Максимальное перекрытие дискретного вейвлет
возвращает максимальное перекрытие дискретного вейвлет (MODWT) w
= modwt(x
)x
. x
может быть реальным или комплексным вектором или матрицей. Если x
является матрицей, modwt
работает с столбцами x
. modwt
вычисляет преобразование вейвлета до уровня floor(log2(length(x)))
если x
является вектором и floor(log2(size(x,1)))
если x
является матрицей. По умолчанию, modwt
использует Daubechies наименее-асимметричный вейвлет с четырьмя моментами исчезновения ('sym4'
) и периодическая обработка границ.
вычисляет MODWT с помощью обработки контуров отражения. Другими входами могут быть любые аргументы из предыдущих синтаксисов. Перед вычислением вейвлет, w
= modwt(___,'reflection')modwt
расширяет сигнал симметрично на конце терминала до удвоения длины сигнала. Количество вейвлет и масштабирующих коэффициентов, которые modwt
возвраты равны удвоенной длине входного сигнала. По умолчанию сигнал периодически расширяется.
Необходимо ввести весь вектор символов 'reflection'
. Если вы добавили вейвлет с именем 'reflection'
используя диспетчер вейвлет, необходимо переименовать этот вейвлет перед использованием этой опции. 'reflection'
может быть помещен в любую позицию в списке входного параметра после x
.
Стандартный алгоритм для MODWT реализует круговую свертку непосредственно во временном интервале. Эта реализация MODWT выполняет круговую свертку в области Фурье. Вейвлет и коэффициенты масштабирующего фильтра на уровне j вычисляются путем взятия обратного дискретного преобразования Фурье ( DFT) продукта ДПФ. ДПФ в продукте являются ДПФ сигнала и ДПФ вейвлет j-го уровня или масштабирующим фильтром .
Давайте Hk и Gk обозначать длину N ДПФ вейвлет MODWT и масштабирующих фильтров, соответственно. Позвольте j обозначить уровень и N обозначить размер выборки.
Вейвлет-фильтр j-го уровня задан как
где
Масштабирующий фильтр j-го уровня
где
[1] Персиваль, Дональд Б. и Эндрю Т. Уолден. Вейвлет для анализа временных рядов. Кембриджская серия в статистической и вероятностной математике. Кембридж; Нью-Йорк: Cambridge University Press, 2000.
[2] Персиваль, Дональд Б. и Гарольд О. Мофьелд. Анализ субтидных колебаний уровня прибрежного моря с использованием вейвлетов. Журнал Американской статистической ассоциации 92, № 439 (сентябрь 1997 года): 868-80. https://doi.org/10.1080/01621459.1997.10474042.
[3] 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 .