主要内容

mswcmp

使用小波Multisignal一维压缩

所有的页面崩溃

语法

(xc deccmp,打]= mswcmp (cmp, 12月,mthd)
(xc deccmp,打]= mswcmp (cmp, 12月,mthd参数)
[我,打]= mswcmp (“cmpsig”,___)
[deccmp,打]= mswcmp (“cmpdec”,___)
打= mswcmp(“刺”,___)
(___)= mswcmp (lev,选项,dirdec x, wname mthd)
(___)= mswcmp (lev,选项,dirdec x, wname mthd,参数)
(___)= mswcmp (___s_or_h)
(___)= mswcmp (___、s_or_h keepapp)
(___)= mswcmp (___,keepapp s_or_h idxsig)

描述

mswcmp计算阈值,根据所选选项,执行压缩使用一维信号的小波。

(xc,deccmp,打)= mswcmp (cmp,12月,mthd)返回一个已压缩版本xc最初的multisignalx的小波分解结构12月。指定的压缩方法mthd。输出xc通过阈值的小波系数。输出deccmp相关的小波分解吗xc,打是阈值的矩阵。

例子

(xc,deccmp,打)= mswcmp (cmp,12月,mthd,参数)使用的参数参数与mthd(如果需要的话)。

(xc,打)= mswcmp (“cmpsig”,___)如果返回压缩multisignal和计算阈值cmp的在第一或第二语法所取代“cmpsig”。

(deccmp,打)= mswcmp (“cmpdec”,___)返回相关的小波分解压缩multisignal和计算阈值cmp的在第一或第二语法所取代“cmpdec”。

打= mswcmp(“刺”,___)如果返回计算阈值cmp的在第一或第二语法所取代“刺”。

(___)= mswcmp (选项,dirdec,x,wname,列弗,mthd)分解的multisignalx水平列弗使用指定的小波wname的方向dirdec在执行压缩或计算的阈值。

(___)= mswcmp (选项,dirdec,x,wname,列弗,mthd,参数)使用的参数参数与mthd(如果需要的话)。

(___)= mswcmp (___,s_or_h)适用于指定的阈值规则s_or_h。

(___)= mswcmp (___,s_or_h,keepapp)保持近似系数(真正的)或不(假)。

(___)= mswcmp (___,s_or_h,keepapp,idxsig)是一个向量,它包含初始信号的指数。

例子

全部折叠

打开生活的脚本

加载23-channel脑电图数据Espiga3[8]。通道排列列。数据采样在200赫兹。

负载Espiga3

执行分解在2级使用db2小波。

12月= mdwtdec (“c”Espiga3 2“db2”);

压缩的信号获得小波系数0的比例接近95%。

[xr, deccmp,打]= mswcmp (cmp的12月,“N0_perf”,95);

情节一个原始信号,相应的压缩信号。

idx = 3;情节(Espiga3 (:, idx),“r”)举行在情节(xr (:, idx),“b”网格)在传奇(“原始”,“压缩”)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象代表原始,压缩。

输入参数

全部折叠

小波分解,指定为一个结构。12月的输出是mdwtdec。

压缩方法,指定的值列在这里。使用一个相关参数的方法,允许的范围参数值显示。

下列表中列出的方法,参数是一个稀疏参数,它应该指定,这样1≤参数≤10。为“稀缺”方法不做控制。

方法 描述
“稀缺” 稀缺,参数(任意数量)
“scarcehi” 稀缺的高,2.5≤参数≤10
“scarceme” 稀缺的媒介,≤1.5参数≤2.5
“scarcelo” 稀缺的低,≤1参数≤2
“rem_n0” 删除在0附近
“bal_sn” 平衡sparsity-norm
“sqrtbal_sn” 平衡sparsity-norm (√6)

下列表中列出的方法,参数是一个实数,它代表所需的性能:0≤参数≤100。

方法 描述
“L2_perf” 能量比例
“N0_perf” 零系数比

应用全局阈值压缩,指定方法“glb_thr”和任何积极的实数参数。

应用手动压缩方法,指定方法“man_thr”,并指定参数作为一个NbSig——- - - - - -NbLev或者一个NbSig————(NbLev+ 1)实值矩阵,NbSig是信号的数量,和NbLev分解的层数。

  • 参数(我,j)的细节系数的阈值水平j为我信号(1≤j≤NbLev)。

  • 参数(我,NbLev+ 1)的近似系数阈值吗我th信号(如果keepapp是0)。

与压缩方法相关联的参数mthd,指定为实数或一个实值矩阵。有关更多信息,请参见mthd。

压缩输出选项,指定的值列在这里。

选项 描述
cmp的 返回压缩的信号,相关的小波分解和阈值。
“cmpsig” 返回压缩的信号,和阈值。
“cmpdec” 返回与压缩相关的小波分解信号,和阈值。
“刺” 返回的阈值。

小波分解的方向指示器,指定为以下之一:

  • “r”:把每一行的一维小波分解x

  • “c”:把每一列的一维小波分解x

Multisignal,指定为一个实值矩阵。

数据类型:双

小波分析,指定为一个特征向量或字符串标量。必须正交或双正交小波。正交和双正交的小波分别指定为1型和2型小波的小波经理,wavemngr。

  • 有效的内置正交小波的家庭:Best-localized Daubechies (“提单”),Beylkin (“beyl”),Coiflets (“头巾”),Daubechies (“数据库”),Fejer-Korovkin (“颗”)、哈雾(“哈雾”(韩),线性相位时刻“汉”),莫里斯最小带宽(“m”),Symlets (“符号”)和Vaidyanathan (“乌”)。

  • 有效的内置双正交小波的家庭:双正交样条(“bior”)和反向双正交样条(“rbio”)。

每个家庭中的小波列表,看看wfilters。您还可以使用waveinfo与小波家族短名称。例如,waveinfo (db)。使用wavemngr(“类型”,wn)来确定小波wn正交(返回1)或双正交的(返回2)。例如,wavemngr(“类型”、“db6”)返回1。

程度的分解,指定为一个正整数。mdwtdec不强制最大级别的限制。使用wmaxlev以确保边界效应的小波系数都是免费的。如果边界效应不是一个问题,一个好规则集列弗小于或等于修复(log2(长度(N))),在那里N样品的数量在一维数据。

类型的阈值来执行,指定为以下:

  • “年代”——软阈值

  • “h”——硬阈值

阈值近似设置:

  • 0——近似系数阈值

  • 1——近似系数阈值

指标的初始信号,指定为一个向量的正整数,或“所有”。

输出参数

全部折叠

压缩multisignal,返回一个实值矩阵。

小波分解的压缩multisignalx作为结构返回以下字段:

  • dirDec——方向指示器:“r”(行)或“c”(列)

  • 水平级小波分解

  • wname——小波的名字

  • dwtFilters——结构四个领域:LoD,藏,不要生气,HiR

  • dwtEXTM- DWT扩展模式

  • dwtShift- DWT转变参数(0或1)

  • dataSize——大小x

  • ca——近似系数的水平列弗

  • cd——单元阵列的细节系数,从1级水平列弗

系数ca和cd {k},因为k从1到列弗如果矩阵和存储在行dirdec = ' r '或者在列dirdec = ' c '。

阈值用于压缩,作为一个实值矩阵返回。

引用

[1]Birge, L。,P. Massart. “From Model Selection to Adaptive Estimation.”吕西安Le凸轮纪念文集:概率论与数理统计的研究论文(e . Torgersen d·波拉德,g .杨eds)。纽约:斯普林格出版社,1997年,55 - 88页。

[2]德沃尔,r。,B. Jawerth, and B. J. Lucier. “Image Compression Through Wavelet Transform Coding.”IEEE信息理论。38卷,第二,1992年,页719 - 746。

[3]Donoho, d . l .“小波分析和项的进展:一百一十分钟之旅。”小波分析及其应用的进展(y . Meyer,罗克,eds)。温度:版本Frontieres, 1993。

[4]Donoho, d . L。,我。M. Johnstone. “Ideal Spatial Adaptation by Wavelet Shrinkage.”生物统计学。81卷,425 - 455年,1994页。

[5]Donoho, d . L。,我。M. Johnstone, G. Kerkyacharian, and D. Picard. “Wavelet Shrinkage: Asymptopia?”英国皇家统计学会杂志》上,B系列57卷2号,第369 - 301页,1995年。

[6]Donoho, d . L。,我。M. Johnstone. “Ideal denoising in an orthonormal basis chosen from a library of bases.”c . r .学会科学。巴黎,爵士。我卷,319年,第1322 - 1317页,1994年。

[7]Donoho, d . l .“通过对振动去噪”。IEEE信息理论。42卷,3号,第627 - 613页,1995年。

[8]台面,赫克托耳。“适应模式检测的小波。“在进步在模式识别、图像分析和应用程序、编辑Alberto Sanfeliu Manuel Lazo议会,3773:933-44。柏林,海德堡:激飞柏林海德堡,2005。https://doi.org/10.1007/11578079_96。

版本历史

介绍了R2007a

另请参阅

|||