『壹』 MATLAB 小波包分解与重构
我想问你可以给我小波包分解的程序参考一下吗？我也在做这部分，相信你已经完成了，帮我个忙，谢了！
『贰』 怎么用matlab实现小波变换急！！！
Allnodes 计算树结点
appcoef 提取一维小波变换低频系数
appcoef2 提取二维小波分解低频系数
bestlevt 计算完整最佳小波包树
besttree 计算最佳(优)树
biorfill 双正交样条小波滤波器组
biorwavf 双正交样条小波滤波器
centfrq 求小波中心频率
cgauwavf Complex Gaussian小波
cmorwavf coiflets小波滤波器
cwt 一维连续小波变换
dbaux Daubechies小波滤波器计算
dbwavf Daubechies小波滤波器 dbwavf(W) W='dbN' N=1,2,3,...,50
ddencmp 获取默认值阈值(软或硬)熵标准
depo2ind 将深度-位置结点形式转化成索引结点形式
detcoef 提取一维小波变换高频系数
detcoef2 提取二维小波分解高频系数
disp 显示文本或矩阵
drawtree 画小波包分解树(GUI)
dtree 构造DTREE类
dwt 单尺度一维离散小波变换
dwt2 单尺度二维离散小波变换
dwtmode 离散小波变换拓展模式
dyaddown 二元取样
dyap 二元插值
entrupd 更新小波包的熵值
fbspwavf B样条小波
gauswavf Gaussian小波
get 获取对象属性值
idwt 单尺度一维离散小波逆变换
idwt2 单尺度二维离散小波逆变换
ind2depo 将索引结点形式转化成深度—位置结点形式
intwave 积分小波数
isnode 判断结点是否存在
函数指 含义
istnode 判断结点是否是终结点并返回排列值
iswt 一维逆SWT(Stationary Wavelet Transform)变换
iswt2 二维逆SWT变换
leaves
mexihat 墨西哥帽小波
meyer Meyer小波
meyeraux Meyer小波辅助函数
morlet Morlet小波
nodease 计算上溯结点
nodedesc 计算下溯结点(子结点)
nodejoin 重组结点
nodepar 寻找父结点
nodesplt 分割(分解)结点
noleaves
ntnode
ntree
orthfill 正交小波滤波器组
plot 绘制向量或矩阵的图形
qmf 镜像二次滤波器
rbiowavf
read 读取二进制数据
readtree 读取小波包分解树
scal2frq
set
shanwavf
swt 一维SWT(Stationary Wavelet Transform)变换
swt2 二维SWT变换
symaux
symwavf Symlets小波滤波器
thselect 信号消噪的阈值选择
thodes
treedpth 求树的深度
treeord 求树结构的叉数
函数指令 含义
upcoef 一维小波分解系数的直接重构
upcoef2 二维小波分解系数的直接重构
upwlev 单尺度一维小波分解的重构
upwlev2 单尺度二维小波分解的重构
wavedec 单尺度一维小波分解
wavedec2 多尺度二维小波分解
wavedemo 小波工具箱函数demo
wavefun 小波函数和尺度函数
wavefun2 二维小波函数和尺度函数
wavemenu 小波工具箱函数menu图形界面调用函数
wavemngr 小波管理函数
waverec 多尺度一维小波重构
waverec2 多尺度二维小波重构
wbmpen
wcodemat 对矩阵进行量化编码
wdcbm
wdcbm2
wden 用小波进行一维信号的消噪或压缩
wdencmp
wentropy 计算小波包的熵
wextend
wfilters 小波滤波器
wkeep 提取向量或矩阵中的一部分
wmaxlev 计算小波分解的最大尺度
wnoise 产生含噪声的测试函数数据
wnoisest 估计一维小波的系数的标准偏差
wp2wtree 从小波包树中提取小波树
spbmpen
wpcoef 计算小波包系数
wpcutree 剪切小波包分解树
wpdec 一维小波包的分解
wpdec2 二维小波包的分解
wpdencmp 用小波包进行信号的消噪或压缩
wpfun 小波包函数
wpjoin
wprcoef 小波包分解系数的重构
wprec 一维小波包分解的重构
wprec2 二维小波包分解的重构
wpsplt 分割（分解）小波包
wpthcoef 进行小波包分解系数的阈值处理
wptree
wpviewcf
wrcoef 对一维小波系数进行单支重构
wrcoef2 对二维小波系数进行单支重构
wrev 向量逆序
write 向缓冲区内存写进数据
wtbo
wthcoef 一维信号的小波系数阈值处理
wthcoef2 二维信号的小波系数阈值处理
wthresh 进行软阈值或硬阈值处理
wthrmngr 阈值设置管理
wtreemgr 管理树结构
wvarchg
『叁』 我想对一个0-32Hz频率范围的信号进行3层小波包分解，并看第3层中子波的频率范围，可是对应不上，求帮忙
楼主这样滤波估计得不到0-32Hz的频率，应该引入了很多高频噪声。
『肆』 matlab中怎样实现多层小波重构
（1）程序所用的小波函数只有非标准的Haar小波，其滤波器组为 Lo_D=[1/2 1/2], Hi_D=[-1/2 1/2]，是固化在 mydwt2.m 的程序中的，不能选择其他的小波函数；
（2）非标准的Haar小波，其分解出来的系数矩阵中，高频系数的细节内容（轮廓、边缘等特征）不明显；
（3）函数 mydwt2 中列变换的矩阵对象为输入矩阵，这是错误的，其矩阵对象应该是行变换后的缓存矩阵；
（4）函数 mydwt2 的输出用[LL,HL,LH,HH]表示，不是很规范，应改为[cA,cV,cH,cD]来表示，即一级小波变换输出的系数矩阵有4个部分：平均部分、垂直细节部分、水平细节部分和对角线细节部分。
（5）函数 mywavedec2 的输出 y 是与输入矩阵 x 相同大小的矩阵，并且已将N级分解后所有的平均、细节系数组合成一体的。实际上，这种定义只对Haar小波有效。
（6）原程序中要调用 modmat 函数对图像矩阵进行修剪，使之能被 2 的 N 次方整除，主要是为了生成塔式结构图像而设的，对上述问题修正后，这个 modmat 函数已不需使用了。
针对上述问题，我对程序作了修正，发布在今天的3篇文章里，请大家点击查看。新修正的程序更为简洁易懂，功能也有所增强，可以用任意的小波函数进行小波分解，可根据小波分解系数矩阵重构出指定分解级的低频系数和原始图像。
（原）自己动手编写小波信号分解与重构的Matlab程序
下面，我把自己编写的小波一维、二维信号分解和重构Matlab程序共享出来，也希望有朋友共享自编的程序，共同学习，提高程序的效率和简洁性。
1、《小波图像分解与重构程序存在的问题与解决办法》
首先要说明的一点是，虽然是自己编写Matlab程序，但并不是说一点也不用Matlab的自带函数。我们要编写的是实现小波变换的主要功能函数，而绘图等基本功能还是要用到Matlab函数的。而且，根据小波变换的滤波器组原理，原始信号要通过低通、高通滤波器处理，这里就涉及到卷积这一运算步骤。卷积——FFT算法的实现，相信很多朋友都能用Matlab、C语言等来实现，不过与Matlab自带的用机器语言编写的FFT程序相比，运算速度一般会慢几倍、几十倍。所以，我的程序里边涉及卷积的就直接调用Matlab的conv()函数了。
我们知道，小波变换的一级分解过程是，原始信号分别进行低通、高通滤波，再分别进行二元下抽样，就得到低频、高频（也称为平均、细节）两部分系数；而多级分解则是对上一级分解得到的低频系数再进行小波分解，是一个递归过程。以下是一维小波分解的程序：
function [cA,cD] = mydwt(x,lpd,hpd,dim);
% 函数 [cA,cD]=MYDWT(X,LPD,HPD,DIM) 对输入序列x进行一维离散小波分解，输出分解序列[cA,cD]
% 输入参数：x——输入序列；
% lpd——低通滤波器；
% hpd——高通滤波器；
% dim——小波分解级数。
% 输出参数：cA——平均部分的小波分解系数；
% cD——细节部分的小波分解系数。
cA=x; % 初始化cA，cD
cD=[];
for i=1:dim
cvl=conv(cA,lpd); % 低通滤波，为了提高运行速度，调用MATLAB提供的卷积函数conv()
dnl=downspl(cvl); % 通过下抽样求出平均部分的分解系数
cvh=conv(cA,hpd); % 高通滤波
dnh=downspl(cvh); % 通过下抽样求出本层分解后的细节部分系数
cA=dnl; % 下抽样后的平均部分系数进入下一层分解
cD=[cD,dnh]; % 将本层分解所得的细节部分系数存入序列cD
end
function y=downspl(x);
% 函数 Y=DOWMSPL(X) 对输入序列进行下抽样，输出序列 Y。
% 下抽样是对输入序列取其偶数位，舍弃奇数位。例如 x=[x1,x2,x3,x4,x5]，则 y=[x2,x4].
N=length(x); % 读取输入序列长度
M=floor(N/2); % 输出序列的长度是输入序列长度的一半（带小数时取整数部分）
i=1:M;
y(i)=x(2*i);
而重构则是分解的逆过程，对低频系数、高频系数分别进行上抽样和低通、高通滤波处理。要注意重构时同一级的低频、高频系数的个数必须相等。
function y = myidwt(cA,cD,lpr,hpr);
% 函数 MYIDWT() 对输入的小波分解系数进行逆离散小波变换，重构出信号序列 y
% 输入参数：cA —— 平均部分的小波分解系数；
% cD —— 细节部分的小波分解系数；
% lpr、hpr —— 重构所用的低通、高通滤波器。
lca=length(cA); % 求出平均、细节部分分解系数的长度
lcd=length(cD);
while (lcd)>=(lca) % 每一层重构中，cA 和 cD 的长度要相等，故每层重构后，
% 若lcd小于lca，则重构停止，这时的 cA 即为重构信号序列 y 。
upl=upspl(cA); % 对平均部分系数进行上抽样
cvl=conv(upl,lpr); % 低通卷积
cD_up=cD(lcd-lca+1:lcd); % 取出本层重构所需的细节部分系数，长度与本层平均部分系数的长度相等
uph=upspl(cD_up); % 对细节部分系数进行上抽样
cvh=conv(uph,hpr); % 高通卷积
cA=cvl+cvh; % 用本层重构的序列更新cA，以进行下一层重构
cD=cD(1:lcd-lca); % 舍弃本层重构用到的细节部分系数，更新cD
lca=length(cA); % 求出下一层重构所用的平均、细节部分系数的长度
lcd=length(cD);
end % lcd < lca，重构完成，结束循环
y=cA; % 输出的重构序列 y 等于重构完成后的平均部分系数序列 cA
function y=upspl(x);
% 函数 Y = UPSPL(X) 对输入的一维序列x进行上抽样，即对序列x每个元素之间
% 插零，例如 x=[x1,x2,x3,x4],上抽样后为 y=[x1,0,x2,0,x3,0,x4];
N=length(x); % 读取输入序列长度
M=2*N-1; % 输出序列的长度是输入序列长度的2倍再减一
for i=1:M % 输出序列的偶数位为0，奇数位按次序等于相应位置的输入序列元素
if mod(i,2)
y(i)=x((i+1)/2);
else
y(i)=0;
end
end
我们知道，二维小波分解重构可以用一系列的一维小波分解重构来实现。以下程序是基于Haar小波的二维小波分解和重构过程：
function [LL,HL,LH,HH]=mydwt2(x);
% 函数 MYDWT2() 对输入的r*c维矩阵 x 进行二维小波分解，输出四个分解系数子矩阵[LL,HL,LH,HH]
% 输入参数：x —— 输入矩阵，为r*c维矩阵。
% 输出参数：LL,HL,LH,HH —— 是分解系数矩阵的四个相等大小的子矩阵,大小均为 r/2 * c/2 维
% LL：低频部分分解系数； HL：垂直方向分解系数；
% LH：水平方向分解系数； HH：对角线方向分解系数。
lpd=[1/2 1/2];hpd=[-1/2 1/2]; % 默认的低通、高通滤波器
[row,col]=size(x); % 读取输入矩阵的大小
for j=1:row % 首先对输入矩阵的每一行序列进行一维离散小波分解
tmp1=x(j,:);
[ca1,cd1]=mydwt(tmp1,lpd,hpd,1);
x(j,:)=[ca1,cd1]; % 将分解系数序列再存入矩阵x中，得到[L|H]
end
for k=1:col % 再对输入矩阵的每一列序列进行一维离散小波分解
tmp2=x(:,k);
[ca2,cd2]=mydwt(tmp2,lpd,hpd,1);
x(:,k)=[ca2,cd2]; % 将分解所得系数存入矩阵x中，得到[LL,Hl;LH,HH]
end
LL=x(1:row/2,1:col/2); % LL是矩阵x的左上角部分
LH=x(row/2+1:row,1:col/2); % LH是矩阵x的左下角部分
HL=x(1:row/2,col/2+1:col); % HL是矩阵x的右上角部分
HH=x(row/2+1:row,col/2+1:col); % HH是矩阵x的右下角部分
function y=myidwt2(LL,HL,LH,HH);
% 函数 MYIDWT2() 对输入的子矩阵序列进行逆小波变换，重构出矩阵 y
% 输入参数：LL,HL,LH,HH —— 是四个大小均为 r*c 维的矩阵
% 输出参数：y —— 是一个大小为 2r*2c 维的矩阵
lpr=[1 1];hpr=[1 -1]; % 默认的低通、高通滤波器
tmp_mat=[LL,HL;LH,HH]; % 将输入的四个矩阵组合为一个矩阵
[row,col]=size(tmp_mat); % 求出组合矩阵的行列数
for k=1:col % 首先对组合矩阵tmp_mat的每一列，分开成上下两半
ca1=tmp_mat(1:row/2,k); % 分开的两部分分别作为平均系数序列ca1、细节系数序列cd1
cd1=tmp_mat(row/2+1:row,k);
tmp1=myidwt(ca1,cd1,lpr,hpr); % 重构序列
yt(:,k)=tmp1; % 将重构序列存入待输出矩阵 yt 的相应列，此时 y=[L|H]
end
for j=1:row % 将输出矩阵 y 的每一行，分开成左右两半
ca2=yt(j,1:col/2); % 分开的两部分分别作为平均系数序列ca2、细节系数序列cd2
cd2=yt(j,col/2+1:col);
tmp2=myidwt(ca2,cd2,lpr,hpr); % 重构序列
yt(j,:)=tmp2; % 将重构序列存入待输出矩阵 yt 的相应行，得到最终的输出矩阵 y=yt
end
y=yt;
『伍』 matlab小波信号导入
matlab左下角start->toolboxes->more->wavelet->wavelet
toolbox
main
menu,此操作完成打开小波工具箱，小波包分析的话在工具箱中找到左上边一块的第二个wavelet
packet1-D，就进入小波包分析窗口，在该窗口上面的菜单栏，看到file点击并进入load
有两个选项，选signal，然后导入一维信号的.mat文件即可
『陆』 MATLAB里的Toolboxes怎么使用急求高手指点！！！
MATLAB工具箱介绍
有三十多个工具箱大致可分为两类:功能型工具箱和领域型工具箱。
功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能用于多种学科。
领域型工具箱是专业性很强的。如图像处理工具箱(Image Processing Toolbox)、控制工具箱(Control Toolbox)、信号处理工具箱(Signal Processing Toolbox)等。下面，将MATLAB工具箱内所包含的主要内容做简要介绍：
1) 图像处理工具箱(Image Processing Toolbox)。
* 二维滤波器设计和滤波
* 图像恢复增强
* 色彩、集合及形态操作
* 二维变换
* 图像分析和统计
可由结构图直接生成可应用的C语言源代码。
2)控制系统工具箱(Control System Toolbox)。
鲁连续系统设计和离散系统设计
* 状态空间和传递函数
* 模型转换
* 频域响应：Bode图、Nyquist图、Nichols图
* 时域响应：冲击响应、阶跃响应、斜波响应等
* 根轨迹、极点配置、LQG
3)财政金融工具箱(FinancialTooLbox)。
* 成本、利润分析，市场灵敏度分析
* 业务量分析及优化
* 偏差分析
* 资金流量估算
* 财务报表
4)频率域系统辨识工具箱(Frequency Domain System ldentification Toolbox
* 辨识具有未知延迟的连续和离散系统
* 计算幅值／相位、零点／极点的置信区间
* 设计周期激励信号、最小峰值、最优能量诺等
5)模糊逻辑工具箱(Fuzzy Logic Toolbox)。
* 友好的交互设计界面
* 自适应神经—模糊学习、聚类以及Sugeno推理
* 支持SIMULINK动态仿真
* 可生成C语言源代码用于实时应用
(6)高阶谱分析工具箱(Higher—Order SpectralAnalysis Toolbox
* 高阶谱估计
* 信号中非线性特征的检测和刻画
* 延时估计
* 幅值和相位重构
* 阵列信号处理
* 谐波重构
(7) 通讯工具箱(Communication Toolbox)。
令提供100多个函数和150多个SIMULINK模块用于通讯系统的仿真和分析
——信号编码
——调制解调
——滤波器和均衡器设计
——通道模型
——同步
(8)线性矩阵不等式控制工具箱(LMI Control Toolbox)。
* LMI的基本用途
* 基于GUI的LMI编辑器
* LMI问题的有效解法
* LMI问题解决方案
(9)模型预测控制工具箱(ModelPredictive Control Toolbox
* 建模、辨识及验证
* 支持MISO模型和MIMO模型
* 阶跃响应和状态空间模型
(10)u分析与综合工具箱(u-Analysis and Synthesis Toolbox)
* u分析与综合
* H2和H无穷大最优综合
* 模型降阶
* 连续和离散系统
* u分析与综合理论
(11)神经网络工具箱(Neursl Network Toolbox)。
* BP，Hopfield，Kohonen、自组织、径向基函数等网络
* 竞争、线性、Sigmoidal等传递函数
* 前馈、递归等网络结构
* 性能分析及应用
(12)优化工具箱(Optimization Toolbox)。
* 线性规划和二次规划
* 求函数的最大值和最小位
* 多目标优化
* 约束条件下的优化
* 非线性方程求解
(13)偏微分方程工具箱(Partial DifferentialEquation Toolbox)。
* 二维偏微分方程的图形处理
* 几何表示
* 自适应曲面绘制，
* 有限元方法
(14)鲁棒控制工具箱(Robust Control Toolbox)。
* LQG／LTR最优综合
* H2和H无穷大最优综合
* 奇异值模型降阶
* 谱分解和建模
(15)信号处理工具箱(signal Processing Toolbox)
* 数字和模拟滤波器设计、应用及仿真
* 谱分析和估计
* FFT，DCT等变换
* 参数化模型
(16)样条工具箱(SPline Toolbox)。
* 分段多项式和B样条
* 样条的构造
* 曲线拟合及平滑
* 函数微分、积分
(17)统计工具箱(Statistics Toolbox)。
* 概率分布和随机数生成
* 多变量分析
* 回归分析
* 主元分析
* 假设检验
(18)符号数学工具箱(Symbolic Math Toolbox)。
* 符号表达式和符号矩阵的创建
* 符号微积分、线性代数、方程求解
* 因式分解、展开和简化
* 符号函数的二维图形
* 图形化函数计算器
(19)系统辨识工具箱(SystEm Identification Toolbox)
* 状态空间和传递函数模型
* 模型验证
* MA，AR，ARMA等
* 基于模型的信号处理
* 谱分析
(20)小波工具箱(Wavelet Toolbox)。
* 基于小波的分析和综合
* 图形界面和命令行接口
* 连续和离散小波变换及小波包
* 一维、二维小波
* 自适应去噪和压缩