小波降噪程序（小波降噪labview）

本篇文章给大家谈谈小波降噪程序，以及小波降噪labview对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

微信号：cloud7591
如需了解更多，欢迎添加客服微信咨询。
复制微信号

本文目录一览：

• 1、matlab 二维小波降噪
• 2、小波去噪matlab程序
• 3、如何使用matlab对图片进行小波降噪处理
• 4、请求高人解答matlab小波包降噪问题，急急急，，，，，
• 5、急！！！在线等，求解答：一个小波去噪的matlab程序，高手进
• 6、小波变换降噪

matlab 二维小波降噪

错误提示说数组维数不一致，建议在错误的地方设置断点，之后调试运行，查看数组的维度

小波去噪matlab程序

哈哈！傻眼了吧，理论和实际不可兼得啊！对于你这个问题有如下建议：

小波去噪的试验，十个有九个都喜欢用正、余弦函数，但由于小波函数的几何特征，其实不易得到满意效果，你只能选择线性强的小波基，即对称性强并且光滑的小波，嘿嘿，貌似能做DWT的所有小波基中只有sym8的对称性最强（参看;msgtype=2），这样你将会得到其降噪效果好于其它小波基的谬论，实际应用中如果原始信号本身特征就不规律对称则有可能其它小波基的处理效果会好于sym8，这需要试错的方法试验，是你这个原始信号对称的前提假设造成的，但不可认为sym8适合你这个特殊例子就得出结论，你这试验只适合你的假设，其实并不适合所有情形，个人认为其实不具说服力和可比性。如同我家钥匙开不了你家门，是不能得出我家钥匙不如你家钥匙的结论滴。

当你的噪声特征与信号的特征的频率相近时，小波也无能为力，它不是神，也一样分不出啥是噪声，所以其一是可增加分解层数，你这个信号只有100个数，5层已经很高了，再增大也没啥用了，可能会过多显示小波基的特征，造成扭曲失真（如果用SWT会好很多，但需要自己编制函数）；其二是参数SCAL可以改为伸缩的sln，而不是固定的one，这样分解层数和SCAL都将起作用，你可以试着改改玩，效果还行。

分解5层

分解8层

你可以试试只分解一层的状况，频率最低的几处噪声会保留下来哦！

如何使用matlab对图片进行小波降噪处理

  X = imread('lena.bmp'); % 装载原始图像

  subplot(131); % 新建窗口

  imshow(X); % 显示图像

  title('原始图像'); % 设置图像标题

  %生成含噪图像

  init=2055615866; % 初始值

  randn('seed',init); % 随机值

  XX=double(X)+15*randn(size(X)); % 添加随机噪声

  subplot(132); % 新建窗口

  imshow(uint8(XX)); % 显示图像

  title('含噪图像'); % 设置图像标题

  %用小波函数coif2 对图像XX 进行2 层分解

  [c,l]=wavedec2(XX,2,'coif2'); % 分解

  n=[1,2]; % 设置尺度向量

  p=[80,80]; % 设置阈值向量,对高频小波系数进行阈值处理

  nc=wthcoef2('d',c,l,n,p,'s');

  X1=waverec2(nc,l,'coif2'); % 图像的二维小波重构

  subplot(133); % 新建窗口

  imshow(uint8(X1)); % 显示图像

  title('消噪后的图像'); % 设置图像标题

请求高人解答matlab小波包降噪问题，急急急，，，，，

按照你上面的代码，a3 dd3 dd2 dd1是应该都为行向量，它们的长度a3和dd3长度相等，dd2约等于其一倍，dd1又是dd2的约一倍左右，c1=[a3 dd3 dd2 dd1]是4个行向量按顺序依次组成总小波系数数组，这代码没啥问题，waverec和wavedec函数都是依靠CL组构的，它对C处理没啥难以理解的，L数组存放的就是a3 dd3 dd2 dd1长度值，靠他在C中取出最高阶的a和其他各阶的d，a和d的小波系数本来就不等长，这样才能实现DWT理论中各层分解中小波函数伸长的效果。就是因为它们不等长，用元胞数组操作太麻烦，所以才把系数混排成一行，再加一个长度数组L共同操作来访问数据。所以不知道你对这有啥疑问？

急！！！在线等，求解答：一个小波去噪的matlab程序，高手进

%%%%%%%%%%%%%%%%%%心电信号降噪

%%%%%%%%%%%%%%%Birge-Massart策略阈值降噪

%基于小波变换的心电信号的降噪

ecg=fopen('100.dat','r');% 调用心电数据库 r为只读，ecg是打开文件的识别符

N=1201;%常数赋值，要读数据个数

data=fread(ecg,N,'int16'); %从一个流中读N个数据，数据格式是int16,16进制整数

data=data/10000;%数据缩小10000倍

fclose(ecg);%关闭打开的文件

x=data;%把数据转赋给x变量

wavename='db5'; %db5是小波名

level=4;%4级分解

[c,l]=wavedec(x,level,wavename); %4级小波分解，c保存各级分解系数，l是薄记矩阵，保存各级的系数的个数

alpha=1.5; %1.5用于信号压缩，3用于降噪

sorh='h'; %为硬阈值

[thr,nkeep]=wdcbm(c,l,alpha);%使用Birgé-Massart策略计算一维小波分解或压缩的阈值thr和各级的系数个数nkeep

[xc,cxc,lxc,perf0,perfl2]=wdencmp('lvd',c,l,wavename,level,thr,sorh); %小波压缩重构后的图像

t1=0:0.004:(length(x)-1)*0.004;%一行数据

figure(4);%打开一个图形窗口

subplot(211); %子图1

plot(t1,x);%画图形

title('从人体采集的原始的ECG信号');%加上子图名称

subplot(212);%子图2

plot(t1,xc);%画图形

title('Birge-Massart策略阈值降噪后的ECG信号（wname=db5 level=4）');%加上子图名称

小波变换降噪

%源代码来自于在《MATLAB环境下基于小波变换的图像去噪》刘智clear;clc % 清理工作空间

load wbarb; % 装载原始图像

subplot(221); % 新建窗口

image(X); % 显示图像

colormap(map); % 设置色彩索引图

title('原始图像'); % 设置图像标题

axis square; % 设置显示比例,生成含噪图像并图示

init=; % 初始值

randn('seed',init); % 随机值

XX=X+8*randn(size(X)); % 添加随机噪声

subplot(222); % 新建窗口

image(XX); % 显示图像

colormap(map); % 设置色彩索引图

title('含噪图像'); % 设置图像标题

axis square; %用小波函数coif2 对图像XX 进行2 层分解

[c,l]=wavedec2(XX,2,'coif2'); % 分解

n=[1,2]; % 设置尺度向量

p=[10.28,24.08]; % 设置阈值向量,对高频小波系数进行阈值处理

%nc=wthcoef2('h',c,l,n,p,'s');

%nc=wthcoef2('v',c,l,n,p,'s');

nc=wthcoef2('d',c,l,n,p,'s');

X1=waverec2(nc,l,'coif2'); % 图像的二维小波重构

subplot(223); % 新建窗口

image(X1); % 显示图像

colormap(map); %设置色彩索引图

title('第一次消噪后的图像'); % 设置图像标题

axis square; % 设置显示比例,再次对高频小波系数进行阈值处理

%mc=wthcoef2('h',nc,l,n,p,'s');mc=wthcoef2('v',nc,l,n,p,'s');

mc=wthcoef2('d',nc,l,n,p,'s');

X2=waverec2(mc,l,'coif2'); % 图像的二维小波重构

subplot(224); % 新建窗口

image(X2); % 显示图像

colormap(map); % 设置色彩索引图

title('第二次消噪后的图像'); % 设置图像标题

axis square; % 设置显示比例

关于小波降噪程序和小波降噪labview的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。