mswcmp

Сжатие мультисигнала 1-D с помощью вейвлетов

свернуть все на странице

Синтаксис

[xc,deccmp,thresh] = mswcmp('cmp',dec,mthd)
[xc,deccmp,thresh] = mswcmp('cmp',dec,mthd,param)
[xc,thresh] = mswcmp('cmpsig',___)
[deccmp,thresh] = mswcmp('cmpdec',___)
thresh = mswcmp('thr',___)
[___] = mswcmp(option,dirdec,x,wname,lev,mthd)
[___] = mswcmp(option,dirdec,x,wname,lev,mthd,param)
[___] = mswcmp(___,s_or_h)
[___] = mswcmp(___,s_or_h,keepapp)
[___] = mswcmp(___,s_or_h,keepapp,idxsig)

Описание

mswcmp вычисляет пороги и, в зависимости от выбранной опции, выполняет сжатие 1D сигналов с помощью вейвлетов.

[xc,deccmp,thresh] = mswcmp('cmp',dec,mthd) возвращает сжатую версию xc из исходного x мультисигнала, чьей структурой разложения вейвлета является dec. Метод сжатия задан mthd. Выход xc получен пороговой обработкой коэффициенты вейвлета. Выход deccmp разложение вейвлета, сопоставленное с xc, и thresh матрица пороговых значений.

пример

[xc,deccmp,thresh] = mswcmp('cmp',dec,mthd,param) использует параметр param сопоставленный с mthd, при необходимости.

[xc,thresh] = mswcmp('cmpsig',___) возвращает сжатый мультисигнал и вычисленные пороги если 'cmp' в первых или вторых синтаксисах заменяется 'cmpsig'.

[deccmp,thresh] = mswcmp('cmpdec',___) возвращает разложение вейвлета, сопоставленное со сжатым мультисигналом и вычисленными порогами если 'cmp' в первых или вторых синтаксисах заменяется 'cmpdec'.

thresh = mswcmp('thr',___) возвращает вычисленные пороги если 'cmp' в первых или вторых синтаксисах заменяется 'thr'.

[___] = mswcmp(option,dirdec,x,wname,lev,mthd) анализирует x мультисигнала выравнивать lev использование вейвлета задано wname в направлении dirdec прежде, чем выполнить сжатие или вычислить пороги.

[___] = mswcmp(option,dirdec,x,wname,lev,mthd,param) использует параметр param сопоставленный с mthd, при необходимости.

[___] = mswcmp(___,s_or_h) применяет пороговое правило, заданное s_or_h.

[___] = mswcmp(___,s_or_h,keepapp) любой сохраняет коэффициенты приближения (true) или не делает (false).

[___] = mswcmp(___,s_or_h,keepapp,idxsig) вектор, который содержит индексы начальных сигналов.

Примеры

свернуть все

Скрипт Open Live Script

Загрузите данные EEG с 23 каналами Espiga3 [8]. Каналы располагаются по столбцам. Данные производятся на уровне 200 Гц.

load Espiga3

Выполните разложение на уровне 2 с помощью db2 вейвлет.

dec = mdwtdec('c',Espiga3,2,'db2');

Сожмите сигналы получить процент нулей около 95% для коэффициентов вейвлета.

[xr,deccmp,thresh] = mswcmp('cmp',dec,'N0_perf',95);

Постройте исходный сигнал и соответствующий сжатый сигнал.

idx = 3;
plot(Espiga3(:,idx),'r')
hold on
plot(xr(:,idx),'b')
grid on
legend('Original','Compressed')

Входные параметры

свернуть все

Разложение вейвлета в виде структуры. dec выход mdwtdec.

Метод сжатия в виде одного из значений, перечисленных здесь. Для методов, которые используют связанный параметр, область значений допустимого param значения показывают.

Для методов, перечисленных в следующей таблице, param параметр разреженности, и он должен быть задан таким образом что 1 ≤ param ≤ 10. Для 'scarce' метод никакое управление сделан.

methodОписание
'scarce'Недостаточный, param (любой номер)
'scarcehi'Недостаточный высокий, 2,5 ≤ param ≤ 10
'scarceme'Недостаточный носитель, 1,5 ≤ param ≤ 2.5
'scarcelo'Недостаточный низкий, 1 ≤ param ≤ 2
'rem_n0'Удалите близкий 0
'bal_sn'Сбалансируйте норму разреженности
'sqrtbal_sn'Сбалансируйте норму разреженности (sqrt)

Для методов, перечисленных в следующей таблице, param вещественное число, которое представляет необходимую производительность: 0 ≤ param ≤ 100.

methodОписание
'L2_perf'Энергетическое отношение
'N0_perf'Нулевое содействующее отношение

Чтобы применить глобальный порог для сжатия, задайте метод 'glb_thr' и любое положительное вещественное число param.

Чтобы применить ручной метод сжатия, задайте метод 'man_thr', и задайте param как NbSig-by-NbLev или NbSig (NbLev +1) матрица с действительным знаком, где NbSig является количеством сигналов и NbLev количество уровней разложения.

  • param(i,j) порог для коэффициентов детали уровня j для i th сигнал (1 ≤ j ≤ NbLev).

  • param(i,NbLev+1) порог для коэффициентов приближения для i th сигнал (если keepapp 0).

Параметр сопоставлен с методом сжатия mthdВ виде вещественного числа или матрицы с действительным знаком. Для получения дополнительной информации смотрите mthd.

Сжатие выходная опция в виде одного из значений, перечисленных здесь.

optionОписание
'cmp'Возвратите сжатый сигнал, связанное разложение вейвлета и пороги.
'cmpsig'Возвратите сжатый сигнал и пороги.
'cmpdec'Возвратите разложение вейвлета, сопоставленное со сжатым сигналом и порогами.
'thr'Возвратите пороги.

Индикатор Direction разложения вейвлета в виде одного из следующего:

  • 'r': Возьмите 1D разложение вейвлета каждой строки x

  • 'c': Возьмите 1D разложение вейвлета каждого столбца x

Мультисигнал в виде матрицы с действительным знаком.

Типы данных: double

Анализ вейвлета в виде вектора символов или строкового скаляра. Вейвлет должен быть ортогональным или биоортогональным. Ортогональные и биоортогональные вейвлеты определяются как тип 1 и вейвлеты типа 2, соответственно, в менеджере по вейвлету, wavemngr.

  • Допустимые встроенные ортогональные семейства вейвлетов начинают с 'haar', 'dbN', 'fkN', 'coifN', или 'symN', где N является номером исчезающих моментов для всех семейств кроме fk. Для fk, N является количеством коэффициентов фильтра.

  • Допустимые биоортогональные семейства вейвлетов начинают с 'biorNr.Nd' или 'rbioNd.Nr', где Nr и Nd являются номером исчезающих моментов в реконструкции (синтез) и разложение (анализ) вейвлет.

Определите допустимые значения в течение исчезающих моментов при помощи waveinfo с кратким названием семейства вейвлетов. Например, введите waveinfo('db') или waveinfo('bior'). Используйте wavemngr('type',WNAME) определить, является ли вейвлет ортогональным (возвращается 1), или биоортогональный (возвращается 2).

Уровень разложения в виде положительного целого числа. mdwtdec не осуществляет ограничение максимального уровня. Используйте wmaxlev гарантировать, что коэффициенты вейвлета свободны от граничных эффектов. Если граничные эффекты не являются беспокойством, хорошее правило состоит в том, чтобы установить lev меньше чем или равный fix(log2(length(N))), где N является количеством выборок в 1D данных.

Тип пороговой обработки, чтобы выполнить в виде любого из следующего:

  • 's' — Мягкая пороговая обработка

  • 'h' — Трудная пороговая обработка

Пороговая установка приближения:

  • 0 — Коэффициенты приближения являются порогом

  • 1 — Коэффициенты приближения не являются порогом

Индексы начальных сигналов в виде вектора положительных целых чисел или 'all'.

Выходные аргументы

свернуть все

Сжатый мультисигнал, возвращенный как матрица с действительным знаком.

Разложение вейвлета сжатого x мультисигнала, возвращенный как структура со следующими полями:

  • dirDec — Индикатор Direction: 'r' (строка) или 'c' (столбец)

  • level — Уровень разложения вейвлета

  • wname — Имя вейвлета

  • dwtFilters — Структура с четырьмя полями: LoD, HiD, LoR, и HiR

  • dwtEXTM — Режим расширения DWT

  • dwtShift — DWT переключают параметр (0 или 1)

  • dataSize — Размер x

  • ca — Коэффициенты приближения на уровне lev

  • cd — Массив ячеек коэффициентов детали, от уровня 1 до уровня lev

Коэффициенты ca и cd{k}, для k от 1 до lev, матрицы и хранятся в строках если dirdec = 'r' или в столбцах, если dirdec = 'c'.

Пороговые значения используются в сжатии, возвращенном как матрица с действительным знаком.

Ссылки

[1] Birgé, L. и П. Мэссарт. “От Выбора Модели до Адаптивной Оценки”. Юбилейный сборник для Люсьена Ле Кама: Научно-исследовательские работы в Вероятности и Статистике (Э. Торджерсен, Д. Поллард, и Г. Янг, редакторы). Нью-Йорк: Springer-Verlag, 1997, стр 55–88.

[2] DeVore, R. A. Б. Джейрт и Б. Дж. Лукир. “Сжатие изображения Посредством Кодирования Преобразования Вейвлета”. Транзакции IEEE на Теории информации. Издание 38, Номер 2, 1992, стр 719–746.

[3] Donoho, D. L. “Прогресс Анализа Вейвлета и WVD: Десятиминутный Тур”. Прогресс Анализа Вейвлета и Приложений (И. Мейер, и. Рок, редакторы). Джиф-сур-Иветт: Выпуски Frontières, 1993.

[4] Donoho, D. L. и я. М. Джонстон. “Идеальная Пространственная Адаптация Уменьшением Вейвлета”. Biometrika. Издание 81, стр 425–455, 1994.

[5] Donoho, D. L. i. М. Джонстон, Г. Керкьячариэн и Д. Пикар. “Уменьшение вейвлета: Asymptopia?” Журнал Королевского Статистического Общества, серий B, Издания 57, № 2, стр 301–369, 1995.

[6] Donoho, D. L. и я. М. Джонстон. “Идеальное шумоподавление в ортонормированном базисе, выбранном из библиотеки основ”. К. Р. Акэд. Наука Париж, Сер. Я, Издание 319, стр 1317–1322, 1994.

[7] Donoho, D. L. “Шумоподавление Мягкой Пороговой обработкой”. Транзакции IEEE на Теории информации. Издание 42, Номер 3, стр 613–627, 1995.

[8] Мезаструктура, Гектор. “Адаптированные Вейвлеты для Обнаружения Шаблона”. Происходящий в Распознавании образов, Анализе изображения и Приложениях, отредактированных Альберто Санфелиу и Мануелем Лазо Кортесом, 3773:933–44. Берлин, Гейдельберг: Спрингер Берлин Гейдельберг, 2005. https://doi.org/10.1007/11578079_96.

Смотрите также

| | |

Представленный в R2007a

Документация Wavelet Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте