66实现信号的小波分解和重构

基于MATLAB实现的信号小波分解和重构

1. 一维小波分解和重构
matlab 复制代码
% 生成测试信号
t = linspace(0, 1, 1024);
signal = sin(2 * pi * 50 * t) + 0.5 * sin(2 * pi * 120 * t) + randn(size(t)) * 0.2;

% 小波分解
waveletName = 'sym4'; % 选择小波基函数
[cA, cD] = dwt(signal, waveletName); % 一维离散小波变换

% 小波重构
reconstructedSignal = idwt(cA, cD, waveletName); % 一维离散小波反变换

% 显示结果
figure;
subplot(3, 1, 1);
plot(t, signal);
title('Original Signal');
xlabel('Time');
ylabel('Amplitude');

subplot(3, 1, 2);
plot(t, cA);
title('Approximation Coefficients');
xlabel('Time');
ylabel('Amplitude');

subplot(3, 1, 3);
plot(t, reconstructedSignal);
title('Reconstructed Signal');
xlabel('Time');
ylabel('Amplitude');
2. 二维小波分解和重构
matlab 复制代码
% 生成测试图像
[X, Y] = meshgrid(1:128, 1:128);
image = sin(X / 10) + cos(Y / 10) + randn(size(X)) * 0.1;

% 小波分解
waveletName = 'sym4'; % 选择小波基函数
[C, S] = wavedec2(image, 2, waveletName); % 二维多层小波分解

% 提取各层细节分量
[appCoefs, detCoefs] = detcoef2('all', C, S, 2); % 提取所有细节分量

% 小波重构
reconstructedImage = waverec2(C, S, waveletName); % 二维多层小波重构

% 显示结果
figure;
subplot(2, 2, 1);
imagesc(image);
title('Original Image');
colormap('gray');

subplot(2, 2, 2);
imagesc(appCoefs);
title('Approximation Coefficients');
colormap('gray');

subplot(2, 2, 3);
imagesc(detCoefs(:,:,1));
title('Horizontal Detail Coefficients');
colormap('gray');

subplot(2, 2, 4);
imagesc(reconstructedImage);
title('Reconstructed Image');
colormap('gray');

说明

  1. 一维小波分解和重构

    • 使用dwt函数进行一维离散小波分解,得到近似分量cA和细节分量cD
    • 使用idwt函数进行一维离散小波反变换,重构原始信号。
    • 显示原始信号、近似分量和重构信号的波形图。
  2. 二维小波分解和重构

    • 使用wavedec2函数进行二维多层小波分解,得到多层分解的系数矩阵C和尺寸矩阵S
    • 使用detcoef2函数提取各层细节分量。
    • 使用waverec2函数进行二维多层小波重构,重构原始图像。
    • 显示原始图像、近似分量、细节分量和重构图像的灰度图。

参考代码 实现信号的小波分解和重构 www.youwenfan.com/contentcsf/82096.html

相关推荐
科技云报道5 小时前
从发现到恢复,看瑞数信息如何构建“抗毁重构”实战路径
大数据·人工智能·重构
技术与健康5 小时前
66【专栏升级】大模型应用实战并收录RAG专题,Agent专题,LLM重构数据科学流程专题,端侧AI专题,累计63篇文章
人工智能·重构
融云5 小时前
融云:当我们谈论 AI 重构业务时,我们到底在谈论什么
人工智能
Coovally AI模型快速验证5 小时前
轻量级注意力模型HOTSPOT-YOLO:无人机光伏热异常检测新SOTA,mAP高达90.8%
人工智能·学习·yolo·计算机视觉·目标跟踪·无人机
盼小辉丶6 小时前
66PyTorch实战(6)——模型微调详解
人工智能·pytorch·python
武子康6 小时前
66AI-调查研究-68-具身智能 应用全景:家庭、工业、医疗、交通到虚拟交互的未来趋势
人工智能·程序人生·ai·职场和发展·交互·个人开发·具身智能
金融Tech趋势派6 小时前
企业微信AI落地:如何选择企业微信服务商?
大数据·人工智能·企业微信
数智化商业6 小时前
企业微信怎么用能高效获客?拆解体检品牌如何实现私域营收提升
大数据·人工智能·企业微信
F_D_Z6 小时前
详尽 | Deeplabv3+结构理解
人工智能·深度学习·encoder-decoder·aspp·空洞卷积·deeplabv3·dilated conv