资源简介
自己构造一个数字信号,然后分解成3层,自己可以把信号换成自己的实验数据,进行分解就可以啦。可以的话,求评论。
代码片段和文件信息
tic
clear
clc
a=15; b=0.5; f=200; m=pi/3; %设定初始值
N=400; flag=1;
%下面代码是分段绘制信号,时间间隔为0.001,数据点数是1001个
t1=linspace(0.3010.5200);
xt1=9*sin(100*pi*t1)+5*sin(180*pi*t1)+sin(240*pi*t1);
t2=linspace(0.5010.7200);
xt2=9*sin(100*pi*t2)+5*sin(180*pi*t2)+sin(240*pi*t2)+sin(2*pi*f*t2+m.*exp(-a*(t2-b)));
t=[t1t2];
xt=[xt1xt2];
figure(1);
plot(txt);
title(‘原始信号图‘); xlabel(‘时间(t)‘); ylabel(‘幅值‘);
T=wpdec(xt3‘db2‘); %进行小波包分解
plot(T); figure(2);
%计算小波包分解系数
x1=wpcoef(T[10]);
x2=wpcoef(T[11]);
z1=wpcoef(T[20]);
z2=wpcoef(T[21]);
z3=wpcoef(T[22]);
z4=wpcoef(T[23]);
y1=wpcoef(T[30]);
y2=wpcoef(T[31]);
y3=wpcoef(T[32]);
y4=wpcoef(T[33]);
y5=wpcoef(T[34]);
y6=wpcoef(T[35]);
y7=wpcoef(T[36]);
y8=wpcoef(T[37]);
figure(3);
subplot(321); plot(x1);
subplot(322); plot(x2);
subplot(323); plot(z1);
subplot(324); plot(z2);
subplot(325); plot(z3);
subplot(326); plot(z4);
figure(4);
subplot(421); plot(y1);
subplot(422); plot(y2);
subplot(423); plot(y3);
subplot(424); plot(y4);
subplot(425); plot(y5);
subplot(426); plot(y6);
subplot(427); plot(y7);
subplot(428); plot(y8);
%重构小波包系数
xx1=wprcoef(T[10]);
xx2=wprcoef(T[11]);
zz1=wprcoef(T[20]);
zz2=wprcoef(T[21]);
zz3=wprcoef(T[22]);
zz4=wprcoef(T[23]);
yy1=wprcoef(T[30]);
yy2=wprcoef(T[31]);
yy3=wprcoef(T[32]);
yy4=wprcoef(T[33]);
yy5=wprcoef(T[34]);
yy6=wprcoef(T[35]);
yy7=wprcoef(T[36]);
yy8=wprcoef(T[37]);
figure(5);
subplot(321); plot(txx1); title(‘第一层分解低频段‘);
subplot(322); plot(txx2); title(‘第一层分解高频段‘);
subplot(323); plot(tzz1); title(‘第二层分解低频段1‘);
subplot(324); plot(tzz2); title(‘第二层分解低频段2‘);
subplot(325); plot(tzz3); title(‘第二层分解高频段1‘);
subplot(326); plot(tzz4); title(‘第二层分解高频段2‘);
figure(6);
subplot(421); plot(tyy1); title(‘第三层分解低频段1‘);
subplot(422); plot(tyy2); title(‘第三层分解低频段2‘);
subplot(423); plot(tyy3); title(‘第三层分解低频段3‘);
subplot(424); plot(tyy4); title(‘第三层分解低频段4‘);
subplot(425); plot(tyy5); title(‘第三层分解高频段1‘);
subplot(426); plot(tyy6); title(‘第三层分解高频段2‘);
subplot(427); plot(tyy7); title(‘第三层分解高频段3‘);
subplot(428); plot(tyy8); title(‘第三层分解高频段4‘);
%计算各个频段的能量
a=pow2(1); %计算第一次分解后的能量
aa=xx1.^2; bb=(aa.*a)/(N-a);
for i=1:a:N-a-1
bb(1i+a)=bb(1i+a)+bb(1i);
end
E1= bb(1i+a);
aa=xx2.^2; bb=(aa.*a)/(N-a);
for i=1:a:N-a-1
bb(1i+a)=bb(1i+a)+bb(1i);
end
E2= bb(1i+a);
a=pow2(2); %计算第二次分解后的能量
aa=zz1.^2; bb=(aa.*a)/(N-a);
for i=1:a:N-a-1
bb(1i+a)=bb(1i+a)+bb(1i);
end
E3= bb(1i+a);
aa=zz2.^2; bb=(aa.*a)/(N-a);
for i=1:a:N-a-1
bb(1i+a)=bb(1i+a)+bb(1i);
end
E4= bb(1i+a);
aa=zz3.^2; bb=(aa.*a)/(N-a);
for i=1:a:N-a-1
bb(1i+a)=bb(1i+a)+bb(1i);
end
E5= bb(1i+a);
aa=zz4.^2; bb=(aa.*a)/(N-a);
for i=1:a:N-a-1
bb(1i+a)=bb(1i+a)+bb(1i);
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 4381 2010-04-23 22:14 小波包分解\waveletpacketsZHH.m
目录 0 2018-10-25 19:31 小波包分解
----------- --------- ---------- ----- ----
4381 2
- 上一篇:极限学习机分类,绝对可以完美运行
- 下一篇:Intel 硬件设计培训资料
相关资源
- 极限学习机分类,绝对可以完美运行
- 33节点粒子群算法
- 数学建模竞赛题目 木板最优切割方案
- 粒子群算法解决TSP问题pso_tsp.rar
- Lazy_Theta_star
- BP神经网络的数据分类
- 支持向量数据描述算法svdd
- 样本连续的朴素贝叶斯代码
- PCA,KPCA LDA算法
- 利用感知器算法进行鸢尾花数据分类
- 低比特率图像压缩
- 灰色模型和BP神经网络模型在城市时用
- 遗传算法-偏最小二乘回归
- 基本粒子群算法
- 电动汽车有序充放电
- 鱼群算法寻优
- 枝切法实现相位解缠INSAR相位解缠
- 输电线路规划
- 灰色预测模型-介绍与运用
- 最后一公里EC配送程序源代码
- 此函数用FISTA算法解决压缩感知
- SCMA仿真程序中文注释
- 基于DWT的数字水印
- PCA代码汇总
- 编程实现NLMS_LMS对比.docx
- mimo 优化功率分配
- 基于s函数的电机建模与仿真
- 静脉识别程序
- Horn-Schunck 法实现的光流法
- 改进的细菌觅食优化算法用于双阈值
评论
共有 条评论