wavemngr

Описание

Использовать wavemngr для добавления, удаления, восстановления или чтения вейвлетов.

пример

wavemngr('add',FN,FSN,WT,NUMS,FILE) добавляет семейство вейвлет в тулбокс. Эти параметры определяют семейство вейвлет:

  • FN - имя

  • FSN - Краткое имя семейства

  • WT - Тип семейства вейвлет

  • NUMS - Параметры вейвлета

  • FILE - Файл определения вейвлет

Примечание

Когда вы используете wavemngr для добавления семейства вейвлет в текущей папке создаются три файла вейвлет-расширений: два ASCII-файлов wavelets.asc и wavelets.prv, и MAT-файла wavelets.inf. Если вы добавляете новое семейство вейвлет, оно доступно только в этой папке.

wavemngr('add',FN,FSN,WT,{NUMS,TYPNUMS},FILE) добавляет семейство вейвлет с параметром NUMS с входом формата TYPNUMS.

wavemngr(___,B) добавляет семейство вейвлет, где B задает эффективную поддержку вейвлетов. The B входной параметр действителен только для вейвлетов типа WT = 3, 4 и 5. Можно использовать этот синтаксис с любым из предыдущих синтаксисов.

пример

wavemngr('del',WN) удаляет семейство вейвлет, заданное как WN.

пример

wavemngr('restore') восстанавливает предыдущий wavelets.asc ASCII-файл

wavemngr('restore',IN2) восстанавливает начальный wavelets.asc ASCII-файл. Вот IN2 является фиктивным аргументом.

out = wavemngr('read') возвращает все имена семейства вейвлет в символьном массиве.

out = wavemngr('read',IN2) возвращает все имена вейвлет в символьном массиве. Вот IN2 является фиктивным аргументом.

out = wavemngr('read_asc') читает wavelets.asc ASCII-файл и возвраты весь вейвлет информацию.

Примеры

свернуть все

Перечислите доступные по умолчанию семейства вейвлет.

wavemngr('read')
ans = 18x35 char array
    '==================================='
    'Haar              ->->haar           '
    'Daubechies        ->->db             '
    'Symlets           ->->sym            '
    'Coiflets          ->->coif           '
    'BiorSplines       ->->bior           '
    'ReverseBior       ->->rbio           '
    'Meyer             ->->meyr           '
    'DMeyer            ->->dmey           '
    'Gaussian          ->->gaus           '
    'Mexican_hat       ->->mexh           '
    'Morlet            ->->morl           '
    'Complex Gaussian  ->->cgau           '
    'Shannon           ->->shan           '
    'Frequency B-Spline->->fbsp           '
    'Complex Morlet    ->->cmor           '
    'Fejer-Korovkin    ->->fk             '
    '==================================='

Список всех вейвлетов.

wavemngr('read',1)
ans = 71x44 char array
    '===================================         '
    'Haar              ->->haar                    '
    '===================================         '
    'Daubechies        ->->db                      '
    '------------------------------              '
    'db1->db2->db3->db4->                            '
    'db5->db6->db7->db8->                            '
    'db9->db10->db**->                              '
    '===================================         '
    'Symlets           ->->sym                     '
    '------------------------------              '
    'sym2->sym3->sym4->sym5->                        '
    'sym6->sym7->sym8->sym**->                       '
    '===================================         '
    'Coiflets          ->->coif                    '
    '------------------------------              '
    'coif1->coif2->coif3->coif4->                    '
    'coif5->                                      '
    '===================================         '
    'BiorSplines       ->->bior                    '
    '------------------------------              '
    'bior1.1->bior1.3->bior1.5->bior2.2->            '
    'bior2.4->bior2.6->bior2.8->bior3.1->            '
    'bior3.3->bior3.5->bior3.7->bior3.9->            '
    'bior4.4->bior5.5->bior6.8->                    '
    '===================================         '
    'ReverseBior       ->->rbio                    '
    '------------------------------              '
    'rbio1.1->rbio1.3->rbio1.5->rbio2.2->            '
    'rbio2.4->rbio2.6->rbio2.8->rbio3.1->            '
    'rbio3.3->rbio3.5->rbio3.7->rbio3.9->            '
    'rbio4.4->rbio5.5->rbio6.8->                    '
    '===================================         '
    'Meyer             ->->meyr                    '
    '===================================         '
    'DMeyer            ->->dmey                    '
    '===================================         '
    'Gaussian          ->->gaus                    '
    '------------------------------              '
    'gaus1->gaus2->gaus3->gaus4->                    '
    'gaus5->gaus6->gaus7->gaus8->                    '
    '===================================         '
    'Mexican_hat       ->->mexh                    '
    '===================================         '
    'Morlet            ->->morl                    '
    '===================================         '
    'Complex Gaussian  ->->cgau                    '
    '------------------------------              '
    'cgau1->cgau2->cgau3->cgau4->                    '
    'cgau5->cgau6->cgau7->cgau8->                    '
    '===================================         '
    'Shannon           ->->shan                    '
    '------------------------------              '
    'shan1-1.5->shan1-1->shan1-0.5->shan1-0.1->      '
    'shan2-3->shan**->                             '
    '===================================         '
    'Frequency B-Spline->->fbsp                    '
    '------------------------------              '
    'fbsp1-1-1.5->fbsp1-1-1->fbsp1-1-0.5->fbsp2-1-1->'
    'fbsp2-1-0.5->fbsp2-1-0.1->fbsp**->             '
    '===================================         '
    'Complex Morlet    ->->cmor                    '
    '------------------------------              '
    'cmor1-1.5->cmor1-1->cmor1-0.5->cmor1-1->        '
    'cmor1-0.5->cmor1-0.1->cmor**->                 '
    '===================================         '
    'Fejer-Korovkin    ->->fk                      '
    '------------------------------              '
    'fk4->fk6->fk8->fk14->                           '
    'fk18->fk22->                                  '
    '===================================         '

В этом примере показано, как добавить новые компактно поддерживаемые ортогональные вейвлеты к тулбоксу. Эти вейвлеты, являющиеся легким обобщением волн Добехи, основаны на использовании полиномов Бернштейна и обусловлены Катебом и Лемарие.

Добавьте новое семейство ортогональных вейвлетов. Необходимо определить:

  • Имя семейства: Lemarie

  • Краткое имя семейства: lem

  • Тип вейвлета: 1 (orth)

  • Номера вейвлетов: 1 2 3 4 5

  • Драйвер файла: lemwavf

Исходный код для lemwavf.m обеспечивается в конце примера. Входной параметр lemwavf является вектор символов формы lemN, где N = 1, 2, 3, 4 или 5.

wavemngr('add','Lemarie','lem',1,'1 2 3 4 5','lemwavf')

Область ASCII-файла wavelets.asc сохранен как wavelets.prv, затем информация, определяющая новое семейство, добавляется в wavelets.asc, и MAT-файла wavelets.inf сгенерирован.

Обратите внимание, что wavemngr работает в текущей папке. Если вы добавляете новое семейство вейвлет, оно доступно только в этой папке.

Перечислите доступные семейства вейвлет. Подтвердите добавление нового семейства вейвлетов.

wavemngr('read')
ans = 19x35 char array
    '==================================='
    'Haar              ->->haar           '
    'Daubechies        ->->db             '
    'Symlets           ->->sym            '
    'Coiflets          ->->coif           '
    'BiorSplines       ->->bior           '
    'ReverseBior       ->->rbio           '
    'Meyer             ->->meyr           '
    'DMeyer            ->->dmey           '
    'Gaussian          ->->gaus           '
    'Mexican_hat       ->->mexh           '
    'Morlet            ->->morl           '
    'Complex Gaussian  ->->cgau           '
    'Shannon           ->->shan           '
    'Frequency B-Spline->->fbsp           '
    'Complex Morlet    ->->cmor           '
    'Fejer-Korovkin    ->->fk             '
    'Lemarie           ->->lem            '
    '==================================='

Удалите добавленное семейство. Перегенерируйте список вейвлета семейств.

wavemngr('del','Lemarie')
wavemngr('read')
ans = 18x35 char array
    '==================================='
    'Haar              ->->haar           '
    'Daubechies        ->->db             '
    'Symlets           ->->sym            '
    'Coiflets          ->->coif           '
    'BiorSplines       ->->bior           '
    'ReverseBior       ->->rbio           '
    'Meyer             ->->meyr           '
    'DMeyer            ->->dmey           '
    'Gaussian          ->->gaus           '
    'Mexican_hat       ->->mexh           '
    'Morlet            ->->morl           '
    'Complex Gaussian  ->->cgau           '
    'Shannon           ->->shan           '
    'Frequency B-Spline->->fbsp           '
    'Complex Morlet    ->->cmor           '
    'Fejer-Korovkin    ->->fk             '
    '==================================='

Восстановите предыдущий ASCII-файл wavelets.prv, затем создайте MAT-файл wavelets.inf. Перечислите восстановленные вейвлеты. Потому что wavemngr считывает ASCII-файл в текущую рабочую директорию, новое семейство появляется в списке.

wavemngr('restore')
wavemngr('read',1)
ans = 76x44 char array
    '===================================         '
    'Haar              ->->haar                    '
    '===================================         '
    'Daubechies        ->->db                      '
    '------------------------------              '
    'db1->db2->db3->db4->                            '
    'db5->db6->db7->db8->                            '
    'db9->db10->db**->                              '
    '===================================         '
    'Symlets           ->->sym                     '
    '------------------------------              '
    'sym2->sym3->sym4->sym5->                        '
    'sym6->sym7->sym8->sym**->                       '
    '===================================         '
    'Coiflets          ->->coif                    '
    '------------------------------              '
    'coif1->coif2->coif3->coif4->                    '
    'coif5->                                      '
    '===================================         '
    'BiorSplines       ->->bior                    '
    '------------------------------              '
    'bior1.1->bior1.3->bior1.5->bior2.2->            '
    'bior2.4->bior2.6->bior2.8->bior3.1->            '
    'bior3.3->bior3.5->bior3.7->bior3.9->            '
    'bior4.4->bior5.5->bior6.8->                    '
    '===================================         '
    'ReverseBior       ->->rbio                    '
    '------------------------------              '
    'rbio1.1->rbio1.3->rbio1.5->rbio2.2->            '
    'rbio2.4->rbio2.6->rbio2.8->rbio3.1->            '
    'rbio3.3->rbio3.5->rbio3.7->rbio3.9->            '
    'rbio4.4->rbio5.5->rbio6.8->                    '
    '===================================         '
    'Meyer             ->->meyr                    '
    '===================================         '
    'DMeyer            ->->dmey                    '
    '===================================         '
    'Gaussian          ->->gaus                    '
    '------------------------------              '
    'gaus1->gaus2->gaus3->gaus4->                    '
    'gaus5->gaus6->gaus7->gaus8->                    '
    '===================================         '
    'Mexican_hat       ->->mexh                    '
    '===================================         '
    'Morlet            ->->morl                    '
    '===================================         '
    'Complex Gaussian  ->->cgau                    '
    '------------------------------              '
    'cgau1->cgau2->cgau3->cgau4->                    '
    'cgau5->cgau6->cgau7->cgau8->                    '
    '===================================         '
    'Shannon           ->->shan                    '
    '------------------------------              '
    'shan1-1.5->shan1-1->shan1-0.5->shan1-0.1->      '
    'shan2-3->shan**->                             '
    '===================================         '
    'Frequency B-Spline->->fbsp                    '
    '------------------------------              '
    'fbsp1-1-1.5->fbsp1-1-1->fbsp1-1-0.5->fbsp2-1-1->'
    'fbsp2-1-0.5->fbsp2-1-0.1->fbsp**->             '
    '===================================         '
    'Complex Morlet    ->->cmor                    '
    '------------------------------              '
    'cmor1-1.5->cmor1-1->cmor1-0.5->cmor1-1->        '
    'cmor1-0.5->cmor1-0.1->cmor**->                 '
    '===================================         '
    'Fejer-Korovkin    ->->fk                      '
    '------------------------------              '
    'fk4->fk6->fk8->fk14->                           '
    'fk18->fk22->                                  '
    '===================================         '
    'Lemarie           ->->lem                     '
    '------------------------------              '
    'lem1->lem2->lem3->lem4->                        '
    'lem5->                                       '
    '===================================         '

Восстановите начальные вейвлеты. Восстановите начальный ASCII-файл wavelets.ini и начальный MAT-файл wavelets.bin. Перегенерируйте список вейвлета семейств. В список не включено новое семейство.

wavemngr('restore',0)
wavemngr('read')
ans = 18x35 char array
    '==================================='
    'Haar              ->->haar           '
    'Daubechies        ->->db             '
    'Symlets           ->->sym            '
    'Coiflets          ->->coif           '
    'BiorSplines       ->->bior           '
    'ReverseBior       ->->rbio           '
    'Meyer             ->->meyr           '
    'DMeyer            ->->dmey           '
    'Gaussian          ->->gaus           '
    'Mexican_hat       ->->mexh           '
    'Morlet            ->->morl           '
    'Complex Gaussian  ->->cgau           '
    'Shannon           ->->shan           '
    'Frequency B-Spline->->fbsp           '
    'Complex Morlet    ->->cmor           '
    'Fejer-Korovkin    ->->fk             '
    '==================================='

Все возможности командной строки доступны для новых семейств вейвлетов. Создайте новое семейство. Вычислите четыре связанных фильтра, а также масштабные и вейвлет.

wavemngr('add','Lemarie','lem',1,'1 2 3 4 5','lemwavf');
[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('lem3');
[phi,psi,xval] = wavefun('lem3');
plot(xval,[phi;psi]);
legend('Scaling Function','Wavelet')
grid on

Figure contains an axes. The axes contains 2 objects of type line. These objects represent Scaling Function, Wavelet.

Удалите добавленное семейство.

wavemngr('del','Lemarie')

lemwavf.m

function F = lemwavf(wname) 
%LEMWAVF Lemarie wavelet filters. 
%   F = LEMWAVF(W) returns the scaling filter associated with the Lemarie
%   wavelet specified by the character array, 'lemN'. 
%   Possible values for N are 1, 2, 3, 4 or 5. 
%
%   This function is only for use in the "Add Wavelet Families" example. It
%   may change or be removed in a future release.
%
%   Copyright 2019 The MathWorks, Inc.
 
TFlem = startsWith(wname,'lem');
if ~TFlem
    error('Wavelet short name is lem followed by filter number');
end
fnum = regexp(wname,'(\d+)','match','Once');

if isempty(fnum) 
    error('Specify a filter number as 1,2,3,4,or 5'); 
end 

if ~isempty(fnum) 
    num = str2double(fnum);
end

tffilt = ismember(num,[1 2 3 4 5]);

if ~tffilt
    error('Filter number must be 1, 2, 3, 4, or 5');
end

 
switch num 
    case 1 
F = [... 
   0.46069299844871  0.53391629051346  0.03930700681965  -0.03391629578182 ... 
]; 
 
    case 2 
F = [... 
   0.31555164655258  0.59149765057882  0.20045477817080  -0.10034811856888 ... 
  -0.01528128420694  0.00846362066021  -0.00072514051618  0.00038684732960 ... 
        ]; 
 
    case 3 
F = [... 
   0.23108942231941  0.56838231367966  0.33173980738190  -0.09447000132310 ... 
  -0.06203683305244  0.02661631105889  -0.00209952890579  0.00001769381066 ... 
   0.00128429679795  -0.00053703458679  0.00002283826072 -0.00000928544107 ... 
        ]; 
 
    case 4 
F = [... 
   0.17565337503255  0.52257484913870  0.42429244721660  -0.04601056550580 ... 
  -0.11292720306517  0.03198741803409  0.00813124691980  -0.00743764392677 ... 
   0.00548090619143 -0.00140066128481  -0.00054200083128   0.00025607264164 ... 
  -0.00008795126642  0.00003025515674  -0.00000082014466  0.00000027569334 ... 
        ]; 
 
    case 5 
F = [... 
   0.13807658847623  0.47310642622099  0.48217097800239  0.02112933622031 ... 
  -0.15081998732499  0.01935767268926  0.02716532750995  -0.01588522540421 ... 
   0.00671209165995  0.00120022744496  -0.00321203819186  0.00115266788547 ... 
  -0.00018266213413  -0.00002953360842  0.00008433396295  -0.00002997969339 ... 
   0.00000534552866  -0.00000159098026  0.00000003069431 -0.00000000895816 ... 
        ]; 
 
end

Этот пример показывает, как взять фильтры анализа и синтеза, сопоставленные с биортогональным вейвлетом, и сделать их совместимыми с Wavelet Toolbox™. Wavelet Toolbox требует, чтобы lowpass и highpass-фильтры анализа и синтеза имели одинаковую четную длину. Этот пример использует почти ортогональные биортогональные вейвлеты, основанные на схеме лаплакской пирамиды Берта и Адельсона (таблица 8.4 на стр. 283 в [1]). Пример также демонстрирует, как исследовать свойства биортогональных вейвлеты.

Задайте коэффициенты фильтра анализа и синтеза биортогонального вейвлета.

Hd = [-1 5 12 5 -1]/20*sqrt(2);
Gd = [3 -15 -73 170 -73 -15 3]/280*sqrt(2);
Hr = [-3 -15 73 170 73 -15 -3]/280*sqrt(2);
Gr = [-1 -5 12 -5 -1]/20*sqrt(2);

Hd и Gd являются lowpass и highpass фильтрами анализа, соответственно. Hr и Gr являются lowpass и high pass фильтрами синтеза. Все они являются фильтрами с конечной импульсной характеристикой (КИХ). Подтвердите сумму коэффициентов lowpass к sqrt(2) и коэффициенты высокочастотного фильтра равны 0.

sum(Hd)/sqrt(2)
ans = 1.0000
sum(Hr)/sqrt(2)
ans = 1.0000
sum(Gd)
ans = -1.0061e-16
sum(Gr)
ans = -9.7145e-17

Z-преобразование конечной импульсной характеристики h является полиномом Лорана h(z) даны h(z)=k=kbkehkz-k. Степень |h| полином Лорана определяется как |h|=ke-kb. Поэтому длина фильтра h является 1+|h|. Исследуйте расширение Лорана масштабирующего и вейвлет.

PHd = laurpoly(Hd,'dmin',-2)
 
PHd(z) = - 0.07071*z^(+2) + 0.3536*z^(+1) + 0.8485 + 0.3536*z^(-1) - 0.07071*z^(-2)
PHr = laurpoly(Hr,'dmin',-3)
 
PHr(z) = ...                                                                       
    - 0.01515*z^(+3) - 0.07576*z^(+2) + 0.3687*z^(+1) + 0.8586 + 0.3687*z^(-1)  ...
    - 0.07576*z^(-2) - 0.01515*z^(-3)                                              
PGd = laurpoly(Gd,'dmin',-3)
 
PGd(z) = ...                                                                       
    + 0.01515*z^(+3) - 0.07576*z^(+2) - 0.3687*z^(+1) + 0.8586 - 0.3687*z^(-1)  ...
    - 0.07576*z^(-2) + 0.01515*z^(-3)                                              
PGr = laurpoly(Gr,'dmin',-2)
 
PGr(z) = - 0.07071*z^(+2) - 0.3536*z^(+1) + 0.8485 - 0.3536*z^(-1) - 0.07071*z^(-2)

Поскольку фильтры связаны с биортогональным вейвлет, подтвердите PHd(z)PHr(z)+PG(z)PGr(z)=2.

PHd*PHr + PGd*PGr
 
ans(z) = 2

Wavelet Toolbox требует, чтобы фильтры, сопоставленные с вейвлетом, имели даже одинаковую длину. Чтобы использовать Laplacian вейвлет в тулбоксе, необходимо включить отсутствующие степени ряда Лорана в качестве нулей.

Степени PHd и PHr равны 4 и 6, соответственно. Фильтр минимальной четной длины, который может включать четыре фильтра, имеет длину 8, которая соответствует полиному Лорана степени 7. Стратегия состоит в том, чтобы подготовиться и добавить 0 как можно более равномерно, чтобы все фильтры имели длину 8. Подготовьте 0 ко всем фильтрам, а затем добавьте два 0 к Hd и Gr.

Hd = [0 Hd 0 0];
Gd = [0 Gd];
Hr = [0 Hr];
Gr = [0 Gr 0 0];

Можно изучить свойства биортогональных вейвлетов, создав банки фильтров DWT. Создайте два пользовательских банка фильтров DWT с помощью фильтров, один для анализа и другой для синтеза. Подтвердите, что блоки фильтров являются биортогональными.

fb = dwtfilterbank('Wavelet','Custom',...
    'CustomScalingFilter',[Hd' Hr'],...
    'CustomWaveletFilter',[Gd' Gr']);

fb2 = dwtfilterbank('Wavelet','Custom',...
    'CustomScalingFilter',[Hd' Hr'],...
    'CustomWaveletFilter',[Gd' Gr'],...
    'FilterType','Synthesis');

fprintf('fb: isOrthogonal = %d\tisBiorthogonal = %d\n',...
    isOrthogonal(fb),isBiorthogonal(fb));
fb: isOrthogonal = 0	isBiorthogonal = 1
fprintf('fb2: isOrthogonal = %d\tisBiorthogonal = %d\n',...
    isOrthogonal(fb2),isBiorthogonal(fb2));
fb2: isOrthogonal = 0	isBiorthogonal = 1

Постройте график масштабирования и вейвлет, сопоставленных с банками фильтров, в самой грубой шкале.

[phi,t] = scalingfunctions(fb);
[psi,~] = wavelets(fb);
[phi2,~] = scalingfunctions(fb2);
[psi2,~] = wavelets(fb2);
subplot(2,2,1)
plot(t,phi(end,:))
grid on
title('Scaling Function - Analysis')
subplot(2,2,2)
plot(t,psi(end,:))
grid on
title('Wavelet - Analysis')
subplot(2,2,3)
plot(t,phi2(end,:))
grid on
title('Scaling Function - Synthesis')
subplot(2,2,4)
plot(t,psi2(end,:))
grid on
title('Wavelet - Synthesis')

Figure contains 4 axes. Axes 1 with title Scaling Function - Analysis contains an object of type line. Axes 2 with title Wavelet - Analysis contains an object of type line. Axes 3 with title Scaling Function - Synthesis contains an object of type line. Axes 4 with title Wavelet - Synthesis contains an object of type line.

Вычислите границы фрейма банка фильтров.

[analysisLowerBound,analysisUpperBound] = framebounds(fb)
analysisLowerBound = 0.9505
analysisUpperBound = 1.0211
[synthesisLowerBound,synthesisUpperBound] = framebounds(fb2)
synthesisLowerBound = 0.9800
synthesisUpperBound = 1.0528

Входные параметры

свернуть все

Имя семейства вейвлет, заданное как вектор символов или строковый скаляр.

Краткое имя семейства вейвлет, заданное как вектор символов или строковый скаляр. Количество символов в FSN должно быть меньше или равно 4.

Тип семейства вейвлет, заданный как один из следующих:

  • 1 - Ортогональные вейвлеты

  • 2 - Биортогональные вейвлеты

  • 3 - Вейвлет с функцией масштабирования

  • 4 - Вейвлет без функции масштабирования

  • 5 - Комплексный вейвлет без функции масштабирования

Параметры вейвлета, заданные как:

  • Если семейство состоит из одного вейвлета, NUMS - пустая строка ''. Для примера, mexh и morl каждые семейства содержат один вейвлет.

  • Если вейвлет является представителем конечного семейства вейвлетов, NUMS содержит разделенный пространством список элементов, представляющих вейвлету параметров. Для примера, для биортогонального семейства вейвлет bior, NUMS = '1.1 1.3 1.5 2.2 2.4 2.6 2.8 3.1 3.3 3.5 3.7 3.9 4.4 5.5 6.8'.

  • Если вейвлет является представителем бесконечного семейства вейвлетов, NUMS содержит разделенный пространством список элементов, представляющих параметры вейвлета, завершенный специальной последовательностью **. Два примера приведены в следующей таблице.

    Семейство вейвлетNUMS
    dbNUMS = '1 2 3 4 5 6 7 8 9 10 **'
    shanNUMS = '1-1.5 1-1 1-0.5 1-0.1 2-3 **'

Вейвлет параметра входа формат, заданный как:

  • 'integer' - Используйте эту опцию, когда параметр является целым числом. Например, семейство вейвлет Daubechies db использует целочисленный параметр.

  • 'real' - Используйте эту опцию, когда параметр действителен. Например, семейство биортогональных вейвлет bior использует действительный параметр.

  • 'charactervector' - Используйте эту опцию, когда параметр является символьным вектором. Для примера в семействе вейвлет Шеннона используется вектор символов.

Файл определения вейвлета, заданный как вектор символов или строковый скаляр. FILE - имя MAT-файла или файла кода имя, определяющее семейство вейвлет.

Эффективная поддержка вейвлетов с типом семейства WT равным 3, 4 или 5, заданным как двухэлементный вектор с реальным значением. Если B = [lb ub], затем lb задает нижнюю границу и ub задает верхнюю границу.

Типы данных: double

Семейство вейвлет, заданное вектором символов или строковым скаляром WN. Значение WN - имя семейства вейвлет или краткое имя семейства вейвлет.

Пример: wavemngr('del','Lemarie')

Ограничения

  • wavemngr позволяет добавить вейвлет. Вы должны проверить, что это действительно вейвлет. Проверка не выполняется, чтобы подтвердить, что сложение является вейвлет или чтобы подтвердить тип нового вейвлета. Вы можете использовать dwtfilterbank чтобы проверить, является ли вейвлет ортогональным или биортогональным.

Ссылки

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

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте