mdwtdec.

多功能1-D小波分解

页面上倒塌

句法

dec = mdwtdec（dirdec，x，lev，wname）

Dec = MDWTDEC（Dirdec，X，Lev，Lod，HID，LOR，HIR）

dec = mdwtdec（___，'mode'，extmode）

描述

例子

12月= mdwtdec（Dirdec.那X那lev.那Wname.）在级别返回1-D离散小波分解lev.每个行或矩阵的每列X，使用小波Wname.。

12月= mdwtdec（Dirdec.那X那lev.那LOD，HID那lor，hir.）使用指定的低通和高通小波分解过滤器l和隐藏分别和低通和高通小波重建过滤器l和HIR.，分别。

12月= mdwtdec（___，'模式'，EXTMODE.）使用指定的离散小波变换（DWT）扩展模式EXTMODE.。有关更多信息，请参阅DWTMode.。此语法可以与之前的任何语法一起使用。

例子

全部收缩

分解多功能

打开直播脚本

此示例显示如何使用小波名称和小波滤波器返回多目标的小波分解。

加载23通道EEG数据Espiga3.[4]。通道被排列为明智。数据以200 Hz进行采样。

加载Espiga3.尺寸（Espiga3）

ans =.1×2995 23.

使用级别2执行分解DB2.小波。

dec = mdwtdec（'C'，Espiga3,2，'db2'）

DEC =结构与字段：Dirdec：'C'级别：2 Wname：'DB2'DWTFilters：[1x1 struct] dwtextm：'sym'dwtshift：0数据化：[995 23] CA：[251x23双] CD：{[499x23双] [251x23双] [251x23双]}

计算与之关联的过滤器DB2.小波。

[lod，hid，lor，hir] = wfilters（'db2'）;

使用过滤器在级别2处执行分解。

DECBIS = MDWTDEC（'C'，espiga3,2，lod，hid，lor，hir）

褥疮=结构与字段：Dirdec：'C'级别：2 Wname：''dwtfilters：[1x1 struct] dwtextm：'sym'dwtshift：0数据化：[995 23] CA：[251x23双] CD：{[499x23双] [251x23双]}

确认两个分解的近似和细节系数是相同的。

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.

输入参数

全部收缩

`Dirdec.`-方向指示器
`'r'`|`'C'`

小波分解的方向指示器，指定为：

'r'：采取每排的1-D小波分解X
'C'：取1-D小波分解每列X

`X`-输入数据
实验矩阵

输入数据，指定为实值矩阵。

`lev.`-分解水平
正整数

分解级别，指定为正整数。mdwtdec.不强制执行最大级别限制。用WMAXLEV.确保小波系数免于边界效应。如果边界效应不是一个问题，则会设置一个好的规则lev.小于或等于修复（log2（长度（N）））），在哪里N是1-D数据中的样本数。

`Wname.`-分析小波
字符向量|字符串标量

分析小波，指定为字符向量或字符串标量。小波必须是正交或双正交的。正交和双正交小波分别在小波管理器中指定为类型1和类型2个小波，Wavemngr.。

有效的内置正交小波族开始'哈尔'那'D bN'那'fk.N'那'CoIf.N'，或者“sym.N'，在哪里N除了除了所有家庭之外的消失时刻的人数FK.。为了FK.那N是滤波器系数的数量。
有效的双正交小波家庭开始'生物NR.。n'或者'RBIO.n。NR.'，在哪里NR.和n是重建（合成）和分解（分析）小波中消失的矩的数量。

通过使用确定消失矩的有效值WaveInfo.与小波家庭短名称。例如，输入WaveInfo（'db'）或者WaveInfo（'Bior'）。用wavemngr（'类型'，wname）确定小波是否是正交（返回1）或双正交（返回2）。

`LOD，HID`-小波分解过滤器
均匀的实值矢量

小波分解过滤器，指定为一对偶数的实值矢量。l是低通分解过滤器，还有隐藏是高通分解滤波器。长度的l和隐藏必须是平等的。看Wfilters.有关其他信息。

`lor，hir.`-小波重建过滤器
均匀的实值矢量

小波重建过滤器，指定为一对偶数的实值矢量。l是低通重建过滤器，还有HIR.是高通重建过滤器。长度的l和HIR.必须是平等的。看Wfilters.有关其他信息。

`EXTMODE.`-扩展模式
`'ZPD'`|`'sp0'`|`'spd'`|......

执行小波分解时使用的扩展模式指定为：

`模式`	DWT扩展模式
`'ZPD'`	零扩展
`'sp0'`	顺序延长订单0
`'spd'`（或者`'sp1'`）	顺利延长订单1
`'ysm'`或者`'ysh'`	对称扩展（半点）：边界值对称复制
`'符号'`	对称扩展（整点）：边界值对称复制
`'是的`或者`'arymh'`	反对称延伸（半点）：边界值反对称复制
`'asmw'`	反对称延伸（整点）：边界值反对称复制
`'ppd'`那`'每'`	连续扩展如果信号长度是奇数和`模式`是`'每'`，向右添加等于最后一个值的额外样本，并在右侧添加扩展`'ppd'`模式。如果信号长度均匀，`'每'`相当于`'ppd'`。此规则也适用于图像。

由此管理的全局变量DWTMode.指定默认扩展模式。用DWTMode.确定扩展模式。

输出参数

全部收缩

`12月`- 小波分解
结构体

小波分解多功能X，作为具有以下字段的结构返回：

Dirdec.- 方向指示：'r'（行）或'C'（柱子）
等级- 小波分解水平
Wname.- 小波名称
dwtfilters.- 具有四个字段的结构：l那隐藏那l，和HIR.
dwtextm.- DWT扩展模式
dwtshift.- DWT Shift参数（0或1）
数据化- 大小X
加利福尼亚州- 级别的近似系数lev.
光盘- 细胞阵列的细节系数，从1级到级别lev.

系数加利福尼亚州和光盘{K.}，为了K.从1到lev.，是矩阵，如果dirdec ='r'或者在列中dirdec ='c'。

参考

[1] Daubechies，I.在小波上的十次讲座。应用数学中的CBMS-NSF区域会议系列。费城，帕：1992年工业和应用数学协会。

[2] Mallat，S。G。“一种多分辨率信号分解理论：小波表示。”图案分析和机器智能的IEEE交易。卷。11，第7款，1989年7月，第674-693号。

[3] Meyer，Y.小波和运营商。由D. H. Salinger翻译。剑桥，英国：剑桥大学出版社，1995年。

[4]梅萨，赫克托。“适应模式检测的小波。”在模式识别，图像分析和应用中的进展，由Alberto Sanfeliu和Manuel LazoCortés编辑，3773：933-44。柏林，海德堡：斯普林克·柏林海德堡，2005。https：//doi.org/10.1007/11578079_96。