Exponenta Banner
exponenta event banner

mswcmpscr

Баллы сжатия вейвлета мультисигнала 1-D

свернуть все на странице

Синтаксис

[THR,L2SCR,NOSCR,IDXSORT] = mswcmpscr(DEC)

Описание

[THR,L2SCR,NOSCR,IDXSORT] = mswcmpscr(DEC) вычисляет четыре матрицы: пороги THR, баллы сжатия L2SCR и NOSCR, и индексы IDXSORT. Разложение DEC соответствует матрице коэффициентов вейвлета CFS полученный конкатенацией детали и (опционально) коэффициентов приближения, где

CFS = [cd{DEC.level}, ... , cd{1}] или  CFS = [ca, cd{DEC.level}, ... , cd{1}]

Конкатенация сделана построчной если DEC.dirDec равно 'r' или по столбцам если DEC.dirDec равно 'c' .

Если NbSIG количество исходных сигналов и NbCFS количество коэффициентов для каждого сигнала (все или только коэффициенты детали), затем CFS NbSIG- NbCFS матрица. Поэтому

  • THR, L2SCR, NOSCR NbSIG- (NbCFS+1) матрицы

  • IDXSORT NbSIG- NbCFS матрица

  • THR(:,2:end) равно CFS отсортированный по строке в порядке возрастания относительно абсолютного значения.

  • Для каждой строки, IDXSORT содержит порядок коэффициентов и THR(:,1)=0.

Для сигнала ith:

  • L2SCR(i,j) процент сохраненной энергии (L2-норма), соответствуя порогу, равному CFS(i,j-1)(2 ≤ j ≤ NbCFS), и L2SCR(:,1)=100.

  • N0SCR(i,j) процент нулей, соответствующих порогу, равному CFS(i,j-1)(2 ≤ j ≤ NbCFS), и N0SCR(:,1)=0.

Могут использоваться еще три дополнительных входных параметров:

[...] = mswcmpscr(...,S_OR_H,KEEPAPP,IDXSIG)

  • S_OR_H ('s' or 'h') обозначает мягкую или трудную пороговую обработку (см. mswthresh для получения дополнительной информации).

  • KEEPAPP (true or false) указывает, сохранить ли коэффициенты приближения (true) или не (false).

  • IDXSIG вектор, который содержит индексы начальных сигналов или 'all'.

Значениями по умолчанию является, соответственно, 'h', ложь и 'all'.

Примеры

свернуть все

Скрипт Open Live Script

Загрузите 23 канала данные EEG Espiga3 [4]. 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')
dec = struct with fields:
        dirDec: 'c'
         level: 2
         wname: 'db2'
    dwtFilters: [1x1 struct]
       dwtEXTM: 'sym'
      dwtShift: 0
      dataSize: [995 23]
            ca: [251x23 double]
            cd: {[499x23 double]  [251x23 double]}

Вычислите производительность сжатия для мягкой и трудной пороговой обработки.

[THR_S,L2SCR_S,N0SCR_S] = mswcmpscr(dec,'s');
[THR_H,L2SCR_H,N0SCR_H] = mswcmpscr(dec,'h');

Ссылки

[1] Daubechies, я. Десять лекций по вейвлетам, CBMS-NSF региональный ряд конференции в прикладной математике. Филадельфия, PA: SIAM Эд, 1992.

[2] Mallat, S. G. “Теория для Разложения Сигнала Мультиразрешения: Представление Вейвлета”, Транзакции IEEE согласно Анализу Шаблона и Искусственному интеллекту. Издание 11, Выпуск 7, июль 1989, стр 674–693.

[3] Мейер, Y. Вейвлеты и операторы. Переведенный Д. Х. Сэлинджером. Кембридж, Великобритания: Издательство Кембриджского университета, 1995.

[4] 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