CSI資料處理中的小波變換
[c,l] = wavedec(y(:,i),3,'db4');
wavedec函式用於一維小波變換,對訊號進行多層分解
[c,l]=wavedec(x,N,’wname’,),c表示各層分量,包括近似係數和細節係數,l表示各層分量長度,x表示原始訊號,N分解的層數,wname小波基名稱。這裡對訊號進行三層分解
a = wrcoef('a',c,l,'db4',3);
對wavedec分解的多層小波近似係數重構
a表示近似係數,d表示細節係數
細節係數代表它的高頻部分
細節係數含義?
小波變換的優點:小波變換去噪可以很好的保護有用的訊號尖峰和突變訊號。因此小波變換適合用於暫態訊號和瞬態訊號的噪聲去除方面,以及抑制高頻噪聲的干擾,有效將高頻資訊和高頻噪聲區分開來
比如說一個離散的訊號進來[2,4,6,3,5,9],這其中由6個數,小波變換首先會將這個訊號所攜帶的資訊進行壓縮,得到3個資訊進行儲存,那麼這些資訊就是用這些小波係數來表徵的
二級和二層應該說的都是做兩次小波分解的意思,至於第二層應該是第二次小波分解後的那個低頻分量,假如頻帶為100hz,那麼第一層得到的是0-50HZ頻帶的資料,第二層應該是0-25Hz頻帶的資料(每層處理後,頻帶會有改變)
單層近似係數曲線和細節係數曲線
選擇小波變化前訊號波形進行傅立葉變換,再對小波變換後的波形進行傅立葉變換,看頻譜圖差異可以確定是否濾除了高頻噪聲
選擇三級小波變換
The output vector, C, contains the wavelet decomposition. L contains the number of coefficients by level.
小波重構去噪去除的是低頻的噪聲,對高頻的噪聲效果幾乎為0,去除高頻噪聲建議使用CEEDMAN
STFT:短時傅立葉變換
小波直接把傅立葉變換的基給換了——將無限長的三角函式基換成了有限長的會衰減的小波基。
做傅立葉變換隻能得到一個頻譜,做小波變換卻可以得到一個時頻譜