小波去噪和突变点去除
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了小波去噪和突变点去除相关的知识,希望对你有一定的参考价值。
将下面产生的信号,进行小波去噪,并且将突变点去除,然后重构信号!
clc;
clear;
close all;
format short g;
f0=50.3;
fs=12800;%50*256=12800;
N=2048;%2048/256=8
n=[0:1:N-1];
xb=[220,0.5,25,0.4,6,0.3,4,0.2,2,1.2];
Q=[60,60,60,60,60,60,60,60,60,120];
y=zeros(1,N);
for i=1:10
y=y+xb(i)*cos(2*pi*f0*i*n./fs+Q(i)*pi/180);%原信号
end
figure (1);
subplot(511);
plot(n,y);
y=awgn(y,40,0);%加入噪声信号
subplot(512);
plot(n,y);
p = (stepfun(n,26)-stepfun(n,27)+stepfun(n,299)-stepfun(n,300)...
+stepfun(n,589)-stepfun(n,590)+stepfun(n,900)-stepfun(n,901));
% %在26点、299点、589点处加入脉冲信号
y=y+50*p;%脉冲信号的幅值为100
subplot(513);
plot(n,y);
将原来的信号再加上0.54*exp(-n./fs*10)*cos(2*pi*1500*n./fs+60),再去除这个信号,可以再追加分!
y=awgn(y,40,0);%加入噪声信号 这一句中逗号有问题,改成这样:y=awgn(y,40,0);%
+stepfun(n,589)-stepfun(n,590)+stepfun(n,900)-stepfun(n,901));
% %在26点、299点、589点处加入脉冲信号 参考技术A 这么专业的问题最好去MATLAB论坛上问,这里高手少,我看没人回答帮你顶一下,分给我吧
基于MATLAB的小波收缩法信号去噪
信号在采集、传输和获取的过程中难免会受到各种噪声的干扰,这些噪声也极大地影响着人们从信号中获取有用的信息,因此对信号去噪的研究显得十分重要。小波去噪是近年来信号与信息处理领域的热门技术,利用小波算法对信号进行去噪已经受到许多专家学者的重视,并取得了非常好的效果。
本文综述信号去噪的研究现状,通过对信号去噪方法的研究,从理论上分析了小波变换作为新型信号处理工具的优越性;然后重点研究小波收缩去噪算法,在分析了传统小波阈值收缩去噪算法的优缺点之后,引入一种自适应小波阈值函数和自适应阈值算法;在MATLAB软件环境下,通过对其工具箱中特有的Heavy sine曲线和Bumps曲线进行小波收缩去噪仿真试验,以此来验证小波收缩算法的有效性。实验结果表明,本文提出的小波阈值收缩去噪算法对比传统小波阈值收缩算法去噪效果更好。
本文基于信号去噪的研究背景,通过对信号去噪方法的研究,从理论上分析了小波变换作为新型信号处理工具的优越性,然后重点研究基于小波变换下的小波阈值收缩去噪算法,在介绍传统软硬收缩阈值函数后,根据其缺陷引入一种自适应阈值收缩算法。最后,在MATLAB软件环境下,通过对其工具箱中特有的仿真信号进行小波收缩降噪处理,以此来验证小波收缩算法的有效性,全文得出如下结论:
(1)小波变换是在傅里叶变换基础上改进的信号处理方法,该方法具有先进性。
(2)小波收缩去噪法是小波变换的重要应用,该算法原理简单,计算量小,使用范围广,在实际生活中得到了普遍应用。
(3)通过在MATLAB环境下分别对其工具箱中Heavy sine曲线和Bupms曲线进行仿真试验得出本文引入的自适应阈值函数可以较好地弥补传统小波收缩软、硬阈值函数的缺陷,达到信号去噪的目的。
以上是关于小波去噪和突变点去除的主要内容,如果未能解决你的问题,请参考以下文章