法）得该信号的最大频率为500hz，那么对该信号做3阶的DWT，一阶细节的频段为250－500hz，一阶逼近的频段为小于250hz，二阶细节的频段为125－250hz，逼近的频段为小于125hz，三阶细节的频段约为62.5－125hz，逼近的频段为小于62.5hz。对于更多阶的分解也是以此类推的。
还有几点补充，以上方法是由采样定理和二进小波变换的原理得出的，都是用2做除法得出，这是许多文献的通常做法，但实际matlab在DWT时并不能做到每一阶都精确的减半，关于这个问题可以参看http://..com/question/744136556371648892.html?oldq=1 ，但影响并不大，尽可放心使用。另外要计算重构信号的频率值，那与你所用的小波基的中心频率有关，只有使用FFT了。还有信号最多能分解几阶要考虑wmaxlev函数的要求。
㈧ 哪位大虾知道labview中，小波分析工具包的具体内容的讲解
小波分析来是数学中很高深源的一门学问，数学理论部分了解下就好，不要深究，除非你学数学的。
如果你只是想要使用这个工具的话，建议到NI官方网站下载PDF帮助文件，或网络搜“advanced signal processing toolkit wavelet analysis tool user manual”，非常推荐看这本书。还可以打开find example找wavelet那一块的例子，按例子学习。
http://wenku..com/view/78fb6eeeaeaad1f346933f2d.html
这个就是
㈨ 小波变换的疑惑
小波分析在现代信号分析中的应用越来越广泛，国内所出书有限，推荐几本如下
1 《信号处理的小波导引》 法 mallat著 机械工业出版社 中译本 本书属于小波应用之集大成者，经典之作。但是由于太深奥，不适合初学者阅读。
2 《Ten lectures on wavelets Daubechies》 据说特别经典，没有见到过
3《小波分析导论》 (美)崔锦泰著 西安交通大学出版社 中译本市面上见到最多的小波理论书籍
4《小波变换及其应用》 李世雄编 高等教育出版社 应该说是对入门者最有用的一本书，特别薄，但对重要定理的推导很详细，由老师重点推介。
5《小波变换及其MATLAB工具的应用》没有理论推导，只是列出公式对MATLAB工具箱的讲解很好
6《MATLAB小波分析》张德丰著 机械工业出版社 推荐
7《MATLAB小波分析高级技术》周伟主编 西安电子科技大学出版社
8《基于MATLAB6.X的系统分析与设计—小波分析》胡昌华等著 西安电子科技大学出版社 推荐
9《Matlab小波分析工具箱原理与应用》董长虹主编 国防工业出版社 推荐
建议小波初学者：先了解小波的基本概念，然后针对自己所用的领域看跟自己领域相关的书籍或者硕士、博士论文。没有你想象的那么困难。理论终归是理论，你可以大概推导一下，知道其中的原理就行。记住小波分解就是向下采样，小波重构就是向上插零。你所学的这些基础知识已经够用了。看到不懂的地方再深入研究学习吧。祝你好运。不知回答满意否？
㈩ matlab中的小波工具箱怎么用，希望能详细介绍
将原始数据文件夹到装有matlab的电脑
打开matlab软件，进入软件主界面
在软件的左下方找到start按钮，点击选择toolbox，然后选择wavelet
进入wavemenu界面，选择一维小波中的wavelet1-D并进入
5.将数据文件（.Mat格式）托到matlab软件主界面的workspace
6.在wavemenu主界面中选择file-load signal或者import from workspace—import signal
7.选择要处理的信号，界面出现loaded信号，这就是没有去噪前的原
始信号
8.右上角选择用于小波分析的小波基以及分解层数并点击analyse开始分析
9.分析后在左边栏目中出现s，a*，d*，其中s为原信号，a*为近似信号，d*为细节信号
10.然后点击denoise去噪
11.阈值方法常用的有4种fixed（固定阈值），rigorsure，heusure，minmax根据需要选择，一般情况下rigorsure方式去噪效果较好
12.oft（软阈值），hard（硬阈值）一般选择软阈值去噪后的信号较为平滑
13.在噪声结构中选择unscaled white noise，因为在工程应用中的噪声一般不仅仅含有白噪声
14.在噪声结构下面的数值不要随意改，这是系统默认的去噪幅度
15.点击denoise开始正式去噪
16.在此窗口下点击file-save denoised singal，保存输出去噪后的信号
17.去噪结束
18.去噪结束后，把去噪后信号（.mat格式）拖至matlab主界面的workspace中，与原信号一起打包，以便以后计算统计量
19.Matlab编程计算相关统计量以及特征量
20.得出统计量和特征量后结束