В этом примере вы демонстрируете экземпляр разрывов в зашумленных данных, представляемых более редко с помощью вейвлета Хаара чем тогда, когда с помощью вейвлета с большей поддержкой. Этот пример требует Signal Processing Toolbox.
Создайте шумную прямоугольную волну с 512 выборками. Постройте прямоугольную волну.
n = 512; t = 0:0.001:(n*0.001)-0.001; yn = square(2*pi*10*t)+0.02*randn(size(t)); plot(yn) grid on title('Noisy Signal')
Получите максимальное перекрытие дискретный вейвлет преобразовывает (MODWT) сигнала с помощью haar вейвлет. haar вейвлет имеет поддержку длины, равной 1
modhaar = modwt(yn,'haar');Получите анализ мультиразрешения из haar Матрица MODWT и график детали первого уровня.
mrahaar = modwtmra(modhaar,'haar'); figure hs = stem(mrahaar(1,:)); grid on hs.Marker = 'none'; hs.ShowBaseLine = 'off'; title('First-Level MRA Details Using Haar Wavelet')
Получите MODWT сигнала при помощи db4 вейвлет. db4 вейвлет имеет поддержку длины, равной 7.
moddb4 = modwt(yn,'db4');Получите анализ мультиразрешения из db4 Матрица MODWT и график детали первого уровня. Разрывы представлены менее редко с помощью db4 вейвлет, чем haar вейвлет.
mradb4 = modwtmra(modhaar,'db4'); figure hs = stem(mradb4(1,:)); grid on hs.Marker = 'none'; hs.ShowBaseLine = 'off'; title('First-Level MRA Details Using db4 Wavelet')
