mdwtdec

Разложение вейвлета мультисигнала 1-D

Описание

пример

dec = mdwtdec(dirdec,x,lev,wname) возвращает 1D дискретное разложение вейвлета на уровне lev из каждой строки или каждого столбца матричного x, использование вейвлета wname.

dec = mdwtdec(dirdec,x,lev,LoD,HiD,LoR,HiR) использует заданный lowpass, и highpass разложение вейвлета фильтрует LoD и HiD, соответственно, и lowpass и highpass реконструкция вейвлета фильтруют LoR и HiR, соответственно.

dec = mdwtdec(___,'mode',extmode) использует заданный режим extmode расширения дискретного вейвлета преобразовывает (DWT). Для получения дополнительной информации смотрите dwtmode. Этот синтаксис может использоваться с любым из предыдущих синтаксисов.

Примеры

свернуть все

В этом примере показано, как возвратить разложение вейвлета мультисигнала с помощью имени вейвлета и фильтров вейвлета.

Загрузите 23 канала данные EEG Espiga3 [4]. Каналы располагаются по столбцам. Данные производятся на уровне 200 Гц.

load Espiga3
size(Espiga3)
ans = 1×2

   995    23

Выполните разложение на уровне 2 с помощью 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 приближение и детализируйте коэффициенты обоих разложений, 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

Индикатор Direction разложения вейвлета в виде:

  • 'r': Возьмите 1D разложение вейвлета каждой строки x

  • 'c': Возьмите 1D разложение вейвлета каждого столбца x

Входные данные в виде матрицы с действительным знаком.

Уровень разложения в виде положительного целого числа. mdwtdec не осуществляет ограничение максимального уровня. Использование wmaxlev гарантировать, что коэффициенты вейвлета свободны от граничных эффектов. Если граничные эффекты не являются беспокойством, хорошее правило состоит в том, чтобы установить lev меньше чем или равный fix(log2(length(N))), где N является количеством отсчетов в 1D данных.

Анализ вейвлета в виде вектора символов или строкового скаляра. Вейвлет должен быть ортогональным или биоортогональным. Ортогональные и биоортогональные вейвлеты определяются как тип 1 и вейвлеты типа 2 соответственно в менеджере по вейвлету, wavemngr.

  • Допустимые встроенные ортогональные семейства вейвлетов начинают с 'haar', 'dbN', 'fkN', 'coifN', или 'symN', где N является номером исчезающих моментов для всех семейств кроме fk. Для fk, N является количеством коэффициентов фильтра.

  • Допустимые биоортогональные семейства вейвлетов начинают с 'biorNr.Nd' или 'rbioNd.Nr', где Nr и Nd являются номером исчезающих моментов в реконструкции (синтез) и разложение (анализ) вейвлет.

Определите допустимые значения в течение исчезающих моментов при помощи waveinfo с кратким названием семейства вейвлетов. Например, введите waveinfo('db') или waveinfo('bior'). Используйте wavemngr('type',WNAME) определить, является ли вейвлет ортогональным (возвращается 1), или биоортогональный (возвращается 2).

Разложение вейвлета фильтрует в виде пары ровной длины векторы с действительным знаком. LoD фильтр разложения lowpass и HiD highpass фильтр разложения. Длины LoD и HiD должно быть равным. Смотрите wfilters для получения дополнительной информации.

Реконструкция вейвлета фильтрует в виде пары ровной длины векторы с действительным знаком. LoR фильтр реконструкции lowpass и HiR highpass фильтр реконструкции. Длины LoR и HiR должно быть равным. Смотрите wfilters для получения дополнительной информации.

Дополнительный режим, используемый при выполнении разложения вейвлета в виде:

mode

Режим расширения DWT

'zpd'

Дополнение нулями

'sp0'

Сглаживайте расширение порядка 0

'spd' (or 'sp1')

Сглаживайте расширение порядка 1

'sym' или 'symh'

Симметричное расширение (половина точки): граничное значение симметричная репликация

'symw'

Симметричное расширение (самое главное): граничное значение симметричная репликация

'asym' или 'asymh'

Антисимметричное расширение (половина точки): граничное значение антисимметричная репликация

'asymw'

Антисимметричное расширение (самое главное): граничное значение антисимметричная репликация

'ppd', 'per'

Расширение Periodized

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

Глобальная переменная, управляемая dwtmode задает режим расширения по умолчанию. Использование dwtmode определить дополнительные режимы.

Выходные аргументы

свернуть все

Разложение вейвлета x мультисигнала, возвращенный как структура со следующими полями:

  • dirDec — Индикатор Direction: 'r' (строка) или 'c' (столбец)

  • level — Уровень разложения вейвлета

  • wname — Имя вейвлета

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

  • dwtEXTM — Режим расширения DWT

  • dwtShift — DWT переключают параметр (0 или 1)

  • dataSize — Размер x

  • ca — Коэффициенты приближения на уровне lev

  • cd — Массив ячеек коэффициентов детали, от уровня 1 до уровня lev

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

Ссылки

[1] Daubechies, я. Десять лекций по вейвлетам. CBMS-NSF региональный ряд конференции в прикладной математике. Филадельфия, усилитель мощности (УМ): общество промышленной и прикладной математики, 1992.

[2] Mallat, S. G. “Теория для Разложения Сигнала Мультиразрешения: Представление Вейвлета”. Транзакции IEEE согласно Анализу Шаблона и Искусственному интеллекту. Издание 11, Выпуск 7, июль 1989, стр 674–693.

[3] Мейер, Y. Вейвлеты и операторы. Переведенный Д. Х. Сэлинджером. Кембридж, Великобритания: Издательство Кембриджского университета, 1995.

[4] Мезаструктура, Гектор. “Адаптированные Вейвлеты для Обнаружения Шаблона”. Происходящий в Распознавании образов, Анализе изображения и Приложениях, отредактированных Альберто Санфелиу и Мануелем Лазо Кортесом, 3773:933–44. Берлин, Гейдельберг: Спрингер Берлин Гейдельберг, 2005. https://doi.org/10.1007/11578079_96.

Расширенные возможности

Смотрите также

|

Представленный в R2007a