swt
离散平稳小波变换1-D
描述
例子
多水平平稳小波分解
执行信号的多电平平稳小波分解。
加载一维信号并获取其长度。
负载noisblocS = noisbloc;sLen =长度(s);
执行平稳小波分解在电平3的信号使用“db1”。提取级别3的细节和近似系数。
[swa,swd] = swt(s,3;“db1”）;Swd3 = swd(3，:);sw3 = swa(3，:);
绘制分解的输出。
plot(s) xlim([0 len]) title(原始信号的）
绘制3级近似系数和细节系数。
subplot(2,1,1) plot(swa3) xlim([0 sLen]) title(“三级近似系数”) subplot(2,1,2) plot(swd3) xlim([0 sLen]) title(“三级细节系数”）
输入参数
输出参数
算法
给定一个信号年代的长度N，平稳小波变换(SWT)的第一步产生，从年代，两组系数:近似系数cA1细节系数cD1。这些向量是通过卷积得到的年代用低通滤波器LoD用于近似，并使用高通滤波器藏对细节。
更准确地说，第一步是
在哪里
表示与滤波器的卷积X。
请注意
cA1和cD1长度相同N而不是N / 2就像DWT的情况一样。
下一步拆分近似系数cA1在两部分中使用相同的方案，但通过上采样和替换前一步使用的滤波器获得改进的滤波器年代通过cA1。然后，SWT产生cA2和cD2。更普遍的是,
在哪里
F0=LoD
G0=藏
-上采样(在元素之间插入零)
参考文献
b[1]纳森，g.p.和b.w.西尔弗曼。平稳小波变换及其在统计学上的应用在小波与统计， Anestis Antoniadis和Georges Oppenheim编辑，103:281-99。纽约，纽约:施普林格纽约，1995年。https://doi.org/10.1007/978 - 1 - 4612 - 2544 - 7 - _17。
bbbbo Coifman, r.r.和d.l. Donoho。“平移不变去噪”。在小波与统计， Anestis Antoniadis和Georges Oppenheim编辑，103:125-50。纽约，纽约:施普林格纽约，1995年。https://doi.org/10.1007/978 - 1 - 4612 - 2544 - 7 - _9。
j . c .佩斯凯。，H. Krim, and H. Carfantan. “Time-Invariant Orthonormal Wavelet Representations.”IEEE信号处理学报44岁的没有。8(1996年8月):1964-70。https://doi.org/10.1109/78.533717。
扩展功能
版本历史
R2006a之前引入
