小波去噪matlab程序代码_步骤及函数介绍
1、小波去噪实现步骤
（1）二维信号的小波分解。选择一个小波和小波分解的层次n，然后计算信号s到第n层的分解。
（2）对高频系数进行阈值量化。对于从1~n的每一层，选择一个阈值，并对这一层的高频系数进行软阈值量化处理。
（3）二维小波重构。根据小波分解的第n层的低频系数和经过修改的从第一层到第n的各层高频系数，计算二维信号的小波重构
2、matlab函数介绍 （1）wavedec2函数
该函数用于对多尺度二维小波进行分解，其常用调用格式：
［c，s］ = wavedec2（x，n，‘wname’）：用小波函数wname对信号x在尺度n上的二维分解，n是严格正整数。
（2）wrcoef2函数
该函数用于对二维小波系数进行单支重构，其调用格式：
x = wrcoef2（‘type’，c，s，‘wname’，n）：用指定的小波函数wname进行n尺度重构。当type = ‘a’时，仅对信号的低频部分进行重构，此时n可以为0;当type = ‘h’（或‘v’/‘d’）时，对信号（水平、垂直、对角）的高频进行重构，n为严格正整数。
（3）wthcoef2函数
该函数用于对二维信号的小波系数阈值进行处理，常用调用格式：
nc = wthcoef2（‘type’，c，s，n，t，sorh）：返回经过小波分解结构［c，s］进行处理后的新的小波分解向量nc，［nc，s］即构成一个新的小波分解结构。n是一个包含高频尺度的向量，t是相应的阈值，且n和t长度须相等。返回‘type’（水平、垂直、对角线）方向的小波分解向量nc。参数sorh用来对阈值方式进行选择，当sorh = ‘s’时，为软阈值，当sorh = ‘h’时，为硬阈值。
3、小波去噪matlab实例 实例1：
clear all;
load facets;
subplot（2，2，1）;image（x）;
colormap（map）;
xlabel（‘（a）原始图像’）;
axis square
%产生含噪声图像
init = 2055615866;
randn（‘seed’，init）;
x = x + 50*randn（size（x））;
subplot（2，2，2）;image（x）;
colormap（map）;
xlabel（‘（b）含噪声图像’）;
axis square
%下面进行图像的去噪处理
%用小波函数coif3对x进行2层小波分解
［c，s］ = wavedec2（x，2，‘coif3’）;
%提取小波分解中第一层的低频图像，即实现了低通滤波去噪
%设置尺度向量
n = ［1，2］;
%设置阈值向量p
p = ［10.12，23.28］;
%对三个方向高频系数进行阈值处理
nc = wthcoef2（‘h’，c，s，n，p，‘s’）;
nc = wthcoef2（‘v’，nc，s，n，p，‘s’）;
nc = wthcoef2（‘d’，nc，s，n，p，‘s’）;
%对新的小波分解结构［c，s］进行重构
x1 = waverec2（nc，s，‘coif3’）;
subplot（2，2，3）;image（x1）;
colormap（map）;
xlabel（‘（c）第一次去噪图像’）;
axis square
%对nc再次进行滤波去噪
xx = wthcoef2（‘v’，nc，s，n，p，‘s’）;
x2 = waverec2（xx，s，‘coif3’）;
subplot（2，2，4）;image（x2）;
colormap（map）;
xlabel（‘（d）第二次去噪图像’）;
axis square《span style=“font-size:14px”》《span style=“font-size:14px”》《span style=“font-size:18px; color：#3366ff”》
实例2： 首先使用函数wnoisest获取噪声方差，然后使用函数wbmpen获取小波去噪阈值，最后使用wdencmp实现信号消噪。
load leleccum;
indx = 1:1024;
x = leleccum（indx）;
%产生含噪信号
init = 2055615886;
randn（‘seed’，init）;
nx = x + 18*randn（size（x））;
%使用小波函数‘db6’对信号进行3层分解
［c，l］ = wavedec（nx，3，‘db6’）;
%估计尺度1的噪声标准差
sigma = wnoisest（c，l，1）;
alpha = 2;
%获取消噪过程中的阈值
thr = wbmpen（c，l，sigma，alpha）;
keepapp = 1;
%对信号进行消噪
xd = wdencmp（‘gbl’，c，l，‘db6’，3，thr，‘s’，keepapp）;
subplot（221）;
plot（x）;
title（‘原始信号’）;
subplot（222）;
plot（nx）;
title（‘含噪信号’）;
subplot（223）;
plot（xd）;
title（‘消噪后的信号’）;
实例3： 本例中，对小波分解系数使用函数wthcoef进行阈值处理，然后利用阈值处理后的小波系数进行重构达到去噪目的。
load leleccum;
indx = 1:1024;
x = leleccum（indx）;
%产生含噪信号
init = 2055615866;
randn（‘seed’，init）;
nx = x + 18*randn（size（x））;
%使用小波函数‘db5’对信号进行3层分解
［c，l］ = wavedec（nx，3，‘db5’）;
%设置尺度向量
n = ［1，2，3］;
%设置阈值向量
p = ［100，90，80］;
%对高频系数进行阈值处理
nc = wthcoef（‘d’，c，l，n，p）;
%对修正后的小波分解结构进行重构
rx = waverec（nc，l，‘db5’）;
subplot（221）;
plot（x）;
title（‘原始信号’）;
subplot（222）;
plot（nx）;
title（‘含噪信号’）;
subplot（223）;
plot（rx）;
title（‘消噪后的信号’）;
实例4： 本例中，使用一维信号的自动消噪函数wden对信号进行消噪。
load leleccum;
indx = 1:1024;
x = leleccum（indx）;
%产生含噪信号
init = 2055615866;
randn（‘seed’，init）;
nx = x + 18*randn（size（x））;
%将信号nx使用小波函数‘sym5’分解到第5层
%使用mimimaxi阈值选择系数进行处理，消除噪声信号
lev = 5;
xd = wden（nx，‘minimaxi’，‘s’，‘mln’，lev，‘sym5’）;
subplot（221）;
plot（x）;
title（‘原始信号’）;
subplot（222）;
plot（nx）;
title（‘含噪信号’）;
subplot（223）;
plot（xd）;
title（‘消噪后的信号’）;
基于红外感应技术电暖器的应用设计与试验
低频功率放大器的工作原理
FPGA在实时基因组测序计算大显身手，把测序时间从30小时缩短到26分钟！
iphone8/iphone8 plus今天上午8点正式开卖:国行iPhone8价格不稳,线下渠道比官网价还低,只为等iphonex?
导轨式多回路电力仪表多种无线通讯方式可应用于电力运维
小波去噪matlab程序代码_步骤及函数介绍
PCB质量问题的造成原因
Atmel MSL2166 16路白光和RGB LED驱动解决方案
深度解析锂离子电池用多孔电极结构设计
倒计时C程序实例 LED数码显示函数应用
画电气原理图到底是使用CAD还是EPLAN有什么区别
超简单！如何自己动手做一个简易的逆变器？
低消耗电流电压调整器 XC6503
普遍的纸吸管机分切工艺方法都有哪些
如何使用RGB格式图像传感器去构建一个通用马赛克算法
TD产业联盟秘书长杨骅认为5G频谱分配无法做到绝对平均
水洗色牢度测试仪的技术参数是怎样的
低噪声音频前置放大器电路图讲解
Cat网线的标准和类别
关于物联网与万物互联之间的联系分析
（2）对高频系数进行阈值量化。对于从1~n的每一层，选择一个阈值，并对这一层的高频系数进行软阈值量化处理。
（3）二维小波重构。根据小波分解的第n层的低频系数和经过修改的从第一层到第n的各层高频系数，计算二维信号的小波重构
2、matlab函数介绍 （1）wavedec2函数
该函数用于对多尺度二维小波进行分解，其常用调用格式：
［c，s］ = wavedec2（x，n，‘wname’）：用小波函数wname对信号x在尺度n上的二维分解，n是严格正整数。
（2）wrcoef2函数
该函数用于对二维小波系数进行单支重构，其调用格式：
x = wrcoef2（‘type’，c，s，‘wname’，n）：用指定的小波函数wname进行n尺度重构。当type = ‘a’时，仅对信号的低频部分进行重构，此时n可以为0;当type = ‘h’（或‘v’/‘d’）时，对信号（水平、垂直、对角）的高频进行重构，n为严格正整数。
（3）wthcoef2函数
该函数用于对二维信号的小波系数阈值进行处理，常用调用格式：
nc = wthcoef2（‘type’，c，s，n，t，sorh）：返回经过小波分解结构［c，s］进行处理后的新的小波分解向量nc，［nc，s］即构成一个新的小波分解结构。n是一个包含高频尺度的向量，t是相应的阈值，且n和t长度须相等。返回‘type’（水平、垂直、对角线）方向的小波分解向量nc。参数sorh用来对阈值方式进行选择，当sorh = ‘s’时，为软阈值，当sorh = ‘h’时，为硬阈值。
3、小波去噪matlab实例 实例1：
clear all;
load facets;
subplot（2，2，1）;image（x）;
colormap（map）;
xlabel（‘（a）原始图像’）;
axis square
%产生含噪声图像
init = 2055615866;
randn（‘seed’，init）;
x = x + 50*randn（size（x））;
subplot（2，2，2）;image（x）;
colormap（map）;
xlabel（‘（b）含噪声图像’）;
axis square
%下面进行图像的去噪处理
%用小波函数coif3对x进行2层小波分解
［c，s］ = wavedec2（x，2，‘coif3’）;
%提取小波分解中第一层的低频图像，即实现了低通滤波去噪
%设置尺度向量
n = ［1，2］;
%设置阈值向量p
p = ［10.12，23.28］;
%对三个方向高频系数进行阈值处理
nc = wthcoef2（‘h’，c，s，n，p，‘s’）;
nc = wthcoef2（‘v’，nc，s，n，p，‘s’）;
nc = wthcoef2（‘d’，nc，s，n，p，‘s’）;
%对新的小波分解结构［c，s］进行重构
x1 = waverec2（nc，s，‘coif3’）;
subplot（2，2，3）;image（x1）;
colormap（map）;
xlabel（‘（c）第一次去噪图像’）;
axis square
%对nc再次进行滤波去噪
xx = wthcoef2（‘v’，nc，s，n，p，‘s’）;
x2 = waverec2（xx，s，‘coif3’）;
subplot（2，2，4）;image（x2）;
colormap（map）;
xlabel（‘（d）第二次去噪图像’）;
axis square《span style=“font-size:14px”》《span style=“font-size:14px”》《span style=“font-size:18px; color：#3366ff”》
实例2： 首先使用函数wnoisest获取噪声方差，然后使用函数wbmpen获取小波去噪阈值，最后使用wdencmp实现信号消噪。
load leleccum;
indx = 1:1024;
x = leleccum（indx）;
%产生含噪信号
init = 2055615886;
randn（‘seed’，init）;
nx = x + 18*randn（size（x））;
%使用小波函数‘db6’对信号进行3层分解
［c，l］ = wavedec（nx，3，‘db6’）;
%估计尺度1的噪声标准差
sigma = wnoisest（c，l，1）;
alpha = 2;
%获取消噪过程中的阈值
thr = wbmpen（c，l，sigma，alpha）;
keepapp = 1;
%对信号进行消噪
xd = wdencmp（‘gbl’，c，l，‘db6’，3，thr，‘s’，keepapp）;
subplot（221）;
plot（x）;
title（‘原始信号’）;
subplot（222）;
plot（nx）;
title（‘含噪信号’）;
subplot（223）;
plot（xd）;
title（‘消噪后的信号’）;
实例3： 本例中，对小波分解系数使用函数wthcoef进行阈值处理，然后利用阈值处理后的小波系数进行重构达到去噪目的。
load leleccum;
indx = 1:1024;
x = leleccum（indx）;
%产生含噪信号
init = 2055615866;
randn（‘seed’，init）;
nx = x + 18*randn（size（x））;
%使用小波函数‘db5’对信号进行3层分解
［c，l］ = wavedec（nx，3，‘db5’）;
%设置尺度向量
n = ［1，2，3］;
%设置阈值向量
p = ［100，90，80］;
%对高频系数进行阈值处理
nc = wthcoef（‘d’，c，l，n，p）;
%对修正后的小波分解结构进行重构
rx = waverec（nc，l，‘db5’）;
subplot（221）;
plot（x）;
title（‘原始信号’）;
subplot（222）;
plot（nx）;
title（‘含噪信号’）;
subplot（223）;
plot（rx）;
title（‘消噪后的信号’）;
实例4： 本例中，使用一维信号的自动消噪函数wden对信号进行消噪。
load leleccum;
indx = 1:1024;
x = leleccum（indx）;
%产生含噪信号
init = 2055615866;
randn（‘seed’，init）;
nx = x + 18*randn（size（x））;
%将信号nx使用小波函数‘sym5’分解到第5层
%使用mimimaxi阈值选择系数进行处理，消除噪声信号
lev = 5;
xd = wden（nx，‘minimaxi’，‘s’，‘mln’，lev，‘sym5’）;
subplot（221）;
plot（x）;
title（‘原始信号’）;
subplot（222）;
plot（nx）;
title（‘含噪信号’）;
subplot（223）;
plot（xd）;
title（‘消噪后的信号’）;
基于红外感应技术电暖器的应用设计与试验
低频功率放大器的工作原理
FPGA在实时基因组测序计算大显身手，把测序时间从30小时缩短到26分钟！
iphone8/iphone8 plus今天上午8点正式开卖:国行iPhone8价格不稳,线下渠道比官网价还低,只为等iphonex?
导轨式多回路电力仪表多种无线通讯方式可应用于电力运维
小波去噪matlab程序代码_步骤及函数介绍
PCB质量问题的造成原因
Atmel MSL2166 16路白光和RGB LED驱动解决方案
深度解析锂离子电池用多孔电极结构设计
倒计时C程序实例 LED数码显示函数应用
画电气原理图到底是使用CAD还是EPLAN有什么区别
超简单！如何自己动手做一个简易的逆变器？
低消耗电流电压调整器 XC6503
普遍的纸吸管机分切工艺方法都有哪些
如何使用RGB格式图像传感器去构建一个通用马赛克算法
TD产业联盟秘书长杨骅认为5G频谱分配无法做到绝对平均
水洗色牢度测试仪的技术参数是怎样的
低噪声音频前置放大器电路图讲解
Cat网线的标准和类别
关于物联网与万物互联之间的联系分析