《小波去噪和小波包去噪的对比》由会员分享，可在线阅读，更多相关《小波去噪和小波包去噪的对比（5页珍藏版）》请在金锄头文库上搜索。
1、小波分析作业学生姓名：柴凯问题1：试生成一个含噪声信号，利用matlab中的小波去噪和小波包去噪函数去除噪声，比较两者的性能差异。程序如下：clcclear allload noisdoppx=noisdopp;subplot(311)plot(x);title(原始信号的波形图)axis tight;thr,sorh,keepapp=ddencmp(den,wv,x);xwd=wden(x,rigrsure,s,one,4,sym4);subplot(312)plot(xwd)title(小波降噪信号)axis tightthr1,sorh1,keepapp1,crit=ddencmp(de
2、n,wp,x);xwpd=wpdencmp(x,h,4,sym4,sure,thr1,1);subplot(313)plot(xwpd)title(小波包降噪信号)axis tight运行结果如下：区别：小波变换在低信噪比情况下的去噪效果较好，小波包分解去噪后信号更加的平滑；小波分解主要是针对细节成分全置0或者给定软（硬）阈值去噪，容易丢失信号中的有用信息。问题2：研究小波包分解树中各节点的重构系数，给出其频谱分布，讨论波包分解的频带划分程序如下：clcclear allload noisdopp;s=noisdopp;wpt=wpdec(s,3,sym1);plot(wpt);r20=wpr
3、coef(wpt,2 0);subplot(621)plot(r20)title(r20)subplot(623)hua_fft(r20,10000,1)title(r20的FFT)r21=wprcoef(wpt,2 1);subplot(622)plot(r21)title(r21)subplot(624)hua_fft(r21,10000,1)title(r21的FFT)r22=wprcoef(wpt,2 2);subplot(625)plot(r22)title(r22)subplot(627)hua_fft(r22,10000,1)title(r22的FFT)r23=wprcoef(w
4、pt,2 3);subplot(626)plot(r23)title(r23)subplot(628)hua_fft(r23,10000,1)title(r23的FFT)r10=wprcoef(wpt,1 0);subplot(629)plot(r10)title(r10)subplot(6,2,11)hua_fft(r10,10000,1)title(r10的FFT)r11=wprcoef(wpt,1 1);subplot(6,2,10)plot(r11)title(r11)subplot(6,2,12)hua_fft(r11,10000,1)title(r11的FFT)程序运行结果如下：问
5、题3：生成最优树结构，给出其熵值程序如下：clcclear allload noisdopp;x=noisdopp;wpt=wpdec(x,3,sym4);wpt=wpsplt(wpt,3 0);plot(wpt)bt=besttree(wpt);plot(bt)ent=read(wpt,ent,allnodes(wpt)T=entrupd(bt,shannon);ent=read(wpt,ent,allnodes(bt)图1 小波包树图2 最优小波包树表1 小波包树中各节点的熵值001011202122233031-3.3195-3.8687 -0.0128-4.4528-0.0194-0.
6、0068-0.0071-5.0345-0.04063233343536374041-0.0041-0.0374-0.0033-0.0026-0.0049-0.0014-5.3961-0.2270表2 最优小波包树中各节点的熵值001011202122233031-3.3195-3.8687 -0.0128-4.4528-0.0194-0.0068-0.0071-5.0345-0.040632334041-0.0041-0.0374-5.3961-0.2270全国驴友团队、自驾俱乐部、户外俱乐部、及各旅行社、社会团体，以及户外爱好者均可报名。报名时提供真实身份证信息、联系电话等信息。以报名款到帐成功为准确认报名资格
