小波去噪和小波包去噪的对比.doc

小波去噪和小波包去噪的对比

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：

clc

clear all

load noisdopp

x=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 tight

[thr1,sorh1,keepapp1,crit]=ddencmp('den','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：

原始信号的波形图

5

-5

1002003004005006007008009001000

小波降噪信号

5

-5

1002003004005006007008009001000

小波包降噪信号

5

-5

1002003004005006007008009001000

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：

clc

clear all

load noisdopp;

s=noisdopp;

wpt=wpdec(s,3,'sym1');

plot(wpt);

r20=wprcoef(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(wpt,[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：

Tree Decomposition data for node: (0) or (0,0).

10

(0,0) 8

6

4

(1,0) (1,1)

2

-2

(2,0) (2,1) (2,2) (2,3)

-4

-6

(3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (3,7) -8

-10

200

400 600 800 1000

问题 3：生成最优树结构，给出其熵值

程序如下：

clc

clear all

load 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))

Tree Decomposition data for node: 0 or (0,0).

10

(0,0) 8

6

(1,0) (1,1) 4

2

(2,0) (2,1) (2,2) (2,3) 0

-2

(3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (3,7) -4

-6

(4,0) (4,1) -8

-10

200

400 600 800 1000

图 1 小波包树

Tree Decomposition data for node: (0) or (0,0).

10

(0,0) 8

6

(1,0) (1,1) 4

2

(2,0) (2,1) (2,2) (2,3) 0

-2

(3,0) (3,1) (3,2) (3,3) -4

-6

(4,0) (4,1) -8

-10

200

400 600 800 1000

图 2 最优小波包树