『壹』 求助matlab中的小波工具包
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 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16.在此窗口下点击file-save denoised singal，保存输出去噪后的信号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不会用就查帮助文档啊！waverec函数是不需要你自己加零延拓的，上面的代码完全不知所谓，waverec函数的使用是要依赖wavedec函数得到的CL组构的，CL组构中存放小波系数的数组C本身就已经延拓了，而且你不知道它对数据延拓了多少，延拓的方式有多种根本不是你这样直接加零就行的。我发现你很有才，经常提问和编出一些匪夷所思的问题和代码，不耻下问的精神是好的，但我个人是很不提倡这种做法的，有时间在这打字提问，不如找几本基础参考书看看，不了解就查吗，不明白就往明白搞吗，但看你这些“新奇”的问题和代码真很抓狂，自己对于这些基本问题都懒得琢磨，打着勤奋好学，不耻下问的幌子，太没劲了！哦，看错了，waverec函数是可以用上面的代码的，我看成wrcoef函数了，wrcoef函数可以实现waverec、upwlev和upcoef三个函数的功能之和，所以比waverec函数应用简单，不需要你将其他分量置零，用它实现小波工具箱功能最方便。
『贰』 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
『叁』 用matlab实现基于边缘检测的图象小波阈值去噪方法
Press the "Start" button to see a demonstration of
denoising tools in the Wavelet Toolbox.
This demo uses Wavelet Toolbox functions.
% Set signal to noise ratio and set rand seed.
sqrt_snr = 3; init = 2055615866;
% Generate original signal and a noisy version adding
% a standard Gaussian white noise.
[xref,x] = wnoise(3,11,sqrt_snr,init);
% Denoise noisy signal using soft heuristic SURE thresholding
% and scaled noise option, on detail coefficients obtained
% from the decomposition of x, at level 5 by sym8 wavelet.
% Generate original signal and a noisy version adding
% a standard Gaussian white noise.
lev = 5;
xd = wden(x,'heursure','s','one',lev,'sym8');
% Denoise noisy signal using soft SURE thresholding.
xd = wden(x,'rigrsure','s','one',lev,'sym8');
% Denoise noisy signal using fixed form threshold with
% a single level estimation of noise standard deviation.
xd = wden(x,'sqtwolog','s','sln',lev,'sym8');
% Denoise noisy signal using fixed minimax threshold with
% a multiple level estimation of noise standard deviation.
xd = wden(x,'minimaxi','s','sln',lev,'sym8');
% If many trials are necessary, it is better to perform
% decomposition one time and threshold it many times :
% decomposition.
[c,l] = wavedec(x,lev,'sym8');
% threshold the decomposition structure [c,l].
xd = wden(c,l,'minimaxi','s','sln',lev,'sym8');
% Load electrical signal and select a part.
load leleccum; indx = 2600:3100;
x = leleccum(indx);
% Use wdencmp for signal de-noising.
% find default values (see ddencmp).
[thr,sorh,keepapp] = ddencmp('den','wv',x);
% denoise signal using global thresholding option.
xd = wdencmp('gbl',x,'db3',2,thr,sorh,keepapp);
% Some trial examples without commands counterpart.
% Rand initialization: init = 2055615866;
% Square root of signal to noise ratio: sqrt_snr = 5;
% [xref,x] = wnoise(1,11,sqrt_snr,init);
% Some trial examples without commands counterpart (more).
% Rand initialization: init = 2055615866;
% Square root of signal to noise ratio: sqrt_snr = 4;
% [xref,x] = wnoise(2,11,sqrt_snr,init);
% Some trial examples without commands counterpart (more).
% Rand initialization: init = 2055615866;
% Square root of signal to noise ratio: sqrt_snr = 3;
% [xref,x] = wnoise(3,11,sqrt_snr,init);
% Some trial examples without commands counterpart (more).
% Rand initialization: init = 2055615866;
% Square root of signal to noise ratio: sqrt_snr = 3;
% [xref,x] = wnoise(3,11,sqrt_snr,init);
% Some trial examples without commands counterpart (more).
% Rand initialization: init = 2055615866;
% Square root of signal to noise ratio: sqrt_snr = 3;
% [xref,x] = wnoise(3,11,sqrt_snr,init);
% Some trial examples without commands counterpart (more).
% Rand initialization: init = 2055615866;
% Square root of signal to noise ratio: sqrt_snr = 3;
% [xref,x] = wnoise(3,11,sqrt_snr,init);
『肆』 如何使用matlab中的工具箱
上面的最优答案废话有点多，我补充一个简洁版答案：
一、自带工具箱：
直接使用。都在toolbox文件夹内，而且默认早已设定完毕。
二、非自带工具箱：
按照这个步骤：
1）下载并解压；
2）复制到matlab安装目录下的toolbox文件夹内（当然也可以放到别处~）；
3）在matlab的菜单：file-set path中，添加路径，要求是连同子文件夹一同添加，路径就是刚才你放置文件夹的地方。设定好了记得save。
4）完毕！
『伍』 谁有比较新版本的小波工具箱wavelet toolbox能分享一下吗
首先，将下载的工具箱文件解压，将文件夹复制到MATLAB安装目录下toolbox文件夹下。
其次，在版MATLAB命令行中输入权如下命令： >>cd D:\MATLAB7\toolbox\piotr_toolbox % 找到你的工具箱 >> addpath(genpath('D:\MATLAB7\toolbox\piotr_toolbox')) %。
『陆』 怎么在MATLAB中打开Wavelet Toolbox Main Menu窗口
左下角start-toolboxs-more-wavelet toolbox
『柒』 为什么matlab wavelet 工具箱没有morlet小波
orlet是连续小波分析方法，matlab2014里小波工具箱有区分。
我用的是matlab2014A,同时我用服务器上的2012A也没有这种小波基。
『捌』 为什么matlab wavelet 工具箱没有morlet小波
为什么matlab wavelet 工具箱没有morlet小波
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
『玖』 数学建模MATLAB工具箱是什么怎么用
Matlab工具箱已经成为一个系列产品，Matlab主工具箱和各种工具箱（toolbox ）。
工具箱简介
1功能型工具箱 —— 通用型
功能型工具箱主要用来扩充Matlab的数值计算、符号运算功能、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，能够用于多种学科。
2领域型工具箱 —— 专用型
领域型工具箱是学科专用工具箱，其专业性很强，比如控制系统工具箱（ Control System Toolbox）；信号处理工具箱（Signal Processing Toolbox）；财政金融工具箱（ Financial Toolbox）等等。只适用于本专业。
3
Matlab常用工具箱
Matlab Main Toolbox——matlab主工具箱
Control System Toolbox——控制系统工具箱
Communication Toolbox——通讯工具箱
Financial Toolbox——财政金融工具箱
System Identification Toolbox——系统辨识工具箱
Fuzzy Logic Toolbox——模糊逻辑工具箱
Bioinformatics Toolbox——生物分析工具箱
Image Processing Toolbox——图象处理工具箱
Database Toolbox——数据库工具箱
Model predictive Control Toolbox——模型预测控制工具箱
Neural Network Toolbox——神经网络工具箱
Optimization Toolbox——优化工具箱
Partial Differential Toolbox——偏微分方程工具箱
Robust Control Toolbox——鲁棒控制工具箱
Signal Processing Toolbox——信号处理工具箱
Spline Toolbox——样条工具箱
Statistics Toolbox——统计工具箱
Symbolic Math Toolbox——符号数学工具箱
Simulink Toolbox——动态仿真工具箱
Virtual Reality Toolbox——虚拟现实工具箱
Wavelet Toolbox——小波工具箱
等等…….
而且每个新出的版本都在增加、更新完善。