如何利用小波工具箱的函数

Ⅰ MATLAB 小波分析

[c l]=wavedec(x,5,'db6'); %%%x是要分析的数据%%%
d1=wrcoef('d',c,l,'db6',1);
d2=wrcoef('d',c,l,'db6',2);
d3=wrcoef('d',c,l,'db6',3);
d4=wrcoef('d',c,l,'db6',4);
d5=wrcoef('d',c,l,'db6',5);
a5=wrcoef('a',c,l,'db6',5);
plot(d1); %%%输出d1的图像
合并的话，直接用x1=a5+d5+d4+d3就可以吧

Ⅱ matlab 小波工具箱的用法

先把数据导入EDITOR界面弄成函数的形式然后再把它保存为.mat格式。
比如：
save 0927dianji21.mat x

Ⅲ 关于小波变换的知识点

设a为尺度，fs为采样频率，Fc为小波中心频率，则a对应的实际频率Fa为

Fa＝Fc×fs/a (1)

显然，为使小波尺度图的频率范围为(0,fs/2)，尺度范围应为(2*Fc,inf),其中inf表示为无穷大。在实际应用中，只需取尺度足够大即可。

没有说明和大家没有讲到是因为没人在小波变换中才去“确定”它们，说白了这两参数不是让你去确定的，是让你去设定的，你对小波的应用方法就没搞清，你要搞清楚的是它们如何影响处理结果的，按照你处理的目的设置不同的值，这牵扯到小波基的某些数学指标是如何影响处理结果的问题，要说的就多了。

    在cmorwavf函数的帮助文档中，列举了cmor1.5-1的函数波形，

中心频率（fc）可信卖绝以这样看，从横轴0开始的波峰到横轴1的波峰，刚好是正弦波的一个完整周期，其经历的时间就应是频率值的倒数，那么中心频率刚好是1.

下面是cmor1.5-2的函数波形，从横轴0开始的波峰到横轴0.5的波峰也是一个完整周期，经历的时间为0.5，取倒数，中心频率刚好是2.这与你设定的fc一致，也就是说fc就是这么影响Morlet复小波的。当你要消噪或研究高频信息，对于同一个数据信号cmor1.5-2肯定比cmor1.5-1更能消除细小的噪声和得到更高频率的信息。

fb越大时域配培宽度越长，支撑长度越长，产生高幅值的小波系数也多，在检测信号奇异性的时候往往希望能有一定数量的波峰波谷（在小波中就意味着较长的支撑和较高的消失矩），当然也不是越多越好，这要看待分析信号的情况，所以这玩意是你先设定，做完CCWT后，看看效果是否满意，再来根据你要研究信号或处理的目的，更改fc和fb的值，不是开始就确定它们（再说在处理之前你如何确定，即使你确定了又有啥意义，在CCWT之前的一切确定是毫无意义的，只有出了结果反复修改你的设定才能最终用“确定”一词）。

总结：fc的大小影响的是小波的频率：fc越大，小波频率越大，因此当你要消噪或研究高频信息，fc增大的话更能消除细小的噪声和得到更高频率的信息。

fb影响的是小波的支撑长度，fb越大，时域宽度越长，支撑长度也越长，产生高幅值的小波系数也就越多，

－、绘制原理

1.需要用到的小波工具箱中的三个函数

COEFS = cwt(S,SCALES,'wname')

说明：该函数能实现 连续小波变换 ，其中S为输入信号，SCALES为尺度，wname为小波名

称。

FREQ = centfrq('wname')

说明：该函数能求出以wname命名的母小波的中心频率。

F = scal2frq(A,'wname',DELTA)

说明：该函数能将尺度转换为实际频率，其中A为尺度，wname为小波名称，DELTA为采样

周期。

注：这三个函数还有其它格式，具体可参阅 matlab 的帮助文档。

2.尺度与频率之间的关系

设a为尺度，fs为采样频率，Fc为小波中心频率，则a对应的实际频率Fa为

Fa＝Fc×fs/a

(1)

显然，为使小波尺度图的频率范围为(0,fs/2)，尺度范围应滑姿为(2*Fc,inf),其中inf表示

为无穷大。在实际应用中，只需取尺度足够大即可。

3.尺度序列的确定

由式(1)可以看出，为使转换后的频率序列是一等差序列，尺度序列必须取为以下形式：

c/totalscal,...,c/(totalscal-1),c/4,c/2,c

(2)

其中，totalscal是对信号进行 小波变换 时所用尺度序列的长度(通常需要预先设定好)，

c为一常数。

下面讲讲c的求法。

根据式(1)容易看出，尺度c/totalscal所对应的实际频率应为fs/2，于是可得

c=2×Fc/totalscal

(3)

将式(3)代入式(2)便得到了所需的尺度序列。

4.时频图的绘制

确定了小波基和尺度后，就可以用cwt求小波系数coefs(系数是复数时要取模)，然后

用scal2frq将尺度序列转换为实际频率序列f，

最后结合时间序列t，用imagesc(t,f,abs(coefs))便能画出小波时频图。

注意：直接将尺度序列取为等差序列，例如1:1:64，将只能得到正确的尺度－时间－小

波系数图，而无法将其转换为频率－时间－小波系数图。这是因为此时的频率间隔不为

常数。

此时，可通过查表的方法将尺度转化为频率或直接修改尺度轴标注。同理，利用本帖所

介绍的方法只能得到频率－时间－小波系数图，不能得到正确的尺度－时间－小波系数

图。

二、应用例子

下面给出一实际例子来说明小波时频图的绘制。所取仿真信号是由频率分别为100Hz和2

00Hz的两个正弦分量所合成的信号。

clear;

clc;

fs=1024; %采样频率

f1=100;

f2=200;

t=0:1/fs:1;

s=sin(2*pi*f1*t)+sin(2*pi*f2*t);

%两个不同频率正弦信号合成的仿真信号

%%%%%%%%%%%%%%%%%小波时频图绘制%%%%%%%%%%%%%%%%%%

wavename='cmor3-3';

totalscal=256;

%尺度序列的长度，即scal的长度

wcf=centfrq(wavename);

%小波的中心频率

cparam=2*wcf*totalscal;

%为得到合适的尺度所求出的参数

a=totalscal:-1:1;

scal=cparam./a;

%得到各个尺度，以使转换得到频率序列为等差序列

coefs=cwt(s,scal,wavename);

%得到小波系数

f=scal2frq(scal,wavename,1/fs);

%将尺度转换为频率

imagesc(t,f,abs(coefs));

%绘制色谱图

colorbar;

xlabel('时间 t/s');

ylabel('频率 f/Hz');

title('小波时频图');

程序运行结果如下：

说明：(1)应用时只须改变wavename和totalscal两个参数即可。

(2)在这个例子中，最好选用复的morlet小波，其它小波的分析效果不好，而且morlet小

波的带宽参数和中心频率取得越大，时频图上反映的时频聚集性越好。

首先生成一个信号：

设置fc=0.1:0.5:8,fb=10:10:80,观察生成的时频图，查看参数对小波变换的影响。

1. 采样频率和信号点数之间的关系的影响

当采样频率fs与信号点数相同时，即倍数相同时，发现：

时间上为1s,  频率上显示的时真实值，这个时候时频图比较完美。此时参数为：fs=2^16,N=2^16,fc=1.5,fb=3,totalscal=2^7=128

增大fs,当fs为信号点数的两倍时，此时时间上为0.5s,频率坐标范围增大1倍，频率显示的仍是真实值。

减小fs,当fs为信号点数的一半时，此时时间上为2s,频率坐标范围减小1倍，频率显示的仍是真实值。仔细观察，此时的时频图上显示的有杂波。

   如果接着减小，当减小到原信号的1/4时，频率轴坐标为采样频率的一半，因此频率轴范围跟着缩小相同的倍数，这时由于采样频率小于信号的最大频率，此时频率轴显示的并不是频率的真实值。而且时频图出现了错误。所以 采样频率一定要大于信号的最大频率的2倍以上。

下面观察采样频率与信号点数之间的关系，尝试增大采样频率来找到与信号点数之间的限制。

     当信号点数与信号的最大频率近似相等时，设置采样频率为信号点数的2倍时，此时效果并不好，一方面有杂波，另一方面，采样频率与信号最高频率的两倍相离过小。

   当信号点数与信号的最大频率近似相等时，设置采样频率为信号点数的4倍时，此时效果比2倍时要好一点，但存在高频信号分辨率低，有少量杂波存在的问题

当采样频率增加过大时，会出现下列情况，效果反而不好

首先以下列参数设置为基准

fc的值增大从1.5增大到2，发现出现了严重的杂波：

将fc的值增大从1.5增大到3：

fc增大到5

fc增大到7：

当fc从1.5减少到1时，低频处有杂波出现而且频率分辨率明显降低。

当从1.5减少到0.5时：

     下面四张图分别是fb取20，40，80，120的值时的时频图，从中可以看出，fb的取值增大可以增大频率分辨率，但是不像fc的值那样敏感，当增大的范围过大时，也会在不同频率上出现杂波，但是相比fc变动引起的杂波来说很小。

     fb值减小时，频率分辨率会降低，有杂波出现，但是和增大fb时一样，杂波成分分布广但是较小。

     fb值减小时，频率分辨率会降低，有杂波出现，但是和增大fb时一样，杂波成分分布广但是较小。下图fb取值为1.

基准：fs=2^15,N=2^15,fc=1.5,fb=3,totalscal=2^7=128  

增大尺度参数：从128增加到256

从128增加到512

从128增加到1024：

可以看出，当增大尺度值时，低频杂波分量出现，且数值较大，直接盖过信号频率分量

下面是减小尺度值的情况：

从128减小到64：

从128减小到32：

减小到16：

可以减尺度值，分辨率逐渐变差，但是无低频杂波分量出现。

Ⅳ MATLAB里小波工具箱的功能怎样用函数程序实现呢

a1.a2,d2,d1是ca1,ca2,cd1,cd2这些小波系数的重构。ca1,ca2,cd1,cd2是小波系数，它们的数据点数随分解层次的增大而减少专，这就难以与原始信号对属比分析，通常会经过重构变为与原始信号个数相同的a1.a2,d2,d1，从物理意义上讲，只有a1.a2,d2,d1才是有实际量纲的信号，ca1,ca2,cd1,cd2是没有量纲和物理意义的。
上面的语句是提取小波系数的，而工具箱的图是用重构的数据的，你可以使用waverec函数实现工具箱的功能。
对于DWT，小波分解对被分解信号的点数是没有要求的，因为在DWT之前对原始信号是要经过拓展的，也就是说，DWT时的信号数据已经不是原始信号的点数了。对于SWT，matlab在这方面所写的函数没下啥功夫，比较敷衍，这时小波分解被分解信号的点数必须是2的整数次幂。

Ⅳ 用matlab软件怎么进行小波分析

它自己有小波工具箱，wav开头的，里面有很多相关函数，一般直接用就是了。初学建议看帮助里面小波工具箱的demo，可能更好理解。

Ⅵ 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

Ⅶ 请问关于近红外光谱数据用matlab进行小波变换

应该是先进行小波分解，然后进行小波重构吧？
dwt函数应该是对信号的单层分解，
[cA,cD]=dwt(X,’wname’)中返回的cA，cD分别存放是信号的近似和细节
[C,L]=wavedec(X,N,'wname') 利用小波'wname'对信号X进行多层分解
之后是依据你的需要将信号重构回去，idwt是单尺度一维小波逆变换，waverec是多尺度一维小波重构

简单的就是matlab里面有小波工具箱，在命令窗口输入wavemenu，载入你的信号，选择不同地小波基就行~
希望对你有帮助

Ⅷ 怎样在matlab中对曲线去除噪音

MATLAB有小波去噪的函数，直接调用就行，过程都自动完成。

Ⅸ 求助各位高手，如何应用Matlab中的小波工具箱实现降水、温度时间序列的特征分析，谢谢各位啦

在有小波基本理论的基础上
学习matlab与小波GUI
wavemenu 熟悉 然后自己编程 不过大部分小波函数matlab已经做好了
不需要你具体的编写

Ⅹ 小波函数的小波函数

函数名 ；含义
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
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
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 ；寻找终端结点
noleaves ；寻找非终端结点
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
ntnode ；返回终端结点个数
ntree ；构造树结构对象
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 ；通过设定双正交样条小波滤波器得到分解和重构的滤波器
read 读取二进制数据
readtree ；读取小波包分解树
scal2frq ；返回伪频率
shanwavf Shannon小波
swt ；一维SWT(Stationary Wavelet Transform）变换
swt2 二维SWT变换
symwavf Symlets小波滤波器
thselect ；信号消噪的阈值选择
treedpth ；求树的深度
treeord 求树结构的叉数
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 ；返回1-D或2-D小波降噪的全局阈值
wcodemat ；对矩阵进行量化编码
wdcbm ；返回阈值和系数个数（1-D小波降噪Birge-Massart策略）
wdcbm2 ；返回阈值和系数个数（2-D小波降噪Birge-Massart策略）
wden 用小波进行一维信号的消噪或压缩
wdencmp 小波消噪或压缩
wentropy ；计算小波包的熵
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
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 ；小波包重构
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
wpviewcf ；绘制小波包的颜色系数
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
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