Импортируйте данные в приложение

Загрузите данные в рабочее пространство MATLAB. .mat файл содержит чистую версию и шумную версию сигнала. Постройте обе версии сигнала.

load fdata
plot(fNoisy,'b-')
hold on
plot(fClean,'r-','LineWidth',2)
legend('Noisy Signal','Clean Signal')
grid on

Откройте приложение Wavelet Signal Denoiser. От Панели инструментов MATLAB откройте вкладку Apps и при Обработке сигналов и Коммуникациях, нажмите Wavelet Signal Denoiser. Можно также запустить приложение путем ввода waveletSignalDenoiser в командной строке MATLAB.

Загрузите сигнал с шумом из рабочей области в приложение путем нажатия на Load Signal в панели инструментов. Из списка переменных рабочей области, которые могут загрузиться в приложение, выберите fNoisy и нажмите ОК.

Приложение импортирует сигнал с шумом и сразу denoises это с помощью параметров по умолчанию.

Исследование импортированных данных

Исследуйте график fNoisy. Приложение строит исходный сигнал, fNoisy, сигнал denoised, fNoisy1, и крупное приближение шкалы сигнала, Approximation.

1. Панель Сигналов Denoised перечисляет все версии сигнала denoised. Список в настоящее время содержит только сигнал, что приложение создало использование имени по умолчанию, fNoisy1.

2. Текущая панель Параметров Вейвлета перечисляет параметры шумоподавления, примененные, чтобы создать fNoisy1.

3. Масштабируйте и панорамируйте необходимую область. Во-первых, установите курсор на график показать плавающую палитру. Затем выберите желаемое действие из палитры.

4. Переключите, чего сигналы отображаются в графике fNoisy:

5. Исследуйте Содействующий график.

Коэффициенты красного цвета используются, чтобы восстановить сигнал denoised. Текущая панель Параметров Вейвлета указывает, что 9-уровневое разложение вейвлета использовалось к denoise сигнал.

Масштабируйте и панорамируйте необходимую область. Во-первых, установите курсор на график показать плавающую палитру. Затем выберите желаемое действие из палитры.

Измените параметры шумоподавления

Кликните по вкладке Wavelet. Используйте эту панель инструментов, чтобы настроить и применить параметры шумоподавления для выбранного сигнала denoised.

Перечисленные значения являются параметрами, используемыми, чтобы создать сигнал denoised, fNoisy1. Изменить значения этих настроек, работая слева направо в панели инструментов:

1. В выпадающем меню Wavelet выберите семейство вейвлетов Daubechies, db. Из-за этого действия:

2. Из выпадающего меню Method выберите Universal Threshold.

3. Чтобы задать 10-уровневое разложение вейвлета, измените значение Уровня к 10.

4. Путем изменения Метода в Universal Threshold, настройки Rule, измененные автоматически от Median к Soft. Измените настройки к Hard.

5. Нажмите Level-Dependent.

6. Примените новые значения для этих настроек путем нажатия на Denoise.

Текущие обновления панели Параметров Вейвлета новыми параметрами, используемыми к denoise сигнал и приложение, повторно строят сигнал denoised, fNoisy1.

Примечание: Все параметры являются контекстными. Возможные значения для одного параметра могут зависеть от в настоящее время выбранного значения другого параметра. Вы не можете сделать несовместимый выбор. Например, когда методом шумоподавления является ФРГ, существует только возможное правило пороговой обработки: трудно. В этом экземпляре никакие другие значения не перечислены в выпадающем меню Rule.

Скопируйте сигнал Denoised и сравните приближения

Если вы любите конкретный сигнал denoised, но хотите исследовать больше параметров шумоподавления, можно скопировать его. Можно затем изменить параметры для копии, не теряя исходные параметры.

1. От панели Сигналов Denoised выберите fNoisy1. Затем на панели инструментов, от вкладки Signal Denoiser, нажимают Duplicate.

2. На вкладке Wavelet измените Уровень в 2, и затем нажмите Denoise. Приложение denoises сигнал с помощью двухуровневого разложения вейвлета. Кроме того, приложение:

Поскольку fNoisy1Copy подсвечен, его приближение построено. Приложение всегда строит приближение для в настоящее время выбранного сигнала denoised. Можно продемонстрировать это поведение можно следующим образом. В легенде графика нажмите fNoisy1 и fNoisy1Copy. Имена и сигналов denoised исчезают, и два сигнала больше не строятся. Только исходный сигнал и графики приближения отображаются.

Пунктирная линия в графике представляет приближение. Поскольку fNoisy1Copy подсвечен в списке Сигналов Denoised, построенное приближение является результатом двухуровневого разложения вейвлета. Приближение является относительно шумным. Теперь выберите fNoisy1 в списке. Приближение 10-уровневого разложения вейвлета отличается.

Восстановите исходные параметры

Можно всегда возвращаться к использованию исходных параметров по умолчанию путем добавления нового сигнала denoised. От панели инструментов, на вкладке Signal Denoiser, нажимают Add.

Экспортируйте результаты

Если вы хотите применить те же параметры шумоподавления к другим данным, можно использовать приложение, чтобы сгенерировать скрипт, который воспроизводит выбранный сигнал denoised. Можно затем изменить и сохранить скрипт в собственных целях. Чтобы сделать последующий анализ, можно экспортировать сигнал denoised в рабочую область.

Экспортируйте скрипт

Нажмите fNoisy2 в Сигналах Denoised. На вкладке Signal Denoiser панели инструментов, от Экспорта ▼ меню, выбирают Generate MATLAB Script. Неназванный скрипт открывается в вашем редакторе MATLAB следующим исполняемым кодом:

fNoisy2 = wdenoise(fNoisy,9, ...
    'Wavelet', 'sym4', ...
    'DenoisingMethod', 'Bayes', ...
    'ThresholdRule', 'Median', ...
    'NoiseEstimate', 'LevelIndependent');

wdenoise входные параметры заполняются со значениями, используемыми, чтобы создать fNoisy2. Сохраните скрипт и затем запуститесь. Это создаст переменную fNoisy2 в вашей рабочей области.

Загрузите файл fdataTS. Файл содержит зашумленные данные 100 временных рядов. Каждые временные ряды имеют 4 096 точек данных. Данные содержатся в типе TimeTable переменная под названием fdataTS.

load fdataTS

Применять параметры шумоподавления к fdataTS, отредактируйте скрипт, заменив fNoisy с fdataTS и fNoisy2 с fdataTSclean. Затем запустите скрипт.

fdataTSclean = wdenoise(fdataTS,9, ...
    'Wavelet', 'sym4', ...
    'DenoisingMethod', 'Bayes', ...
    'ThresholdRule', 'Median', ...
    'NoiseEstimate', 'LevelIndependent');

Сравните 15-е шумные временные ряды с его denoised версией.

subplot(2,1,1)
plot(fdataTS.Time,fdataTS.fTS15)
title('Original Time Series')
grid on
subplot(2,1,2)
plot(fdataTSclean.Time,fdataTSclean.fTS15)
title('Denoised Time Series')
grid on

Экспортируйте сигнал Denoised

Нажмите fNoisy2 в Сигналах Denoised. Затем на панели инструментов, от вкладки Signal Denoiser, кликают по зеленой галочке на Экспорт ▼. Начиная с fNoisy2 уже существует в вашей рабочей области, можно обеспечить экспорт и перезаписать переменную рабочей области. В качестве альтернативы можно отменить экспорт, переименовать или сигнал denoised в приложении или переменную рабочей области, и экспортировать снова. Баннер кажется подтверждающим, что сигнал экспортируется. Чтобы постоянно удалить баннер, любой нажимает X закрыть или импортировать новый сигнал в приложение.

Поскольку вы имеете чистый сигнал в своей рабочей области, вычисляете отношение знака к шуму сигнала denoised.

snrWavelet = -20*log10(norm(abs(fClean-fNoisy2))/norm(fClean))

snrWavelet = 35.9623

Если у вас есть Signal Processing Toolbox™ denoise сигнал с помощью фильтра скользящего среднего значения, и Savitzky-Golay фильтруют и вычисляют ОСШ каждого сигнала denoised.

fmv = smoothdata(fNoisy,'movmean',25);
snrMovingAverage = -20*log10(norm(abs(fClean-fmv))/norm(fClean))

snrMovingAverage = 26.0040

fsg = smoothdata(fNoisy,'sgolay',25);
snrSavitskyGolay = -20*log10(norm(abs(fClean-fsg))/norm(fClean))

snrSavitskyGolay = 28.8932

Вы достигаете превосходящего шумоподавления результатов с sym4 вейвлет.