小波信号去噪
[
返回小区数组中的去噪小波和缩放系数Xden.
那denoisedcfs.
] = wdenoise(___)denoisedcfs.
。元素denoisedcfs.
是在减少分辨率的顺序。最后的元素denoisedcfs.
包含近似(缩放)系数。
[
在单元格数组中返回原始小波和缩放系数Xden.
那denoisedcfs.
那origcfs.
] = wdenoise(___)origcfs.
。元素origcfs.
是在减少分辨率的顺序。最后的元素origcfs.
包含近似(缩放)系数。
嘈杂信号最通用的模型具有以下形式:
在时间N同样间隔。在最简单的模型中,假设E.(N)是高斯白噪音N.(0,1),噪声水平σ等于1.去噪物目标是抑制信号的噪声部分S.并恢复F。
去噪手术有三个步骤:
分解 - 选择小波,选择一个级别N.
。计算信号的小波分解S.在水平N.
。
细节系数阈值 - 从1到的每个级别N.
,选择一个阈值并将软阈值应用于详细系数。
基于级别的原始近似系数的重建 - 计算小波重建N.
和修改的细节系数为1到1N.
。
有关阈值选择规则的更多详细信息小波去噪和非参数函数估计在帮助的帮助下THSELECT.
功能。
[1] Abramovich,F.,Y.Benjamini,D.L.Donoho,以及I. M. Johnstone。“通过控制虚假发现率来适应未知的稀疏性。”统计数据,卷。34,第2页,第2页,第584-653,2006。
[2] Antoniadis,A.和G. Oppenheim,EDS。小波和统计数据。统计讲义。纽约:Springer Verlag,1995年。
[3] CAI,T.T“在小波回归中的块阈值下降:适应性,块大小和阈值水平。”STATISTICA SINICA.,卷。12,pp。1241-1273,2002。
[4] Donoho,D. L。“小波分析和WVD的进展:巡回演出。”小波分析和应用中的进展(Y. Meyer,和S. Roques,EDS。)。GIF-SUR-YVETTET:EditionsFrontières,1993。
[5] Donoho,D. L.,I. M. Johnstone。“小波收缩的理想空间适应。”Biometrika,卷。81,pp。425-455,1994。
[6] Donoho,D. L.“通过软阈值的去噪。”信息理论上的IEEE交易,卷。42,第3页,第3页,第613-627,1995。
[7] Donoho,D. L.,I. M. Johnstone,G. Kerkyacharian和D. Picard。“小波缩小:疏皮?”皇家统计社会杂志那B系列,卷。57,2,PP。301-369,1995。
[8] Johnstone,I. M.和B. W. Silverman。“Haystacks的针和稻草:经验贝叶斯可能稀疏序列的估计。”统计数据,卷。32,4,第4页,第1594-1649,2004。