thselect

Пороговый выбор для шумоподавления

Синтаксис

Описание

пример

THR = thselect(X,TPTR) возвращает пороговое значение, адаптированное в 1D X сигнала использование правила выбора задано TPTR. Доступные правила выбора:

  • 'rigrsure' — Адаптивный пороговый выбор с помощью принципа Несмещенной оценки риска глиняной кружки (SURE).

  • 'sqtwolog' — Порогом фиксированной формы является sqrt(2*log(length(X))).

  • 'heursure' — Эвристический вариант 'rigrsure' и 'sqtwolog'.

  • 'minimaxi' — Минимаксная пороговая обработка.

Примеры

свернуть все

Сгенерируйте Гауссов белый шумовой сигнал. Для воспроизводимости установите случайный seed на значение по умолчанию.

rng default
x = randn(1,1000);

Найдите порог для каждого правила выбора.

thrRig = thselect(x,'rigrsure');
disp(['SURE (''rigrsure'') threshold: ',num2str(thrRig)]);
SURE ('rigrsure') threshold: 2.0518
thrSqt = thselect(x,'sqtwolog');
disp(['Universal (''sqtwolog'') threshold: ',num2str(thrSqt)]);
Universal ('sqtwolog') threshold: 3.7169
thrHeu = thselect(x,'heursure');
disp(['Heuristic variant (''heursure'') threshold: ',num2str(thrHeu)]);
Heuristic variant ('heursure') threshold: 3.7169
thrMin = thselect(x,'minimaxi');
disp(['Minimax (''minimaxi'') threshold: ',num2str(thrMin)]);
Minimax ('minimaxi') threshold: 2.2163

Минимакс и пороговые правила выбора SURE более консервативны и были бы более удобными когда маленькие детали лжи сигнала около шумовой области значений.

Входные параметры

свернуть все

Входные данные в виде вектора с действительным знаком.

Типы данных: double

Пороговое правило выбора, заданное:

  • 'rigrsure' — Пороговый выбор управляет на основе SURE (квадратичная функция потерь) для мягкого порогового средства оценки. Начиная с оценки риска для конкретного порогового значения, t, алгоритм минимизирует риски в t, чтобы дать к пороговому значению.

  • 'heursure' — Смесь 'rigrsure' и 'sqtwolog'. Если отношение сигнал-шум мало, оценка SURE является шумной. В этом случае порог фиксированной формы используется.

  • 'sqtwolog' — Фиксированная форма (универсальный) порог, дающий к минимаксной производительности, умноженной на маленький фактор, пропорциональный log(length(X)).

  • 'minimaxi' — Фиксированный порог, выбранный, чтобы дать к минимаксной производительности для среднеквадратичной погрешности против идеальной процедуры. Минимаксный принцип используется в статистике, чтобы спроектировать средства оценки. Сигнал denoised может ассимилироваться к средству оценки неизвестной функции регрессии. Поэтому минимаксное средство оценки понимает минимум максимальной среднеквадратичной погрешности, полученной для худшей функции в данном наборе.

Пороговые правила выбора основаны на базовой модели y = f (t) + e, где e является N (0,1) белый шум. Используйте зависимые уровнем шумовые оценки в немасштабированном или цветном шуме. (См. NoiseEstimate параметр в wdenoise для получения дополнительной информации.

Выходные аргументы

свернуть все

Пороговое значение адаптируется к X, возвращенный как положительное вещественное число.

Ссылки

[1] 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.

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

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

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Функции

Приложения

Представлено до R2006a

Для просмотра документации необходимо авторизоваться на сайте