Exponenta Banner

mswcmptp

Мультисигнальные 1-D пороги сжатия и производительности

Свернуть все на странице

Синтаксис

[THR_VAL,L2_Perf,N0_Perf] = mswcmptp(DEC,METH)
[THR_VAL,L2_Perf,N0_Perf] = mswcmptp(DEC,METH,PARAM)

Описание

[THR_VAL,L2_Perf,N0_Perf] = mswcmptp(DEC,METH) или [THR_VAL,L2_Perf,N0_Perf] = mswcmptp(DEC,METH,PARAM) вычисляет векторы THR_VAL, L2_Perf и N0_Perf полученный после сжатия с использованием METH метод и, при необходимости, PARAM параметр (см. mswcmp для получения дополнительной информации о METH и PARAM).

Для i-го сигнала:

  • THR_VAL(i) - порог, применяемая к коэффициентам вейвлета. Для метода, зависящего от уровня, THR_VAL(i,j) применяется ли порог к коэффициентам детализации на уровне j

  • L2_Perf(i) - процент энергии (L2_norm), сохраненный после сжатия.

  • N0_Perf(i) - процент нулей, полученных после сжатия.

Можно использовать еще три необязательных входов:

[...] = mswcmptp(...,S_OR_H,KEEPAPP,IDXSIG)

  • S_OR_H ('s' or 'h') означает мягкое или жесткое пороговое значение (см. mswthresh для получения дополнительной информации.

  • KEEPAPP (true or false) указывает, сохранять ли коэффициенты приближения (true) или нет (false)

  • IDXSIG является вектором, который содержит индексы начальных сигналов, или 'all'.

По умолчанию это, соответственно 'h', ложные и 'all'.

Примеры

свернуть все

Открыть Live Script

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

load Espiga3

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 пороги сжатия и точные характеристики, полученные после сжатия с помощью метода 'N0_perf' и требуется процент нулей около 95% для коэффициентов вейвлета.

[THR_VAL,L2_Perf,N0_Perf] = mswcmptp(dec,'N0_perf',95);

Ссылки

[1] Daubechies, I. Десять лекций по вейвлетам, серия региональных конференций CBMS-NSF по прикладной математике. Филадельфия, Пенсильвания: СИАМ Эд, 1992.

[2] Mallat, S. G. «A Theory for Multirresolution Signal Decomposition: The Wavelet Representation», IEEE Transactions on Pattern Analysis and Machine Intelligence. 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 .

См. также

| | |

Введенный в R2007a

Документация по Wavelet Toolbox

Поддержка