小波变换的特征提取

小波变换的特征提取，里面包含了主要的程序代码，可直接拿来使用，请大家自行下载。希望大家都能学好。

clc;clear;
%% 1.正弦波定义
f1=50; % 频率1
f2=100; % 频率2
fs=2*（f1+f2）; % 采样频率
Ts=1/fs; % 采样间隔
N=120; % 采样点数
n=1:N;
y=sin（2*pi*f1*n*Ts）+sin（2*pi*f2*n*Ts）; % 正弦波混合
figure（1）
plot（y）;
title（‘两个正弦信号‘）
figure（2）
stem（abs（fft（y）））;
title（‘两信号频谱‘）
%% 2.小波滤波器谱分析
h=wfilters（‘db30‘‘l‘）; % 低通
g=wfilters（‘db30‘‘h‘）; % 高通
h=[hzeros（1N-length（h））]; % 补零（圆周卷积，且增大分辨率变于观察）
g=[gzeros（1N-length（g））]; % 补零（圆周卷积，且增大分辨率变于观察）
figure（3）;
stem（abs（fft（h）））;
title（‘低通滤波器图‘）;
figure（4）;
stem（abs（fft（g）））;
title（‘高通滤波器图‘）
%% 3.MALLET分解算法（圆周卷积的快速傅里叶变换实现）
sig1=ifft（fft（y）.*fft（h））; % 低通（低频分量）
sig2=ifft（fft（y）.*fft（g））; % 高通（高频分量）
figure（5）; % 信号图
subplot（211）
plot（real（sig1））;
title（‘分解信号1‘）
subplot（212）
plot（real（sig2））;
title（‘分解信号2‘）
figure（6）; % 频谱图
subplot（211）
stem（abs（fft（sig1）））;
title（‘分解信号1频谱‘）
subplot（212）
stem（abs（fft（sig2）））;
title（‘分解信号2频谱‘）
%% 4.MALLET重构算法
sig1=dyaddown（sig1）; % 2抽取
sig2=dyaddown（sig2）; % 2抽取
sig1=dyadup（sig1）; % 2插值
sig2=dyadup（sig2）; % 2插值
sig1=sig1（1[1:N]）; % 去掉最后一个零
sig2=sig2（1[1:N]）; % 去掉最后一个零
hr=h（end:-1:1）; % 重构低通
gr=g（end:-1:1）; % 重构高通
hr=circshift（hr‘1）‘; % 位置调整圆周右移一位
gr=circshift（gr‘1）‘; % 位置调整圆周右移一位
sig1=ifft（fft（hr）.*fft（sig1））; % 低频
sig2=ifft（fft（gr）.*fft（sig2））; % 高频
sig=sig1+sig2; % 源信号
%% 5.比较
figure（7）;
subplot（211）
plot（real（sig1））;
title（‘重构低频信号‘）;
subplot（212）
plot（real（sig2））;
title（‘重构高频信号‘）;
figure（8）;
subplot（211）
stem（abs（fft（sig1）））;
title（‘重构低频信号频谱‘）;
subplot（212）
stem（abs（fft（sig2）））;
title（‘重构高频信号频谱‘）;
figure（9）
plot（real（sig）‘r‘‘linewidth‘2）;
hold on;
plot（y）;
legend（‘重构信号‘‘原始信号‘）
title（‘重构信号与原始信号比较‘） 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1925  2015-03-20 16:36  wave1.m

----------- ---------  ---------- -----  ----

                 1925                    1