mdwtdec

Мультисигнальное 1-D вейвлет

Свернуть все на странице

Синтаксис

dec = mdwtdec(dirdec,x,lev,wname)
dec = mdwtdec(dirdec,x,lev,LoD,HiD,LoR,HiR)
dec = mdwtdec(___,'mode',extmode)

Описание

пример

dec = mdwtdec(dirdec,x,lev,wname) возвращает 1-D дискретное разложение вейвлет на уровне lev каждой строки или каждого столбца матрицы x, с использованием вейвлет- wname.

dec = mdwtdec(dirdec,x,lev,LoD,HiD,LoR,HiR) использует указанные lowpass и highpass вейвлет разложения LoD и HiD, соответственно, и lowpass и вейвлет реконструкции LoR и HiR, соответственно.

dec = mdwtdec(___,'mode',extmode) использует заданный режим расширения дискретного вейвлета преобразования (DWT) extmode. Для получения дополнительной информации см. dwtmode. Этот синтаксис можно использовать с любым из предыдущих синтаксисов.

Примеры

свернуть все

Открыть Live Script

Этот пример показывает, как вернуть вейвлет-разложение мультисигнала с помощью имени вейвлета и вейвлет-фильтров.

Загрузите 23-канальные данные EEG Espiga3 [4]. Каналы расположены столбчато. Данные отбираются с частотой дискретизации 200 Гц.

load Espiga3
size(Espiga3)
ans = 1×2

   995    23

Выполните разложение на уровне 2, используя 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 фильтры, сопоставленные с db2 вейвлет.

[LoD,HiD,LoR,HiR] = wfilters('db2');

Выполните разложение на уровне 2 с помощью фильтров.

decBIS = mdwtdec('c',Espiga3,2,LoD,HiD,LoR,HiR)
decBIS = struct with fields:
        dirDec: 'c'
         level: 2
         wname: ''
    dwtFilters: [1x1 struct]
       dwtEXTM: 'sym'
      dwtShift: 0
      dataSize: [995 23]
            ca: [251x23 double]
            cd: {[499x23 double]  [251x23 double]}

Подтвердите, что коэффициенты приближения и детализации обеих декомпозиций идентичны.

max(abs(dec.ca(:)-decBIS.ca(:)))
ans = 0

max(abs(dec.cd{1}(:)-decBIS.cd{1}(:)))
ans = 0

max(abs(dec.cd{2}(:)-decBIS.cd{2}(:)))
ans = 0

Входные параметры

свернуть все

Указатель направления разложения вейвлета, заданный как:

  • 'r': Возьмите 1-D вейвлет каждой строки x

  • 'c': Взять 1-D вейвлет каждого столбца x

Входные данные, заданные как вещественная матрица.

Уровень разложения, заданный как положительное целое число. mdwtdec не устанавливает ограничение максимального уровня. Использовать wmaxlev для обеспечения того, чтобы коэффициенты вейвлета были свободны от граничных эффектов. Если граничные эффекты не являются проблемой, хорошим правилом является установка lev меньше или равно fix(log2(length(N))), где N количество выборок в 1-D данных.

Анализ вейвлета, заданный как вектор символов или строковый скаляр. Вейвлет должен быть ортогональным или биортогональным. Ортогональные и биортогональные вейвлеты обозначаются как вейвлеты типа 1 и типа 2 соответственно в вейвлет-менеджере. wavemngr.

  • Действительные встроенные ортогональные семейства вейвлет начинаются с 'haar', 'dbN', 'fkN', 'coifN', или 'symN', где N количество исчезающих моментов для всех семейств, кроме fk. Для fk, N - количество коэффициентов фильтра.

  • Действительные биортогональные семейства вейвлет начинаются с 'biorNr.Nd' или 'rbioNd.Nr', где Nr и Nd количество моментов исчезновения в вейвлет реконструкции (синтеза) и разложения (анализа).

Определите допустимые значения для моментов исчезновения при помощи waveinfo с кратким именем семейства вейвлет. Для примера введите waveinfo('db') или waveinfo('bior'). Использование wavemngr('type',WNAME) чтобы определить, является ли вейвлет ортогональным (возвращает 1) или биортогональным (возвращает 2).

Вейвлеты Вейвлет-разложения, заданные как пара векторов с четной длиной, действительными значениями. LoD - lowpass разложения, и HiD - фильтр высокочастотного разложения. Длины LoD и HiD должно быть равным. Посмотрите wfilters для получения дополнительной информации.

Фильтры реконструкции Вейвлета, заданные как пара векторов с четной длиной, действительными значениями. LoR - lowpass фильтр реконструкции, и HiR - фильтр реконструкции верхних частот. Длины LoR и HiR должно быть равным. Посмотрите wfilters для получения дополнительной информации.

Режим расширения, используемый при выполнении разложения вейвлета, задается как:

mode

Режим расширения DWT

'zpd'

Нулевой внутренний номер

'sp0'

Сглаживайте расширение порядка 0

'spd' (или 'sp1')

Сглаживайте расширение порядка 1

'sym' или 'symh'

Симметричное расширение (половина точки): граничное значение симметричной репликации

'symw'

Симметричное расширение (вся точка): граничное значение симметричной репликации

'asym' или 'asymh'

Антисимметричное расширение (половина точки): краевое значение антисимметричной репликации

'asymw'

Антисимметричное расширение (вся точка): краевое значение антисимметричной репликации

'ppd', 'per'

Периодизированное расширение

Если длина сигнала нечетная и mode является 'per'дополнительная выборка, равная последнему значению, добавляется вправо, и расширение выполняется в 'ppd' режим. Если длина сигнала четная, 'per' эквивалентно 'ppd'. Это правило также применяется к изображениям.

Глобальная переменная, управляемая dwtmode задает режим расширения по умолчанию. Использовать dwtmode для определения режимов расширения.

Выходные аргументы

свернуть все

Вейвлет мультисигнального x, возвращенный как структура со следующими полями:

  • dirDec - Указатель направления: 'r' (строка) или 'c' (столбец)

  • level - Уровень вейвлет

  • wname - Имя вейвлета

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

  • dwtEXTM - режим расширения DWT

  • dwtShift - параметр сдвиг (0 или 1)

  • dataSize - Размер x

  • ca - Приближения на уровне lev

  • cd - Массив ячеек из коэффициентов детализации, от уровня 1 до уровня lev

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

Ссылки

[1] Daubechies, I. Ten Lectures on Wavelets. Серия региональных конференций CBMS-NSF по прикладной математике. Филадельфия, Пенсильвания: Общество промышленной и прикладной математики, 1992.

[2] Mallat, S. G. «A Theory for Multirresolution Signal Decomposition: The Wavelet Representation». Транзакции IEEE по шаблонному анализу и машинному анализу. Том 11, выпуск 7, июль 1989 года, стр. 674-693.

[3] Meyer, Y. Wavelets and Operators. Перевод Д. Х. Сэлинджера. Кембридж, Великобритания: Cambridge University Press, 1995.

[4] Меса, Гектор. «Адаптированные вейвлеты для обнаружения шаблона». В Прогресс Pattern Recognition, Image Analysis and Applications, под редакцией Альберто Санфелиу и Мануэля Лазо Кортеса, 3773: 933-44. Берлин, Гейдельберг: Спрингер Берлин Гейдельберг, 2005. https://doi.org/10.1007/11578079_96 .

Расширенные возможности

..

См. также

|

Введенный в R2007a

Документация по Wavelet Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте