mswcmptp

Мультисигнальные 1-D пороги сжатия и производительности

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

Мультисигнальные пороги сжатия и эффективность

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

ddencmp | mdwtdec | mdwtrec | wdencmp

Введенный в R2007a

Документация