Документация

Запустите оценку регрессии 1D инструмент.

От подсказки MATLAB^® введите waveletAnalyzer.

Wavelet Analyzer появляется.

Кликните по пункту меню Regression Estimation 1-D. Дискретный аналитический инструмент вейвлета для 1D оценки регрессии появляется.

Загрузка данных.

В подсказке команды MATLAB ввести

load blocregdata;

В инструменте Regression Estimation 1-D выберите File> Import from Workspace. Когда диалоговое окно Import from Workspace появится, выберите данные blocregdata. Нажмите ОК, чтобы импортировать данные. Загруженные данные и обработанные данные, полученные после раскладывания, отображены.

Выберите обработанные данные.

Значение по умолчанию для количества интервалов 256 для этого примера. Войдите 64 в интервалы Nb (количество интервалов) окно редактирования или используйте ползунок, чтобы настроить значение. Новые сгруппированные данные, которые будут обработаны, появляются.

Сгруппированные данные, кажется, очень сглаживаются. Выберите 1000 из интервалов Nb, редактируют и нажимают Enter или используют ползунок. Новые данные, которые будут обработаны, появляются.

Сгруппированные данные, кажется, очень близко к исходным данным, поскольку noisbloc имеет длину 1024.

Выполните Разложение Вейвлета обработанных данных.

Выберите вейвлет haar из меню Wavelet и выберите 5 из меню Level, и затем нажмите кнопку Decompose. После паузы для вычисления инструмент отображает коэффициенты детали разложения.

Выполните оценку регрессии.

В то время как много опций доступны для подстройки алгоритма оценки, мы примем значения по умолчанию фиксированной формы мягкая пороговая обработка и немасштабированный белый шум. Ползунки, расположенные справа от окна, управляют зависимыми порогами уровня, обозначенными желтыми пунктирными линиями, запускающимися горизонтально через графики на левой части окна.

Продолжите путем нажатия кнопки Estimate.

Вы видите, что процесс удалил шум и что блоки хорошо восстановлены. Оценка регрессии (в желтом) является суммой сигналов, расположенных ниже его: приближение a5 и восстановленные детали после содействующей пороговой обработки.

Можно экспериментировать с различными предопределенными стратегиями пороговой обработки путем выбора подходящих вариантов из меню, расположенного на правильной части окна или непосредственно путем перетаскивания желтых горизонтальных строк с левой кнопкой мыши.

Давайте теперь проиллюстрируем оценку регрессии с помощью приложения Wavelet Analyzer для случайным образом или нерегулярно распределенные наблюдения, фокусируясь на различиях от предыдущей ситуации.

Из меню File выберите Load> опция Data for Stochastic Design Regression. Когда данные о Загрузке для диалогового окна Stochastic Design Regression появляются, выберите MAT-file ex1nsto.mat, который должен находиться в папке toolbox/wavelet/wavelet MATLAB. Кликните по кнопке OK. Этот короткий набор данных (размера 500) загружается в 1D Оценку Регрессии - Стохастический Design Tool.

Загруженные обозначенные данные (X, Y), гистограмма X, и обработанные данные, полученные после раскладывания, отображены. Гистограмма интересна, потому что значения X случайным образом распределяются. Шаг раскладывания важен, поскольку он преобразовывает проблему оценки регрессии для нерегулярно расположенного с интервалами X данных в классическую фиксированную схему проекта, для которого быстрого вейвлета преобразовывают, может использоваться.

Выберите вейвлет sym4 из меню Wavelet, выберите 5 из меню Level и войдите 125 в окно редактирования интервалов Nb. Нажмите кнопку Decompose. Инструмент отображает коэффициенты детали разложения.

Из Избранного меню метода задания порога выберите элемент, Штрафуют низко и нажимают кнопку Estimate.

Проверяйте Overlay Estimated Function, чтобы подтвердить припадок исходных данных.