imodwt

Обратное максимальное перекрытие дискретный вейвлет преобразовывает

Описание

пример

xrec = imodwt(w) восстанавливает сигнал на основе коэффициентов максимального перекрытия дискретного вейвлета преобразовывает (MODWT) в w. По умолчанию, imodwt принимает, что вы получили w использование 'sym4' вейвлет с периодической граничной обработкой. Если вы не изменяете коэффициенты, xrec совершенная реконструкция сигнала.

пример

xrec = imodwt(w,wname) восстанавливает сигнал с помощью ортогонального вейвлета wname. wname должен быть тот же вейвлет, используемый, чтобы анализировать вход сигнала к modwt.

пример

xrec = imodwt(w,Lo,Hi) восстанавливает сигнал с помощью ортогонального фильтра масштабирования Lo и вейвлет фильтрует Hi. Lo и Hi фильтры должны быть теми же фильтрами, используемыми, чтобы анализировать вход сигнала к modwt.

пример

xrec = imodwt(___,lev) восстанавливает сигнал до уровня lev. xrec проекция на масштабирующийся пробел на уровне lev. Уровень по умолчанию 0, который приводит к совершенной реконструкции, если вы не изменяете коэффициенты.

пример

xrec = imodwt(___,'reflection') использует отражательное граничное условие в реконструкции. Если вы задаете 'reflection', imodwt принимает, что продолжительность исходной длины сигнала является одной половиной количества столбцов во входной матрице коэффициентов. По умолчанию, imodwt принимает периодическое расширение сигнала за пределами.

Необходимо ввести целый вектор символов 'reflection'. Если вы добавили вейвлет под названием 'reflection' с помощью менеджера по вейвлету необходимо переименовать тот вейвлет до использования этой опции. 'reflection' может быть помещен в любое положение в списке входных параметров после x.

Примеры

свернуть все

Получите MODWT ECG, сигнализируют и демонстрируют совершенную реконструкцию.

Загрузите данные сигнала ECG и получите MODWT.

load wecg;

Получите MODWT и обратный MODWT.

w = modwt(wecg);
xrec = imodwt(w);

Используйте L-норму-по-бесконечности, чтобы показать, что различие между исходным сигналом и реконструкцией чрезвычайно мало. Самая большая абсолютная разность между исходным сигналом и реконструкцией находится порядка 10-12, который демонстрирует совершенную реконструкцию.

norm(abs(xrec'-wecg),Inf)
ans = 2.3255e-12

Получите MODWT данных об обменном курсе немецкой марки-доллара США и продемонстрируйте совершенную реконструкцию.

Загрузите данные об обменном курсе немецкой марки-доллара США.

load DM_USD;

Получите MODWT и Обратный MODWT использование 'db2' вейвлет.

wdm = modwt(DM_USD,'db2');
xrec = imodwt(wdm,'db2');

Используйте L-норму-по-бесконечности, чтобы показать, что различие между исходным сигналом и реконструкцией чрезвычайно мало. Самая большая абсолютная разность между исходным сигналом и реконструкцией находится порядка 10-13, который демонстрирует совершенную реконструкцию.

norm(abs(xrec'-DM_USD),Inf)
ans = 1.6370e-13

Получите MODWT сигнала ECG использование фильтров Фейера-Коровкина.

Загрузите данные о ECG.

load wecg;

Создайте фильтры Фейера-Коровкина с 8 коэффициентами.

[Lo,Hi] = wfilters('fk8');

Получите MODWT и обратный MODWT.

wtecg = modwt(wecg,Lo,Hi);
xrec = imodwt(wtecg,Lo,Hi);

Отобразите на графике исходные данные и реконструкцию.

subplot(2,1,1)
plot(wecg)
title('ECG Signal');
subplot(2,1,2)
plot(xrec)
title('Reconstruction')

Figure contains 2 axes. Axes 1 with title ECG Signal contains an object of type line. Axes 2 with title Reconstruction contains an object of type line.

Получите MODWT сигнала ECG вниз к максимальному уровню и получите проекцию сигнала ECG на масштабирующийся пробел на уровне 3.

Загрузите данные о ECG.

load wecg;

Получите MODWT.

wtecg = modwt(wecg);

Получите проекцию сигнала ECG на V3, масштабирующийся пробел на уровне три при помощи imodwt функция.

v3proj = imodwt(wtecg,3);

Постройте исходный сигнал и проекцию.

subplot(2,1,1)
plot(wecg)
title('Original Signal')
subplot(2,1,2)
plot(v3proj)
title('Projection onto V3')

Figure contains 2 axes. Axes 1 with title Original Signal contains an object of type line. Axes 2 with title Projection onto V3 contains an object of type line.

Обратите внимание на то, что характеристика скачков волн R в ECG отсутствует в V3 приближение. Вы видите недостающие детали путем исследования коэффициентов вейвлета на уровне три.

Постройте уровень три коэффициента вейвлета.

figure
plot(wtecg(3,:))
title('Level-Three Wavelet Coefficients')

Figure contains an axes. The axes with title Level-Three Wavelet Coefficients contains an object of type line.

Получите обратный MODWT использование отражательной обработки контура для южных данных об индексе Колебания. Период выборки является одним днем. imodwt с 'reflection' опция принимает, что входная матрица, которая является modwt выведите, дважды продолжительность исходной длины сигнала. imodwt отражательная граничная обработка сокращает количество вейвлета и масштабных коэффициентов в каждой шкале наполовину.

load soi;
wsoi = modwt(soi,4,'reflection');
xrecsoi = imodwt(wsoi,'reflection');

Используйте L-норму-по-бесконечности, чтобы показать, что различие между исходным сигналом и реконструкцией чрезвычайно мало. Самая большая абсолютная разность между исходным сигналом и реконструкцией находится порядка 10-11, который демонстрирует совершенную реконструкцию.

norm(abs(xrecsoi'-soi),Inf)
ans = 1.6421e-11

Загрузите 23 канала данные EEG Espiga3 [2]. Каналы располагаются по столбцам. Данные производятся на уровне 200 Гц.

load Espiga3

Получите максимальное перекрытие, которое дискретный вейвлет преобразовывает вниз к максимальному уровню.

w = modwt(Espiga3);

Восстановите многоканальный сигнал. Отобразите на графике исходные данные и реконструкцию.

xrec = imodwt(w);
subplot(2,1,1)
plot(Espiga3)
title('Original Data')
subplot(2,1,2)
plot(xrec)
title('Reconstruction')

Figure contains 2 axes. Axes 1 with title Original Data contains 23 objects of type line. Axes 2 with title Reconstruction contains 23 objects of type line.

Входные параметры

свернуть все

Преобразование MODWT сигнала или мультисигнала вниз, чтобы выровнять L в виде матрицы или трехмерного массива, соответственно. w L +1-by-N матрица для MODWT N - сигнал точки и L +1-by-N-by-NC массив для MODWT N-by-NC мультисигнал. По умолчанию, imodwt принимает, что вы получили MODWT использование 'sym4' вейвлет с периодической граничной обработкой.

Типы данных: single | double
Поддержка комплексного числа: Да

Вейвлет синтеза в виде одного из следующего:

  • 'haar' — Вейвлет Хаара

  • 'dbN' — Экстремальный вейвлет фазы Daubechies с N исчезающие моменты, где N положительное целое число от 1 до 45.

  • 'symN' — Вейвлет Symlets с N исчезающие моменты, где N положительное целое число от 2 до 45.

  • 'coifN' — Вейвлет Coiflets с N исчезающие моменты, где N положительное целое число от 1 до 5.

  • 'fkN' — Вейвлет Fejér-Korovkin с N коэффициенты, где N = 4, 6, 8, 14, 18 и 22.

Вейвлет синтеза должен быть тем же вейвлетом, используемым в анализе с modwt.

Фильтры в виде пары ровной длины векторы с действительным знаком. Lo масштабирующийся фильтр и Hi фильтр вейвлета. Lo и Hi должны быть те же фильтры, используемые в анализе с modwt. Фильтры должны удовлетворить условиям для ортогонального вейвлета. Длины Lo и Hi должно быть равным. Смотрите wfilters для получения дополнительной информации. Вы не можете задать обоих вейвлет wname и пара фильтра Lo,Hi.

Уровень реконструкции в виде неотрицательного целого числа между 0 и size(w,1)-2. Уровень должен быть меньше, уровень раньше получал w от modwt. Если lev 0, и вы не изменяете коэффициенты, imodwt производит совершенную реконструкцию сигнала.

Выходные аргументы

свернуть все

Восстановленная версия исходного сигнала или мультисигнала на основе MODWT и уровня реконструкции, возвращенной как вектор или матрица.

Ссылки

[1] Персиваль, Дональд Б. и Эндрю Т. Уолден. Методы вейвлета для анализа временных рядов. Кембриджский ряд в статистической и вероятностной математике. Кембридж  ; Нью-Йорк: Издательство Кембриджского университета, 2000.

[2] 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.

Расширенные возможности

Смотрите также

|

Введенный в R2015b
Для просмотра документации необходимо авторизоваться на сайте