wdenoise
小波信号去噪
语法
描述
[
返回单元格数组中去噪的小波和缩放系数XDEN
,DENOISEDCFS
= wdenoise(___)DENOISEDCFS
.的要素DENOISEDCFS
是按分辨率递减顺序排列的。的最后一个元素DENOISEDCFS
包含近似(缩放)系数。
[
返回单元格数组中的原始小波和缩放系数XDEN
,DENOISEDCFS
,ORIGCFS
= wdenoise(___)ORIGCFS
.的要素ORIGCFS
是按分辨率递减顺序排列的。的最后一个元素ORIGCFS
包含近似(缩放)系数。
例子
输入参数
输出参数
算法
噪声信号最一般的模型有以下形式:
在时间n等距。在最简单的模型中,假设e(n)为高斯白噪声N(0,1),噪声级σ = 1。去噪的目的是抑制信号中的噪声部分年代为了恢复f.
去噪过程分为三步:
分解——选择一个小波,然后选择一个级别
N
.计算信号的小波分解年代在层次N
.详细系数阈值-为每个级别从1到
N
,选择阈值,对细节系数进行软阈值处理。重建-基于原始的水平近似系数计算小波重建
N
将层次细节系数从1修改为N
.
关于阈值选择规则的详细信息见小波去噪与非参数函数估计在帮助下thselect
函数。
参考文献
阿布拉莫维奇、F.本杰明尼、D. L.多诺霍和I. M.约翰斯通。《通过控制错误发现率适应未知稀疏性》统计年鉴, Vol. 34, no . 2, pp. 584-653, 2006。
[2]安东尼亚迪斯,A.和G.奥本海姆编。小波与统计.统计学课堂讲稿。纽约:施普林格Verlag, 1995年。
蔡婷婷,《小波回归中的块阈值:自适应、块大小和阈值水平》。Statistica中央研究院,第12卷,第1241-1273页,2002。
[4] Donoho, d.l.《小波分析与WVD的进展:十分钟之旅》。小波分析及其应用进展(Y. Meyer, S. Roques,编)。Gif-sur-Yvette: Editions Frontières, 1993。
[5]多诺霍,d.l., i.m.约翰斯通。“小波收缩的理想空间适应性”生物统计学,第81卷,第425-455页,1994。
[6] Donoho, d.l.“软阈值去噪”。IEEE信息论汇刊,第42卷,第3期,第613-627页,1995年。
[7]多诺霍,d.l., i.m.约翰斯通,G.克基亚查里安,D.皮卡德。“小波收缩:渐近?”皇家统计学会杂志,B系列,第57卷,第2期,第301-369页,1995年。
[8]约翰斯通,i.m.和b.w.西尔弗曼。干草堆中的针和稻草:可能稀疏序列的经验贝叶斯估计。统计年鉴,卷32,第4期,第1594-1649页,2004年。
扩展功能
版本历史
在R2017b中引入