小波变换中，近似系数对应低频部分，细节系数对应高频部分，比如 128Hz 采样的信号，
最高频率 64Hz，1 层小波变换后，近似系数对应 0-32Hz，细节系数对应 32-64Hz，2 层小
波变换后，近似系数对应 0-16Hz，细节系数对应 16-32Hz
0-64Hz
0-32Hz
0-16Hz
Matlab 小波分解函数 wavedec
[C,L] = wavedec(X,N,'wname')
X：一维信号
N：分解层数
wname：母小波
C、L：小波分解得到的向量
A = appcoef(C,L,'wname',N)
返回 N 层小波分解后的近似系数，对应与上图中的 ca
N
[D1,...,Dp] = DETCOEF(C,L,[N(1),...,N(p)])
返回 N 层小波分解后，第[N(1),...,N(p)]层的小波细节系数
Xr = wrcoef('type',C,L,'wname',N)
根据小波分解得到的 C、L 向量重建信号， 'type'=’a’时，根据近似系数进行重建，'type'=’d’
时，根据细节系数进行重建。比如上面提到的 128Hz 采样的信号，通过 2 层小波分解，重
建近似系数得到 0-16Hz 频段的信号：
[C,L]=wavedec(signal,2,'db4'); %%2 层分解，母小波为 db4
coef=appcoef(C,L,'db4',2); %%得到 2 层小波近似系数 ca
2
Xr = wrcoef('a',C,L,'db4',2); %%通过 2 层小波近似系数 ca
2
进行重建
资源评论
mrljw
- 粉丝: 15
- 资源: 6
最新资源
- 基于Java技术的ASC学业支持中心并行项目开发设计源码
- 基于Java和微信支付的wxmall开源卖票商城设计源码
- 基于Java和前端技术的东软环保公众监督系统设计源码
- 基于Python、HTML、CSS的crawlerdemo软件工程实训爬虫设计源码
- 基于多智能体深度强化学习的边缘协同任务卸载方法设计源码
- 基于BS架构的Java、Vue、JavaScript、CSS、HTML整合的毕业设计源码
- 基于昇腾硬件加速的AI大模型性能优化设计源码
- 基于Plpgsql与Python FastAPI的mini-rbac-serve权限管理系统后端设计源码
- 基于SpringBoot的轻量级Java快速开发源码
- 基于Python开发的物流调度算法设计源码
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
