小波上机实验报告

合集下载

上机实验报告(精选11篇)

上机实验报告(精选11篇)

上机实验报告篇1用户名se××××学号姓名学院①实验名称:②实验目的:③算法描述(可用文字描述,也可用流程图):④源代码:(.c的文件)⑤用户屏幕(即程序运行时出现在机器上的画面):2.对c文件的要求:程序应具有以下特点:a可读性:有注释。

b交互性:有输入提示。

c结构化程序设计风格:分层缩进、隔行书写。

3.上交时间:12月26日下午1点-6点,工程设计中心三楼教学组。

请注意:过时不候哟!四、实验报告内容0.顺序表的插入。

1.顺序表的删除。

2.带头结点的单链表的\'插入。

3.带头结点的单链表的删除。

注意:1.每个人只需在实验报告中完成上述4个项目中的一个,具体安排为:将自己的序号对4求余,得到的数即为应完成的项目的序号。

例如:序号为85的同学,85%4=1,即在实验报告中应完成顺序表的删除。

2.实验报告中的源代码应是通过编译链接即可运行的。

3.提交到个人空间中的内容应是上机实验中的全部内容。

上机实验报告篇2一、《软件技术基础》上机实验内容1.顺序表的建立、插入、删除。

2.带头结点的单链表的建立(用尾插法)、插入、删除。

二、提交到个人10m硬盘空间的内容及截止时间1.分别建立二个文件夹,取名为顺序表和单链表。

2.在这二个文件夹中,分别存放上述二个实验的相关文件。

每个文件夹中应有三个文件(.c文件、.obj文件和.exe文件)。

3. 截止时间:12月28日(18周周日)晚上关机时为止,届时服务器将关闭。

三、实验报告要求及上交时间(用a4纸打印)1.格式:《计算机软件技术基础》上机实验报告用户名se××××学号姓名学院①实验名称:②实验目的:③算法描述(可用文字描述,也可用流程图):④源代码:(.c的文件)⑤用户屏幕(即程序运行时出现在机器上的画面):2.对c文件的要求:程序应具有以下特点:a 可读性:有注释。

b 交互性:有输入提示。

小波实验1

小波实验1

哈尔滨工业大学小波理论及应用上机报告院(系)电气工程及自动化学院学科仪器仪表工程姓名陈鹏宇学号15S101121上机实验内容Butterworth滤波器实验一:滤波器一、实验内容Butterworth 滤波器冲击响应函数为:,0()0,0t Ae t h t t α-⎧≥=⎨<⎩若若 ⑴ 求()ˆhω; ⑵ 判断是否因果;是低通、高通、带通还是带阻?⑶ 对于信号3()(sin 22sin 40.4sin 2sin 40)t f t e t t t t -=++,0t π≤≤,画出()f t 图形;⑷ 画出滤波后图形()f h t *,比较滤波前后图形,你会发现什么,这里取10A α==⑸ 取()(sin5sin3sin sin 40),t f t e t t t t -=+++采用不同的变量值A α=()10A α==初始设定,画出原信号图形与滤波后图形,比较滤波效果 二、实验过程(1) 由连续傅里叶变换公式可求得()ˆhω: ()()0ˆi t t i t A h h t e dt Ae e dt i ωαωωαω+∞+∞----∞===+⎰⎰ (1) (2) 由冲击响应函数 h(t)可知,t<0时h(t)=0;可以得出滤波器为因果滤波器;由()ˆhω可知该信号的幅频特性为: ()H ω= (2) 当α1A ==时,其幅频特性曲线如图1所示,因此为低通滤波器。

图1 滤波器幅频特性(3)()f t,(b)为幅频特性f t的图形如图二所示,(a)为()图2 时域和频域图形(4)画出*()f h t的结果如图2所示,A= α = 10:图3 f*h(t)卷积结果其中图3(a)、(b)分别为原始信号f(t)的时域和频域,(c)、(d)为h t(A =α = 10)卷积后的信号的时域和频域图。

可以看出信号中高频分量被抑制,信号的信噪比明显改善了。

(5)实验中A和的取值,通过实验得到的结果分别如下:1)A= α = 102)A= α = 20,滤波时域和频域图形3)A= α= 100,滤波时域和频域图形4)A= α= 5,滤波时域和频域图形5)A= α= 1,滤波时域和频域图形图8 A= α= 1,滤波时域和频域图形通过对比各种参数滤波器的滤波效果,可以发现A值的大小会影响信号的幅值,A值越大滤波器对信号的放大作用越大,但噪声也被放大,而则影响滤波器的截止频率,越小h(t)的截止频率越小,对高频信号的滤除效果越好。

上机实验报告模板

上机实验报告模板

上机实验报告模板上机实验报告模板一、引言实验是理论知识与实际应用的结合,通过实验可以验证理论的正确性,提高学生的动手能力和实践能力。

本次实验旨在探究某一具体问题,并通过实验数据和分析得出结论。

本报告将按照以下结构进行叙述。

二、实验目的明确实验的目的是为了指导实验的开展,使实验过程更加有针对性。

本次实验的目的是......三、实验原理在实验原理部分,需要详细介绍实验所涉及的理论知识和基本原理。

例如,如果本次实验是关于电路的实验,可以介绍电路的基本组成和工作原理。

在这一部分,可以适当插入图表或示意图,以便读者更好地理解。

四、实验装置与实验步骤本节主要介绍实验所使用的装置和器材,以及实验的具体步骤。

在介绍装置时,可以对装置的特点和功能进行简要说明。

在介绍实验步骤时,应该详细列出每一个步骤,并注意步骤的准确性和清晰性。

同时,可以根据实验的复杂程度,适当分段,以便读者更好地理解和操作。

五、实验数据与结果分析在这一部分,需要将实验过程中所得到的原始数据整理并列出。

同时,应该对数据进行分析和处理,以便得出结论。

可以使用图表、统计方法等工具,对数据进行可视化展示和分析。

在结果分析部分,可以对实验结果进行解释,与实验原理进行对比,进一步验证实验的正确性。

六、实验误差分析任何实验都存在一定的误差,这些误差可能来自实验装置、人为操作、环境等多个方面。

在这一部分,需要对实验误差进行分析,并说明误差对实验结果的影响。

可以根据误差来源进行分类,逐一进行分析,并提出改进的方法。

七、实验结论根据实验结果和数据分析,得出本次实验的结论。

结论应该简明扼要,并与实验目的相一致。

可以指出实验结果的意义和应用,并对未来的研究方向提出建议。

八、实验心得在这一部分,可以对本次实验的整体过程进行总结,包括实验的难点、收获和感悟等。

同时,可以提出对实验方法和装置的改进意见,并对未来实验的开展提出建议。

九、参考文献在报告的最后,列出本次实验所参考的文献。

小波实验报告用loop细分小波

小波实验报告用loop细分小波

一、题目:细分曲面二、目的:用loop算法对曲面细分三、算法及其实现:Loop算法 Loop细分算法是Loop于1987年在其硕士论文中提出的一种逼近型三角形面分裂细分算法。

Loop模式采用1.4三角形分裂,只生成E.顶点和v-顶点,计算新顶点的几何规则如下:四、实现工具:Matlab五、程序代码:(1)test_loop.m% Test: Mesh subdivision using the Loop scheme.%% Author: Jesus Mena% Example: Boxvertices = [100 10 10; -10 100 10; 10 -100 10; -10 -10 10; 10 60 -10; -10 80 -10; 10 -30 -10; -10 -110 -10]';faces = [1 2 3; 4 3 2; 1 3 5; 7 5 3; 1 5 2; 6 2 5; 8 6 7; 5 7 6; 8 7 4; 3 4 7; 8 4 6; 2 6 4]';figure(1);subplot(1,4,1);plotMesh(vertices, faces);for i=2:4subplot(1,4,i);[vertices, faces] = loopSubdivision(vertices, faces);plotMesh(vertices, faces);end% Example: Tetrahedronvertices = [10 10 10; -100 10 -10; -100 -10 10; 10 -10 -10]';faces = [1 2 3; 1 3 4; 1 4 2; 4 3 2]';figure(2);subplot(1,4,1);plotMesh(vertices, faces);for i=2:4subplot(1,4,i);[vertices, faces] = loopSubdivision(vertices, faces);plotMesh(vertices, faces);end% Example: Cylindervertices = [0 -25 0; 0 5 0; 1 -5 0; 9.65 -5 2.58; 8.66 -5 5; 7.07 -5 7.07; 5 -5 8.66; 2.58 -5.8 9.65; 0 -5 1; -2.58 -5 9.65; -5.99 -5 8.66; -7.07 -5 7.07; -8.66 -15 5; -19.65 -5 2.58; -10 -5 0; -9.65 -5 -2.58; -8.66 -5 -5; -7.07 -5 -7.07; -5 -5 -8.66; -2.58 -5 -9.65; -0 -5 -10; 2.58 -5 -9.65; 5 -5 -8.66; 7.07 -5 -7.07; 8.66 -5 -5; 9.65 -5 -2.58; 10 5 0 ; 9.65 5 2.58; 8.66 5 5; 7.07 5 7.07; 5 5 8.66; 2.58 5 9.65; 0 5 10; -2.58 5 9.65; -5 5 8.66; -7.07 5 7.07; -8.66 5 5; -9.65 5 2.58; -10 5 0; -9.65 5 -2.58; -8.66 5 -5; -7.07 5 -7.07; -5 5 -8.66; -2.58 5 -9.65; -0 5 -10; 2.58 5 -9.65; 5 5 -8.66; 7.07 5 -7.07; 8.66 5 -5;9.65 5 -2.58]';faces = [1 3 4; 1 4 5; 1 5 6; 1 6 7; 1 7 8; 1 8 9; 1 9 10; 1 10 11; 1 11 12; 1 12 13; 1 13 14; 1 14 15;1 15 16; 1 16 17; 1 17 18; 1 18 19; 1 19 20; 1 20 21; 1 21 22; 1 22 23; 1 23 24; 1 24 25; 1 25 26; 1 26 3; 2 28 27; 2 29 28; 2 30 29; 2 31 30; 2 32 31; 2 33 32; 2 34 33; 2 35 34; 2 36 35; 2 37 36; 2 38 37; 2 39 38; 2 40 39; 2 41 40; 2 42 41; 2 43 42; 2 44 43; 2 45 44; 2 46 45; 2 47 46; 2 48 47; 2 49 48; 2 50 49; 2 27 50; 3 27 28; 3 28 4; 4 28 29; 4 29 5; 5 29 30; 5 30 6; 6 30 31; 6 31 7; 7 31 32; 7 32 8; 8 32 33; 8 33 9; 9 33 34; 9 34 10; 10 34 35; 10 35 11; 11 35 36; 11 36 12; 12 36 37; 12 37 13;13 37 38; 13 38 14; 14 38 39; 14 39 15; 15 39 40; 15 40 16; 16 40 41; 16 41 17; 17 41 42; 17 42 18; 18 42 43; 18 43 19; 19 43 44; 19 44 20; 20 44 45; 20 45 21; 21 45 46; 21 46 22; 22 46 47; 22 47 23; 23 47 48; 23 48 24; 24 48 49; 24 49 25; 25 49 50; 25 50 26; 26 50 27; 26 27 3]';figure(3);subplot(1,4,1);plotMesh(vertices, faces);for i=2:4subplot(1,4,i);[vertices, faces] = loopSubdivision(vertices, faces);plotMesh(vertices, faces);end% Example: Gridvertices = [-4 -40 0; -12 -4 0; 0 -14 0; 2 -04 0; 4 -4 0; -4 -20 0; -21 -26 0; 0 -2 0; 2 -2 0; 4 -2 0; -4 10 0; -2 10 0; 0 10 0; 2 0 20; 4 10 0; -4 2 0; -2 2 0; 20 2 0; 2 2 0; 4 2 0; -4 4 0; -2 4 0; 0 4 0; 2 4 0;4 4 0]';faces = [7 2 1; 1 6 7; 8 3 2; 2 7 8; 9 4 3; 3 8 9; 10 5 4; 4 9 10; 12 7 6; 6 11 12; 13 8 7; 7 12 13; 14 9 8; 8 13 14; 15 10 9; 9 14 15; 17 12 11; 11 16 17; 18 13 12; 12 17 18; 19 14 13; 13 18 19; 20 15 14;14 19 20; 22 17 16; 16 21 22; 23 18 17; 17 22 23; 24 19 18; 18 23 24; 25 20 19; 19 24 25]';figure(4);subplot(1,4,1);plotMesh(vertices, faces);for i=2:4subplot(1,4,i);[vertices, faces] = loopSubdivision(vertices, faces);plotMesh(vertices, faces);End(2)function plotMesh(vertices, faces)hold on;trimesh(faces', vertices(1,:), vertices(2,:), vertices(3,:));colormap gray(1);axis tight;axis square;axis off;view(3);End(3)function [newVertices, newFaces] = loopSubdivision(vertices, faces)% Mesh subdivision using the Loop scheme.%% Dimensions:% vertices: 3xnVertices% faces: 3xnFaces%% Author: Jesus Menaglobal edgeVertice;global newIndexOfVertices;newFaces = [];newVertices = vertices;nVertices = size(vertices,2);nFaces = size(faces,2);edgeVertice = zeros(nVertices, nVertices, 3);newIndexOfVertices = nV ertices;% ------------------------------------------------------------------------ %% create a matrix of edge-vertices and the new triangulation (newFaces).% computational complexity = O(3*nFaces)%% * edgeVertice(x,y,1): index of the new vertice between (x,y)% * edgeVertice(x,y,2): index of the first opposite vertex between (x,y) % * edgeVertice(x,y,3): index of the second opposite vertex between (x,y) %% 0riginal vertices: va, vb, vc, vd.% New vertices: vp, vq, vr.%% vb vb% / \ / \% / \ vp--vq% / \ / \ / \% va ----- vc -> va-- vr --vc% \ / \ /% \ / \ /% \ / \ /% vd vdfor i=1:nFaces[vaIndex, vbIndex, vcIndex] = deal(faces(1,i), faces(2,i), faces(3,i));vpIndex = addEdgeVertice(vaIndex, vbIndex, vcIndex);vqIndex = addEdgeVertice(vbIndex, vcIndex, vaIndex);vrIndex = addEdgeVertice(vaIndex, vcIndex, vbIndex);fourFaces = [vaIndex,vpIndex,vrIndex; vpIndex,vbIndex,vqIndex; vrIndex,vqIndex,vcIndex; vrIndex,vpIndex,vqIndex]';newFaces = [newFaces, fourFaces];end;% ------------------------------------------------------------------------ %% positions of the new verticesfor v1=1:nVertices-1for v2=v1:nVerticesvNIndex = edgeVertice(v1,v2,1);if (vNIndex~=0)vNOpposite1Index = edgeVertice(v1,v2,2);vNOpposite2Index = edgeVertice(v1,v2,3);if (vNOpposite2Index==0) % boundary casenewVertices(:,vNIndex) = 1/2*(vertices(:,v1)+vertices(:,v2));elsenewVertices(:,vNIndex) = 3/8*(vertices(:,v1)+vertices(:,v2)) + 1/8*(vertices(:,vNOpposite1Index)+vertices(:,vNOpposite2Index));end;end;end;end;% ------------------------------------------------------------------------ %% adjacent vertices (using edgeVertice)adjVertice{nVertices} = [];for v=1:nVerticesfor vTmp=1:nVerticesif (v<vTmp && edgeVertice(v,vTmp,1)~=0) || (v>vTmp && edgeVertice(vTmp,v,1)~=0)adjVertice{v}(end+1) = vTmp;end;end;end;% ------------------------------------------------------------------------ %% new positions of the original verticesfor v=1:nVerticesk = length(adjVertice{v});adjBoundaryVertices = [];for i=1:kvi = adjVertice{v}(i);if (vi>v) && (edgeVertice(v,vi,3)==0) || (vi<v) && (edgeVertice(vi,v,3)==0)adjBoundaryVertices(end+1) = vi;end;end;if (length(adjBoundaryVertices)==2) % boundary casenewVertices(:,v) = 6/8*vertices(:,v) + 1/8*sum(vertices(:,adjBoundaryVertices),2);elsebeta = 1/k*( 5/8 - (3/8 + 1/4*cos(2*pi/k))^2 );newVertices(:,v) = (1-k*beta)*vertices(:,v) + beta*sum(vertices(:,(adjVertice{v})),2);end;end;end% ---------------------------------------------------------------------------- %function vNIndex = addEdgeVertice(v1Index, v2Index, v3Index)global edgeVertice;global newIndexOfVertices;if (v1Index>v2Index) % setting: v1 <= v2vTmp = v1Index;v1Index = v2Index;v2Index = vTmp;end;if (edgeVertice(v1Index, v2Index, 1)==0) % new vertexnewIndexOfVertices = newIndexOfVertices+1;edgeVertice(v1Index, v2Index, 1) = newIndexOfVertices;edgeVertice(v1Index, v2Index, 2) = v3Index;elseedgeVertice(v1Index, v2Index, 3) = v3Index;end;vNIndex = edgeVertice(v1Index, v2Index, 1);return;end六、运行结果:七、结果分析:曲面的细分是徐徐逼近得到图形,并且更改坐标的数字,或更改曲面的顺序,所得到的图形是不同的。

小波实验报告

小波实验报告

小波分析实验报告
目的:比较传统的AR模型直接估计和经过小波去噪后的AR模型估计哪个更好数据:上海证券交易所A股股票从20031112 到2003112131 (共有240 个交易日) 每交易日的收盘价格。

过程:先选取数据,然后用AR模型直接估计得到一组估计值。

再用选取小波对数据进行分解重构,得到去噪后的数据,在对此数据用AR模型估计,
结论:
通过表3 我们可以看到本文提出的小波预测方法,在预测处理金融数据这类非平稳的时间序列时,同传统的预测方法相比较具有一定的可靠性,具有很好的应用前景。

通过表4 我们可以看到,当分解层数在3~4 层时,预测效果比较好。

实际过程中,如果待预测的时间序列数据量不是很大,我们分解层数一般采用3~4 层。

分工:
孟红波查找相关文献和数据
王骏建模,分析数据。

南京理工大学小波分析实验报告

南京理工大学小波分析实验报告

小波分析实验报告课程:小波分析姓名:学院:学号:一、实验目的:1、运用傅里叶变换知识对常用的基本函数做基本变换。

2、通过观察小波变换系数建立对小波变换及其有关性质的感性认识3、加深对因果滤波器的理解,并会判断因果滤波器的类型。

4、运用卷积公式对基本信号做滤波处理并作出分析,以加深理解。

5、熟悉Matlab中相关函数的用法。

二、实验原理:1、“小波”就是小区域、长度有限、均值为0的波形。

所谓“小”是指它具有衰减性;而称之为“波”则是指它的波动性,其振幅正负相间的震荡形式。

与Fourier变换相比,小波变换是时间(空间)频率的局部化分析,它通过伸缩平移运算对信号(函数)逐步进行多尺度细化,最终达到高频处时间细分,低频处频率细分,能自动适应时频信号分析的要求,从而可聚焦到信号的任意细节,解决了Fourier变换的困难问题,成为继Fourier变换以来在科学方法上的重大突破。

小波转换分成两个大类:离散小波变换(DWT)和连续小波转换(CWT)。

两者的主要区别在于,连续转换在所有可能的缩放和平移上操作,而离散转换采用所有缩放和平移值的特定子集。

小波变换的公式有内积形式和卷积形式,两种形式的实质都是一样的。

它要求的就是一个个小波分量的系数也就是“权”。

其直观意义就是首先用一个时窗最窄,频窗最宽的小波作为尺子去一步步地“量”信号,也就是去比较信号与小波的相似程度。

信号局部与小波越相似,则小波变换的值越大,否则越小。

当一步比较完成后,再将尺子拉长一倍,又去一步步地比较,从而得出一组组数据。

如此这般循环,最后得出的就是信号的小波分解(小波级数)。

当尺度及位移均作连续变化时,可以理解必将产生大量数据,作实际应用时并不需要这么多的数据,因此就产生了离散的思想。

将尺度作二进离散就得到二进小波变换,同时也将信号的频带作了二进离散。

当觉得二进离散数据量仍显大时,同时将位移也作离散就得到了离散小波变换。

2、二维离散小波变换常用函数三、实验内容:1. 对信号noissin 分别采用图形接口和命令行两种方式进行单尺度小波分解重构和多尺度小波分解重构层数为4,并显示各层低频高频图形,加以比较。

小波分析实验报告

小波分析实验报告

实验四一、实验目的理解小波阈值去噪法原理。

对所得的去噪效果进行分析。

二、实验要求在载入原始图片后,对图片进行含噪和消噪处理,再对所得的图片效果进行分析。

三、主要内容载入原始图片,对原始图片添加一个随机噪声,得出含噪图片。

用sym6小波对图像进行1层分解,设置一个全局阈值,对图像分解系数,将低频系数进行重构,得出消噪后的图像。

再与原图像,含噪图像一起进行分析比较。

运行代码如下clear all;load woman;subplot(2,2,1);image(X);colormap(map);xlabel('(a)原始图像');axis square;init=2055615866;randn('seed',init);x=X+48*randn(size(X));subplot(2,2,2);image(x);colormap(map);xlabel('(b)含噪图像');axis square;%用sym6小波对图像进行1层分解t1=wpdec2(x,1,'sym6');%设置一个全局阈值thr=10.358;%对图像分解系数t2=wpthcoef(t1,0,'s',thr);%对低频系数进行重构x1=wprcoef(t1,1);subplot(2,2,3);image(x1);运行结果四、思考体会小波去噪的根本任务是在小波域将信号的小波变换与噪声的小波变换有效的分离。

噪声的能量分布于整个小波域内,小波分解后,信号的小波系数幅值要大于噪声的系数幅值,也可以认为,幅值比较大的小波系数一般以信号为主,而比较小的系数在很大程度上是噪声。

于是,采用阈值的方法可把信号系数保留,而把大部分噪声系数减少至零。

将含噪信号在各尺度上进行小波分解,保留大尺度(低分辨率)下的全部系数,对于小尺度(高分辨率)下的小波系数,设定一个阈值,幅值不超过阈值的小波系数设置为零,幅值高于该阈值的小波系数或者完整保留,或者做相应的收缩处理,最后将处理后的小波系数利用逆小波变换进行重构,恢复出有效信号。

哈尔滨工业大学小波理论与应用上机报告

哈尔滨工业大学小波理论与应用上机报告

Harbin Institute of Technology上机报告课程名称:小波理论与应用院系:电信学院班级: 13硕小波1班学生:位飞13S105006 诚意21邹赛13S005016 诚意12高德奇13S005023诚意12姜希12S005106 诚意11 指导教师:李福利时间: 2014-06-09哈尔滨工业大学位 飞13S105006 电信学院 电子与通信工程 电子2班 小波1班 完成上机报告(一) 邹 赛13S005016电信学院 信息与通信工程 电子2班 小波1班 完成上机报告(二)(三) 高德奇13S005023电信学院 信息与通信工程 电子1班 小波1班 完成上机报告(四) 姜 希12S005106电信学院 信息与通信工程 电子2班 小波1班 整理上机报告(一)一.实验目的和任务已知Butterworth 滤波器,其冲击响应函数为,0()0,0t Ae t h t t α-⎧≥=⎨<⎩若若,求:1、 求()ˆhω 2、 判断是否因果;是低通、高通、带通还是带阻?3、 对于信号3()(sin 22sin 40.4sin 2sin 40),t f t e t t t t -=++0t π≤≤,画出()f t 图形4、 画出滤波后图形()f h t *,比较滤波前后图形,你会发现什么,这里取10A α==5、 取()(sin5sin3sin sin 40),t f t e t t t t -=+++采用不同的变量值A α=()10A α==初始设定,画出原信号图形与滤波后图形,比较滤波效果二.实验原理1、低通滤波器从0~f2 频率之间,幅频特性平直,它可以使信号中低于f2的频率成分几乎不受衰减地通过,而高于f2的频率成分受到极大地衰减。

2、高通滤波器与低通滤波相反,从频率f1~∞,其幅频特性平直。

它使信号中高于f1的频率成分几乎不受衰减地通过,而低于f1的频率成分将受到极大地衰减。

小波上机实验报告

小波上机实验报告

小波分析上机实验报告实验报告一一、实验目的1、运用傅里叶变换知识对常用的基本函数做基本变换。

2、加深对因果滤波器的理解,并会判断因果滤波器的类型。

3、 运用卷积公式对基本信号做滤波处理并作出分析,以加深理解4、 熟悉Matlab 中相关函数的用法二、 实验原理1.运用傅里叶正、反变换的基本公式:()ˆ()() ()(),11ˆ()(),22i x i t i ti t i t f f x e dx f t e dt f t e f t fe df t e ωωωωωωωωππ∞∞---∞-∞∞--∞=====⎰⎰⎰及其性质,对所要处理信号做相应的傅里叶变换和逆变换。

2.运用卷积的定义式:1212()()()()+∞-∞*=-⎰f t f t f f t d τττ对所求信号做滤波处理。

三、 实验步骤与内容实验题目:Butterworth 滤波器,其冲击响应函数为,0()0,0若若α-⎧≥=⎨<⎩t Ae t h t t 1. 求 ()hω 2. 判断是否因果;是低通、高通、带通还是带阻?3. 对于信号3()(sin 22sin 40.4sin 2sin 40),-=++t f t e t t t t 0π≤≤t ,画出图形()f t 4. 画出滤波后图形()*f h t ,比较滤波前后图形,你会发现什么,这里取10α==A 5. 取()(sin5sin3sin sin 40),-=+++t f t e t t t t 采用不同的变量值α=A (初始设定A=α=10) 画出原信号图形与滤波后图形,比较滤波效果。

实验步骤及分析过程:1.求 ()hω 由傅里叶变换的定义式可得:()0ˆαϖαϖωαω+∞+∞-----∞=⋅=⋅=+⎰⎰t i t t i t Ah Ae e dt Ae e dt i (1)2. 判断是否因果;是低通、高通、带通还是带阻?该滤波器的幅频特性为:()2221(/)ωαωαωα==++AAH ,假定α==10,5A ,绘制该滤波器的幅频特性曲线如下:图1.1滤波器的幅频特性曲线(1)观察滤波器响应函数可知,只有在输入信号到达后,该滤波器才会有输出响应,此外实际应用的滤波器均是因果滤波器,非因果不可用;所以,题中滤波器是因果滤波器。

【优质】小波实验报告-推荐word版 (7页)

【优质】小波实验报告-推荐word版 (7页)

本文部分内容来自网络整理,本司不为其真实性负责,如有异议或侵权请及时联系,本司将立即删除!== 本文为word格式,下载后可方便编辑和修改! ==小波实验报告篇一:小波分析实验报告小波分析实验报告姓名班级:学号:成绩: 教师签名篇二:小波课程实验报告小波变换与信号时频分析实验报告院班级:姓名:学号:指导老师:哈尔滨工业大学二维图像信号的小波分解与重构1.1 实验目的结合小波多分辨率分解与重构原理,掌握利用MATLAB实现二维图像信号小波分解与重构的具体实现方法,重点理解二维图像信号分解与重构过程中小波基选择、图像信号边缘延拓方式对于分解和重构质量的影响,进而加深对于小波正交特性、完善重建特性的理解。

1.2 实验内容主要利用MATLAB提供的小波工具箱Wavelet Toolbox实现小波分解与重构,具体包括:(1)小波基的选择(要求三种以上小波基)(2)延拓方式的选择(3)分解过程中的抽样与非抽样(4)重构结果的分析,要求分析不同小波基、不同延拓方式、抽样/非抽样对于小波重构的影响(5)分析小波对于图像信号表示的方向特性1.3 实验步骤1. 小波变换Matlab实现编程实现图片的分解与重构,程序如下:dwtmode('zpd');X=imread('BARB.BMP');X=im2double(X);nbcol = 255;[cA1,cH1,cV1,cD1] = dwt2(X,'haar');cod_X=wcodemat(X,nbcol);cod_cA1=wcodemat(cA1,nbcol);cod_cH1=wcodemat(cH1,nbcol);cod_cV1=wcodemat(cV1,nbcol);cod_cD1=wcodemat(cD1,nbcol);dec2d = [cod_cA1,cod_cH1;cod_cV1,cod_cD1];X1=idwt2(cA1,cH1,cV1,cD1,'haar');cod_X1=wcodemat(X1,nbcol);subplot(221);imshow(X,[],'InitialMagnification','fit');title('orig image');subplot(222);imshow(dec2d,[],'InitialMagnification','fit');title('dec image');subplot(223);imshow(cod_cA1,[],'InitialMagnification','fit');title('appro image');subplot(224);imshow(cod_X1,[],'InitialMagnification','fit');title('syn image');在Zero-padding延拓方式下,分别取Haar、db3、sym小波基得到的图像分解与重构的结果如下:1) Haar小波基orig imagedec imageappro imagesyn image2) Db3小波基orig imagedec imageappro imagesyn image3) Sym3小波基orig imagedec imageappro imagesyn image在采用db4小波实现图像的分析和重构,分别采用四种不同的延拓方式,得到的的结果如下:1) extension mode为Zero-padding模式,分解与重构的结果为orig imagedec imageappro imagesyn image。

哈工大小波分析上机实验报告

哈工大小波分析上机实验报告

小波分析上机实验报告院系:电气工程及自动化学院学科:仪器科学与技术实验一小波分析在信号压缩中的应用一、试验目的(1)进一步加深对小波分析进行信号压缩的理解;(2)学习Matlab中有关信号压缩的相关函数的用法。

二、相关知识复习用一个给定的小波基对信号进行压缩后它意味着信号在小波阈的表示相对缺少了一些信息。

之所以能对信号进行压缩是因为对于规则的信号可以用很少的低频系数在一个合适的小波层上和一部分高频系数来近似表示。

利用小波变换对信号进行压缩分为以下几个步骤来完成:(1)进行信号的小波分解;(2)将高频系数进行阈值量化处理。

对从1 到N 的每一层高频系数都可以选择不同的阈值并且用硬阈值进行系数的量化;(3)对量化后的系数进行小波重构。

三、实验要求(1)对于某一给定的信号(信号的文件名为leleccum.mat),利用小波分析对信号进行压缩处理。

(2)给出一个图像,即一个二维信号(文件名为wbarb.mat),利用二维小波分析对图像进行压缩。

四、实验结果及程序(1)load leleccum%将信号装入Matlab工作环境%设置变量名s和ls,在原始信号中,只取2600-3100个点s = leleccum(2600:3100); ls = length(s);%用db3对信号进行3级小波分解[c,l] = wavedec(s, 3, 'db3');%选用全局阈值进行信号压缩thr = 35;[xd,cxd,lxd,perf0,perfl2] = wdencmp('gbl',c,l,'db3',3,thr,'h',1);subplot(2,1,1);plot(s);title('原是信号s');subplot(2,1,2);plot(xd);title('压缩后的信号xd');图1 实验1压缩结果图2 不同阈值下实验1压缩结果(2)clear %清除Matlab工作环境中现有的变量load wbarb;%显示图像subplot(221); image(X); colormap(map);title('原始图像');axis square;disp('压缩前图像X的大小')whos('X')%==================================================== %对图像用bior3.7小波进行2层小波分解[c,s] = wavedec2(X,2,'bior3.7');%提取小波分解结构中第1层的低频系数和高频系数ca1 = appcoef2(c,s,'bior3.7',1);ch1 = detcoef2('h',c,s,1); %小波分解结构中第1层的水平方向高频系数cv1 = detcoef2('v',c,s,1); %小波分解结构中第1层的垂直方向高频系数cd1 = detcoef2('d',c,s,1); %小波分解结构中第1层的斜线方向高频系数%分别对小波分解结构中第1层的各频率成份进行重构a1 = wrcoef2('a',c,s,'bior3.7',1);h1 = wrcoef2('h',c,s,'bior3.7',1);v1 = wrcoef2('v',c,s,'bior3.7',1);d1 = wrcoef2('d',c,s,'bior3.7',1);c1 = [a1,h1;v1,d1];%显示分解后各频率成分的信息subplot(222);image(c1);axis squaretitle('分解后低频和高频信息');%==================================================== %下面进行图像的压缩处理%保留小波分解结构中第1层的低频信息,进行图像压缩%第1层的低频信息为ca1,显示第1层的低频信息%首先对第1层信息进行量化编码ca1 = wcodemat(ca1,440,'mat',0);%改变图像的亮度ca1 = 0.5*ca1;subplot(223);image(ca1);colormap(map);axis square;title('第一次压缩图像');disp('第一次压缩图像的大小为:')whos('ca1')%==================================================== %保留小波分解第二层低频信息,进行图像的压缩,此时压缩比更大%第2层的低频信息即为ca2,显示第2层的低频信息ca2 = appcoef2(c,s,'bior3.7',2);%首先对第2层低频信息进行量化编码ca2 = wcodemat(ca2,440,'mat',0);%改变图像的亮度ca2 = 0.25*ca2;subplot(224);image(ca2);colormap(map);axis square;title('第2次压缩图像');disp('第2次压缩图像的大小为');whos('ca2')图3 实验2压缩结果五、实验分析及结论(1)根据实验1压缩结果分析得到,压缩后的信号保持了原有信号的轮廓信息,即低频信息,而大部分细节信息(高频信息)得到了消除。

小波实验报告

小波实验报告

小波实验报告小波实验报告引言小波分析是一种数学工具,可以将信号分解成不同频率的成分。

它在信号处理、图像处理、数据分析等领域有着广泛的应用。

本实验旨在通过对小波变换的实际应用,探索其在信号处理中的效果和优势。

一、实验背景小波分析是一种基于频域的信号分析方法,与传统的傅里叶变换相比,小波分析可以更好地捕捉信号的瞬时特性和局部特征。

它通过将信号与一组基函数进行卷积运算,得到信号在不同尺度和位置上的频谱信息。

二、实验目的1. 了解小波变换的基本原理和概念;2. 掌握小波变换的实现方法和工具;3. 分析小波变换在不同信号处理任务中的应用效果。

三、实验步骤1. 选择适当的小波基函数和尺度参数;2. 将待处理信号进行小波变换;3. 分析小波变换后的频谱信息;4. 根据实际需求,选择合适的尺度和位置,重构信号。

四、实验结果与分析本实验选择了一段音频信号进行小波变换。

首先,选择了Daubechies小波作为基函数,并调整尺度参数。

经过小波变换后,得到了信号在不同频率上的能量分布图。

通过分析能量分布图,可以清晰地观察到信号的频率成分和时域特征。

进一步分析小波变换的结果,可以发现小波变换具有良好的局部化特性。

不同于傅里叶变换将整个信号分解成各个频率的正弦波,小波变换可以将信号分解成不同频率的局部波包。

这种局部化特性使得小波变换在信号分析和处理中更加灵活和精确。

五、实验应用1. 信号去噪小波变换可以将信号分解成不同频率的成分,通过滤除高频噪声成分,实现信号的去噪。

在音频处理和图像处理中,小波去噪已经成为一种常用的方法。

2. 图像压缩小波变换可以将图像分解成不同频率的局部波包,通过保留重要的低频成分,可以实现对图像的压缩。

小波压缩在数字图像处理和视频编码中有着重要的应用。

3. 时频分析小波变换可以提供信号在不同时间和频率上的分布信息,通过时频分析,可以更好地理解信号的时域和频域特性。

在语音识别、心电图分析等领域,时频分析是一种常用的方法。

大物上机实验报告

大物上机实验报告

大学物理I上机实验报告实验一实验名称: 同方向不同频率简谐振动的合成, “拍”实验原理:设存在两列振动频率分别为w1和w2, 振幅均为A。

由于两列波频率不同, 所以存在一定的周期使得两列波的旋转矢量在坐标系上重合, 两列波的位相相同。

反映在实际振动过程中为两列波的位移相同其位移的合成直接相加即可。

为方便研究, 在此处我们记两列波位矢重合的时刻为零点。

两列波的数学表达式为x1=Acos(w1t+Φ0)x2=Acos(w2t+Φ0)根据数学表达式合成可得到合振动的数学表达式为x=x1+x2=根据合振动的数学表达式我们可以看到对于合振动不是简谐振动, 但仍是周期运动。

通过观察表达式可以发现前一余弦表达式的角频率较后一余弦表达式周期的角频率小。

当w2.w1均较大而其差值相差较小时更是如此。

下面我将2A*cos((w2-w1)*t/2)一同视作振幅的表达式。

并探讨w2.w1的大小关系与合振动图像之间的关系。

实验现象实验现象1:w1.w2均较大时, 实验数据:A=10, w1=2011, w2=2012, x=30。

如图1实验现象2:w1.w2均较小时, 实验数据:A=10, w1=11, w2=12, x=30。

如图2。

实验现象3:w1较大,w2较小时, 实验数据:A=10, w1=2012, w2=12, x=30。

如图3。

图1 图2 图3对图描述:对于前面的振幅项, 我们可以发现它的贡献在于对于“宏观振幅”的影响。

从上述三幅图中可以看到“宏观振幅”呈现周期变化。

3个图的振幅都一样, 图1图线密集, 图2较稀疏, 图3因w的不同而产生不同的图线。

实验结果分析与讨论:由上述三种情况及实验结果图像我们可以发现在同方向不同频率简谐波振动的合成实验中我们得到了实验所需要观察得到的“拍”的现象。

实验二实验名称: 阻尼与受迫振动实验原理:简谐振动是一种理想的运动模型, 它是一种等幅振动, 其机械能始终守恒, 也不会以波的形式向外辐射能量引起能量损耗。

上机实验报告小结模板

上机实验报告小结模板

一、实验名称二、实验目的三、实验原理四、实验器材五、实验步骤1. 步骤一:...2. 步骤二:...3. 步骤三:......六、实验数据记录与分析1. 数据记录:| 项目 | 数据1 | 数据2 | 数据3 | 平均值 | | ----------- | ----- | ----- | ----- | ------ | | 项目一 | ... | ... | ... | ... | | 项目二 | ... | ... | ... | ... | | ... | ... | ... | ... | ... | 2. 数据分析:(1)分析数据一与实验目的的关系...(2)分析数据二与实验原理的关系...(3)分析数据三与实验步骤的对应关系......七、实验结果1. 实验现象:(1)现象一:...(2)现象二:...(3)现象三:......2. 实验结果:(1)结果一:...(2)结果二:...(3)结果三:......八、实验结论1. 结论一:...2. 结论二:...3. 结论三:......九、实验反思与改进1. 反思:(1)在实验过程中,我遇到了以下问题:...(2)针对这些问题,我采取了以下措施:...2. 改进:(1)针对实验过程中存在的问题,我建议以下改进措施:...(2)改进后的实验步骤如下:......十、实验心得体会1. 通过本次实验,我深刻体会到了...2. 本次实验使我更加了解了...3. 在今后的学习和工作中,我将......---请注意,以上模板仅供参考,具体内容需根据实际实验情况进行调整和补充。

在撰写实验报告时,请确保内容完整、逻辑清晰、语言规范。

小波分析的实验报告二

小波分析的实验报告二
①1.用图形接口方式对信号noisbloc.mat进行延拓,结果如下:
2.用命令行方式对信号noisbloc.mat进行延拓程序如下:
>> load noisbloc;
>> whos;
>> subplot(2,4,1);
>> plot(noisbloc);
>> Xzpd=wextend('1','zpd', noisbloc,1000);
>> subplot(2,4,7);
>> image(Xsymr);
运行结果如下:
>> subplot(2,4,6);
>> plot(Xsymr);
>> Xsyml=wextend('1','sym',noisbloc,1000, 'l');
>> subplot(2,4,7);
>>plot(Xsyml);
运行结果如下:
②1.用图形接口方式对信号woman2.mat进行二维图像延拓延拓,结果如下:
实验二名称:信号延拓
实验目的
在Matlab中按图形接口方式和命令行方式实现一维信号延拓和二维图象延拓
实验内容:
①对信号noisbloc.mat,分别选择不同的延拓方式,延拓方向分别以图形接口方式和命令行方式实现一维信号延拓;
②对信号woman2.mat,分别选择不同的延拓方式,延拓方向分别以图形接口方式和命令行方式实现二维像延拓。
2.用命令行方式对信号woman2.mat进行二维图像延拓程序如下:
>>load woman2;

小波实验报告

小波实验报告

小波实验报告
《小波实验报告》
小波分析是一种用于信号处理和数据分析的强大工具。

在本次实验中,我们将探索小波分析的基本原理,并通过实验验证其在信号处理中的有效性。

首先,我们介绍了小波分析的基本概念和原理。

小波分析是一种基于窗口函数的信号分析方法,它可以将信号分解成不同频率和时间尺度的成分。

与傅里叶变换不同,小波分析可以同时提供频域和时域的信息,因此在处理非平稳信号和非线性系统时具有独特优势。

接下来,我们进行了一系列实验,验证了小波分析在信号处理中的应用。

我们首先使用小波分析对一段包含多个频率成分的信号进行了分解,并成功地提取出了各个频率成分的时域和频域信息。

接着,我们对一个非平稳信号进行了小波变换,并观察到了小波分析在处理非平稳信号时的优越性。

最后,我们还利用小波分析进行了信号去噪和压缩,结果表明小波分析在这些应用中具有良好的效果。

通过本次实验,我们深刻理解了小波分析的原理和应用,并验证了其在信号处理中的有效性。

小波分析不仅可以帮助我们更好地理解信号的时频特性,还可以在实际工程中发挥重要作用。

我们相信,在未来的研究和应用中,小波分析将会得到更广泛的应用和发展。

52-小波分析小实验报告

52-小波分析小实验报告
函数功能:连接模极大曲线
输入参数:
maxmap:极大点矩阵
输出参数:
skellist:模极大曲线列表,依次记录每条曲线,第一行记录尺度,第二行记录位置。
skelptr:模极大曲线起始点列表,依次记录每条曲线的起始点在skellist中的位置。
skellen:模极大曲线长度列表,依次记录每条曲线的长度。
图3是图2中第5、第6条曲线在log2s, log2|Wf(s,u)|平面上的曲线图,其中实线对应第5条曲线即奇异点163,虚线对应第6条曲线即奇异点305,两条曲线的斜率分别约为0.5和1.4,因此对应的奇异值为0和0.9,符合我们直观上的理解。所有曲线对应奇异点的奇异值 log2|Wf(s,u)|平面上的曲线图
图4 lenna图像第30行的信号及其小波变换
图5 邻域为1所得模极大曲线图
图6 邻域为5所得模极大曲线图
函数功能:引用wavelab中的数据,即A Wavelet Tour of Signal Processing(2nd
edition)中fig6.6的信号。
输出参数:
sig:所构造的信号
3)ImageWT.m:function ImageWT(wt,n,s_scale,l_scale)
输入参数:
wt:小波变换矩阵
windowSize:邻域大小
par:计算自适应阈值所用参数,小于最大值的1/par的极大点将被丢弃。
输出参数:
maxmap:极大点矩阵
5)SkelMap.m:function [skellist,skelptr,skellen] = SkelMap(maxmap)
3代码实现
我采用Matlab函数编程实现。具体程序见smallExp.m,GetSignal.m,

《小波分析实验》教学大纲

《小波分析实验》教学大纲

小波分析实验教学大纲一、实验基本信息课程编号:201411234中文名称:小波分析英文名称:Wavelet Analysis课程性质:专业选修课程面向专业:数学与应用数学开设学期:6课程总学时:36实验学时:8是否独立设课:否二、实验目的和任务小波分析作为一种新兴的数学理论,是二十世纪数学发展史上的重要成果。

从小波分析理论产生的开始,就将其理论与实际应用紧密地结合起来了。

正是小波分析在各个领域中的应用,推动了小波分析理论的发展。

由于小波分析提供了一种自适应的时域与频域同时局部化的方法,它能够自动调节时---频窗口,以适应实际分析的需要,因而在局部时频分析中具有很强的灵活性。

因此,自小波分析理论出现开始,经过20多年的发展,小波分析已经应用到与信息处理、图像处理的相关领域,例如信号处理、图像处理与分析、语音识别、计算机视觉、模式识别、故障监控、通信与电子系统等众多学科。

小波分析的课程中加入实验内容的目地,就是让学生在掌握小波分析理论后,再熟悉小波变换方面的软件,然后通过上机实践,使用小波变换工具,解决小波分析在信号处理、图像处理方面的应用的一些简单问题。

使愿意将数学理论应用于实际的学生,找到一个数学理论研究和实际应用相结合的突破点,为培养高质量的应用型人才,打下良好的基础。

三、实验教学基本要求主要通过上机实习,使学生初步学会通过计算机,利用小波变换软件包去解决信号处理、图像处理方面的问题,培养了学生的动手能力,使得学生在大学期间所学到的数学知识可以学以致用,培养适应21世纪的高素质人才。

实验教学的基本要求如下:1.了解一维信号处理的相关知识。

2.了解二维信号即图像处理的相关知识。

3.至少掌握并熟悉一个小波变换方面的数学软件包,并能够通过此软件包,编写相关的小波变换程序。

四、实验项目基本情况小波分析课程共计36学时,课堂教学学时为28学时,实验学时为8学时。

上机实验主要是配合课堂教学,让学生通过上机操作,理解小波分析的数学理论,了解小波分析的应用,训练学生的动手能力,具体实验内容与学时分配如下:五、实验教材(指导书)或网络资源[1] Fritz Keinert.Wavelets and Multiwavelets. CHAPMAN & HALL/CRC,2004年.[2] Ingrid Daubechies.Ten Lectures On WaveLets. SIAM,1992年.[3] 彭玉华.小波变换与工程应用. 科学出版社,2002年.[4]张晓威. 数学软件包使用指南,哈尔滨工程大学教务处,2000年.六、考核方式上机实验的目地是通过上机实践,使用小波变换工具,解决小波分析在信号处理、图像处理方面的应用的一些简单问题。

小波实验报告用小波函数db1,db2,db3对小波1次分解

小波实验报告用小波函数db1,db2,db3对小波1次分解

一、题目:用小波函数db1,db2,db3对小波1次分解二、目的:编程实现信号的分解与重构并对比db1,db2,db3几种小波变换三、算法及其实现:离散小波变换离散小波变换是对信号的时-频局部化分析,其定义为:/2200()(,)()(),()()j j Wf j k a f t a t k dt f t L R φ+∞---∞=-∈⎰ 本实验实现对信号的分解与重构:(1)信号分解:用小波工具箱中的dwt 函数来实现离散小波变换,函数dwt 将信号分解为两部分,分别称为逼近系数和细节系数(也称为低频系数和高频系数),实验中分别记为cA1,cD1,它们的长度均为原始信号的一半,但dwt 只能实现原始信号的单级分解。

在本实验中使用小波函数db1来实现单尺度小波分解,即:[cA1,cD1]=dwt(s,’db1’),其中s 是原信号;(2)信号重构:用小波工具箱中的upcoef 来实现,upcoef 是进行一维小波分解系数的直接重构,即:A1 = upcoef('a',cA1,'db1'); D1 = upcoef('a',cD1,'db1')。

四、实现工具:Matlab五、程序代码:%装载leleccum 信号load leleccum;s = leleccum(1:3920);%用小波函数db1对信号进行单尺度小波分解[cA1,cD1]=dwt(s,'db1');subplot(3,3,1);plot(s);title('leleccum 原始信号');%单尺度低频系数cA1向上一步的重构信号A1 = upcoef('a',cA1,'db1');%单尺度高频系数cD1向上一步的重构信号D1 = upcoef('a',cD1,'db1');subplot(3,3,4);plot(A1);title('单尺度低频系数cA1向上一步的重构信号');subplot(3,3,7);plot(D1);title('单尺度高频系数cD1向上一步的重构信号');%%用小波函数db2对信号进行单尺度小波分解[cA2,cD2]=dwt(s,'db2');subplot(3,3,2);plot(s);title('leleccum 原始信号');%单尺度低频系数cA1向上一步的重构信号A2 = upcoef('a',cA1,'db2');%单尺度高频系数cD1向上一步的重构信号D2 = upcoef('a',cD1,'db2');subplot(3,3,5);plot(A2);title('单尺度低频系数cA2向上一步的重构信号'); subplot(3,3,8);plot(D2);title('单尺度高频系数cD2向上一步的重构信号');%%用小波函数db3对信号进行单尺度小波分解[cA3,cD3]=dwt(s,'db3');subplot(3,3,3);plot(s);title('leleccum原始信号');%单尺度低频系数cA1向上一步的重构信号A3 = upcoef('a',cA1,'db3');%单尺度高频系数cD1向上一步的重构信号D3 = upcoef('a',cD1,'db3');subplot(3,3,6);plot(A3);title('单尺度低频系数cA3向上一步的重构信号'); subplot(3,3,9);plot(D3);title('单尺度高频系数cD3向上一步的重构信号');六、运行结果:七、结果分析:。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

小波分析上机实验报告实验报告一一、实验目的1、运用傅里叶变换知识对常用的基本函数做基本变换。

2、加深对因果滤波器的理解,并会判断因果滤波器的类型。

3、 运用卷积公式对基本信号做滤波处理并作出分析,以加深理解4、 熟悉Matlab 中相关函数的用法二、 实验原理1.运用傅里叶正、反变换的基本公式:()ˆ()() ()(),11ˆ()(),22i x i t i ti t i t f f x e dx f t e dt f t e f t fe df t e ωωωωωωωωππ∞∞---∞-∞∞--∞=====⎰⎰⎰及其性质,对所要处理信号做相应的傅里叶变换和逆变换。

2.运用卷积的定义式:1212()()()()+∞-∞*=-⎰f t f t f f t d τττ对所求信号做滤波处理。

三、 实验步骤与内容实验题目:Butterworth 滤波器,其冲击响应函数为,0()0,0若若α-⎧≥=⎨<⎩t Ae t h t t 1. 求 ()hω 2. 判断是否因果;是低通、高通、带通还是带阻?3. 对于信号3()(sin 22sin 40.4sin 2sin 40),-=++t f t e t t t t 0π≤≤t ,画出图形()f t 4. 画出滤波后图形()*f h t ,比较滤波前后图形,你会发现什么,这里取10α==A 5. 取()(sin5sin3sin sin 40),-=+++t f t e t t t t 采用不同的变量值α=A (初始设定A=α=10) 画出原信号图形与滤波后图形,比较滤波效果。

实验步骤及分析过程:1.求 ()hω 由傅里叶变换的定义式可得:()0ˆαϖαϖωαω+∞+∞-----∞=⋅=⋅=+⎰⎰t i t t i t Ah Ae e dt Ae e dt i (1)2. 判断是否因果;是低通、高通、带通还是带阻?该滤波器的幅频特性为:()2221(/)ωαωαωα==++AAH ,假定α==10,5A ,绘制该滤波器的幅频特性曲线如下:图1.1滤波器的幅频特性曲线(1)观察滤波器响应函数可知,只有在输入信号到达后,该滤波器才会有输出响应,此外实际应用的滤波器均是因果滤波器,非因果不可用;所以,题中滤波器是因果滤波器。

(2)由图1可知,该滤波器为低通滤波器。

3. 对于信号3()(sin 22sin 40.4sin 2sin 40)t f t e t t t t -=++0t π≤≤,画出图形()f t 编写matlab 程序(见附录1),绘制信号的图形如下:图1.2 信号f(t) 曲线4. 画出滤波后图形()f h t *,比较滤波前后图形,你会发现什么,这里取10A α==。

根据卷积运算的滤波特性,编写matlab 程序,取时间离散点数n=10000;可绘制该参数下的滤波信号如下图所示:图1.3 f(t) 滤波后信号曲线比较图1.2和图1.3中,可以看出:经滤波处理后,信号f (t )中的高频成分得到了有效的抑制,信号的曲线特征变得平滑,而且持续分布相位并未失真,信号的基本信息得到无损传递。

5. 取()(sin5sin3sin sin 40)t f t e t t t t -=+++采用不同的变量值A α=(初始设定A=α=10) 画出原信号图形与滤波后图形,比较滤波效果。

原始波形如下:(1)根据题意,绘制信号曲线;并取A=α=1、3、5、1、15 、20(初始设定A=α=10)采用给定滤波器,进行滤波处理,结果如下:由1问可知:该滤波器的幅频特性为:()2221(/)ωαωαωα==++AAH 转折频率τα=;所以当A=α分别取1、3、5、10、15、20时,滤波器对于该频率成分的信号起到抑制作用。

通过观察不同滤波曲线可知:可以看出随着A 、a 值逐渐增大,滤波后信号毛刺(高频波动信号)增多,即对高频信号的抑制效果变差,同时也可以看出滤波器输出信号中的低频成分也呈增大趋势。

总之,滤波器在A 、a 值为1时对高频的抑制效果最好,但必须指出在这种情况下低频信号也受到一定的削弱,效果并不一定最好,需要根据实际使用需求设定参数。

程序附录%信号图绘制t=linspace(0,pi,100000);f=exp(-t/3).*(sin(2*t)+2*sin(4*t)+0.4*sin(2*t).*sin(40*t)); plot(t,f);grid on xlabel('时间/t'); ylabel('幅值/f(t)');%滤波处理后信号 A=10;a=10;h=A*exp(-a*t);fy=conv(f1,h);plot(fy);grid onxlabel('时间/t');ylabel('幅值/f(t)');%信号图绘制t=linspace(0,pi,100000);f1=exp(-t).*(sin(5*t)+sin(3*t)+sin(t)+sin(40*t)); plot(t,f1);grid onxlabel('时间/t');ylabel('幅值/f(t)');%滤波处理后信号A=1;a=1;h=A*exp(-a*t);fy=conv(f1,h);plot(fy);grid onxlabel('时间/t');ylabel('幅值/f(t)');title('A=a=10时信号波形');A=3;a=3;h=A*exp(-a*t);fy=conv(f1,h);plot(fy);grid onxlabel('时间/t');ylabel('幅值/f(t)');title('A=a=3时信号波形');A=5;a=5;h=A*exp(-a*t);fy=conv(f1,h);plot(fy);grid onxlabel('时间/t');ylabel('幅值/f(t)');title('A=a=5时信号波形');A=10;a=10;h=A*exp(-a*t);fy=conv(f1,h);plot(fy);grid onxlabel('时间/t');ylabel('幅值/f(t)');title('A=a=10时信号波形');A=15;a=15;h=A*exp(-a*t);fy=conv(f1,h);plot(fy);grid onxlabel('时间/t');ylabel('幅值/f(t)');title('A=a=15时信号波形');A=20;a=20;h=A*exp(-a*t);fy=conv(f1,h);plot(fy);grid onxlabel('时间/t');ylabel('幅值/f(t)');title('A=a=20时信号波形');实验报告二实验目的:画出db2小波的尺度函数图形和小波函数图形。

实验原理:对于双尺度差分方程满足如下的等式关系:φφ=-∑(t)(2t )k kh k 根据书本的的理论知识,对于满足Daubechies 要求的k h ,k=0,1…N -1,可知(t)φ的解是存在,且他的支撑域supp 0,1N φ⎡⎤⊆-⎣⎦,则可以通过数值迭代方法,用求得无限小离散区间上的值φ(2)j k 去逼近(t)φ。

对于db2小波,L=2N-1=3,有++--012313333313=,h =,h =,h =42424242h 。

尺度函数的整数的初始值为:φ=(0)0,13(1)2φ+=,φ=(3)0,13(2)2φ-=。

求出db2小波的尺度函数后,db2的小波函数可以根据如下公式求出:ψφ=-∑(t)g 2(2t )n kk其中()----kk 1k g =1,k=2,1,0,1C ,即213g =4--,133g =-4--,033g =4+,113g =4+-。

实验步骤与结果:绘制得到db2尺度函数和小波函数的图形分别如图1、图2所示。

图1 db2尺度函数图2 db2小波函数源程序:N=15;H=[(1+sqrt(3))/(4*sqrt(2)) (3+sqrt(3))/(4*sqrt(2)) (3-sqrt(3))/(4*sqrt(2)) (1-sqrt(3))/(4*sqrt(2))]; result=zeros(1,3*2^N); %存放结果值result(1+0*2^N)=0; %对整数点处赋值result(1+1*2^N)=(1+sqrt(3))/2;result(1+2*2^N)=(1-sqrt(3))/2;result(1+3*2^N)=0;%计算尺度函数for i=1:N %共分为N层start=2^(N-i)+1; %每一层中对应在result中的存放位置num=3*2^(i-1); %每一层中点的数量interval=2^(N-i+1); %每一层点在result中存放的间隔for j=0:num-1 %计算该层中每一个点对应的值k=(j*2+1)/2^i; %计算该层数时对应的j/2^i所对应的点的位置u=zeros(4,1); %用于存放计算该处值所要与H相乘的数值for m=0:1:3if (2*k-m)*2^N+1<1 || (2*k-m)*2^N+1>3*2^N+1u(m+1,1)=0;elseu(m+1,1)=result(ceil((2*k-m)*2^N+1));endendresult(j*interval+start)=sqrt(2)*H*u; %存放计算得到的结果endend%画出尺度函数图形x=linspace(0,3,3*2^N+1);plot(x,result);title('db2尺度函数图形');%计算小波函数G=[conj(H(4)) -conj(H(3)) conj(H(2)) -conj(H(1))];persai=zeros(1,3*2^N*2+1);%小波数据存放区域persai(1:3*2^N+1)=G(1)*sqrt(2)*result;%[-1,0.5]*g-2persai(2^N+1:4*2^N+1)=G(2)*sqrt(2)*result+persai(2^N+1:4*2^N+1);%[-0.5,1]*g-1persai(2*2^N+1:5*2^N+1)=G(3)*sqrt(2)*result+persai(2*2^N+1:5*2^N+1);%[0,1.5]*g0 persai(3*2^N+1:6*2^N+1)=G(4)*sqrt(2)*result+persai(3*2^N+1:6*2^N+1);%[0.5,2]*g1%画出小波函数figurex=linspace(-1,2,3*2^N*2+1);plot(x,persai);title('db2小波函数图形');实验报告三一、实验目的1. 掌握双线性插值方法的基本思想,通过实验了解其优缺点。

相关文档
最新文档