下载文档原格式
与标准的傅里叶变换相比，小波分析中使用到的小波函数具有不唯一性，即小波函数 具有多样性。
小波分析在工程应用中，一个十分重要的问题就是最优小波基的选择问题，因为用不同的小波基分析同一个问题会产生不同的结果。
目前我们主要是通过用小波分析方法处理信号的结果与理论结果的误差来判定小波基的好坏，由此决定小波基。
常用小波基有Haar 小波、Daubechies(dbN)小波、Mexican Hat(mexh)小波、Morlet 小波、Meyer 小波等。
Haar 小波Haar 函数是小波分析中最早用到的一个具有紧支撑的正交小波函数，也是最简单的一个小波函数，它是支撑域在[0,1]∈t 围的单个矩形波。
Haar函数的定义如下：1021121(t)-10t t ≤≤≤≤ψ=⎧⎪⎨⎪⎩其他Haar 小波在时域上是不连续的，所以作为根本小波性能不是特别好。
但它也有自己的优点:1. 计算简单。
2.(t)ψ不但与j (t)[j z]2ψ∈正交，而且与自己的整数位移正交，因此，在2j a=的多分辨率系统中，Haar 小波构成一组最简单的正交归一的小波族。
()t ψ的傅里叶变换是：2/24=sin ()j e aψ-ΩΩΩΩ（）jHaar 小波的时域和频域波形title('haar 时域'); g2=fft(g1); g3=abs(g2); subplot(2,1,2);plot(g3,'LineWidth',2); xlabel('f') title('haar 频域')Daubechies(dbN)小波Daubechies 小波是世界著名的小波分析学者Inrid ·Daubechies 构造的小波函数，简写为dbN ，N 是小波的阶数。
小波(t)ψ和尺度函数(t)φ中的支撑区为12-N ，(t)ψ的消失矩为N 。
除1=N 〔Harr 小波〕外，dbN 不具有对称性〔即非线性相位〕。
MATLAB 小波变换指令及其功能介绍1 一维小波变换的 Matlab 实现(1 dwt函数功能：一维离散小波变换格式：[cA,cD]=dwt(X,'wname'[cA,cD]=dwt(X,Lo_D,Hi_D别可以实现一维、二维和 N 维 DFT说明：[cA,cD]=dwt(X,'wname' 使用指定的小波基函数 'wname' 对信号X 进行分解，cA 、cD 分别为近似分量和细节分量；[cA,cD]=dwt(X,Lo_D,Hi_D 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。
(2 idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD,'wname'X=idwt(cA,cD,Lo_R,Hi_RX=idwt(cA,cD,'wname',L函数 fft、fft2 和 fftn 分 X=idwt(cA,cD,Lo_R,Hi_R,L说明：X=idwt(cA,cD,'wname' 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。
'wname' 为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。
X=idwt(cA,cD,'wname',L 和 X=idwt(cA,cD,Lo_R,Hi_R,L 指定返回信号 X 中心附近的 L 个点。
2 二维小波变换的 Matlab 实现二维小波变换的函数别可以实现一维、二维和 N 维 DFT函数名函数功能--------------------------------------------------- dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号 upcoef2 由多层小波分解重构近似分量或细节分量 detcoef2 提取二维信号小波分解的细节分量 appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换 -----------------------------------------------------------(1 wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat(X,NB,OPT,ABSOLY=wcodemat(X,NB,OPTY=wcodemat(X,NBY=wcodemat(X说明：Y=wcodemat(X,NB,OPT,ABSOL 返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0～NB ，缺省值 NB＝16； OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现一维、二维和 N 维 DFTOPT＝'row' ，按行编码OPT＝'col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分 ABSOL 是函数的控制参数（缺省值为 '1'），即： ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X1. 离散傅立叶变换的 Matlab实现(2 dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname'[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D说明：[cA,cH,cV,cD]=dwt2(X,'wname'使用指定的小波基函数 'wname' 对二维信号 X 进行二维离散小波变幻；cA ，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D 使用指定的分解低通和高通滤波器 Lo_D 和Hi_D 分解信号 X 。
MATLAB小波变换指令及其功能介绍1 一维小波变换的 Matlab 实现(1) dwt函数功能：一维离散小波变换格式：[cA,cD]=dwt(X,'wname')[cA,cD]=dwt(X,Lo_D,Hi_D)别可以实现一维、二维和 N 维DFT说明：[cA,cD]=dwt(X,'wname') 使用指定的小波基函数 'wname'对信号X 进行分解，cA、cD 分别为近似分量和细节分量；[cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。
(2) idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD,'wname')X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,'wname',L)函数 fft、fft2 和 fftn 分X=idwt(cA,cD,Lo_R,Hi_R,L)说明：X=idwt(cA,cD,'wname') 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。
'wname' 为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和Hi_R 经小波反变换重构原始信号 X 。
X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。
2 二维小波变换的 Matlab 实现二维小波变换的函数别可以实现一维、二维和 N 维 DFT函数名函数功能---------------------------------------------------dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换----------------------------------------------------------- (1) wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16；OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现一维、二维和 N 维 DFTOPT＝'row' ，按行编码OPT＝'col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分ABSOL 是函数的控制参数（缺省值为 '1'），即：ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X)1. 离散傅立叶变换的 Matlab实现(2) dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname')[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。
五种常见小波基函数及其matlab实现Haar 小波Haar 函数是小波分析中最早用到的一个具有紧支撑的正交小波函数，也是最简单的一个小波函数，它是支撑域在[0,1]∈t 范围内的单个矩形波。
Haar函数的定义如下：1021121(t)-10t t ≤≤≤≤ψ=其他Haar 小波在时域上是不连续的，所以作为基本小波性能不是特别好。
但它也有自己的优点:1. 计算简单。
2.(t)ψ不但与j (t)[j z]2ψ∈正交，而且与自己的整数位移正交，因此，在2j a=的多分辨率系统中，Haar 小波构成一组最简单的正交归一的小波族。
()t ψ的傅里叶变换是：2/24=sin ()j e aψ-ΩΩΩΩ（）jHaar 小波的时域和频域波形[phi,g1,xval] = wavefun('haar',20); subplot(2,1,1);plot(xval,g1,'LineWidth',2); xlabel('t') title('haar 时域'); g2=fft(g1); g3=abs(g2); subplot(2,1,2); plot(g3,'LineWidth',2);xlabel('f') title('haar 频域')Daubechies(dbN)小波Daubechies 小波是世界著名的小波分析学者Inrid ·Daubechies 构造的小波函数，简写为dbN ，N 是小波的阶数。
小波(t)ψ和尺度函数(t)φ中的支撑区为12-N ，(t)ψ的消失矩为N 。
除1=N （Harr 小波）外，dbN 不具有对称性（即非线性相位）。
除1=N（Harr 小波）外，dbN 没有明确的表达式，但转换函数h 的平方模是明确的:令kN k kN kyp C∑-=+=11-(y)，其中C kN k+1-为二项式的系数，则有)2)p(sin2(cos)(2220ωωω=m其中：e h jk N k kωω-12021)(m ∑-==Daubechies 小波具有以下特点：1. 在时域是有限支撑的，即(t)ψ长度有限。
MATLAB 小波变换指令及其功能介绍1一维小波变换的 Matlab 实现(1)dwt 函数功能：一维离散小波变换格式：[cA,cD]=dwt(X,'wname')[cA,cD]=dwt(X,Lo_D,Hi_D)别可以实现一维、二维和 N 维DFT说明：[cA,cD]=dwt(X,'wname') 使用指定的小波基函数 'wname'对信号 X 进行分解，cA、cD 分别为近似分量和细节分量；[cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。
(2)idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD,'wname')X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,'wname',L)函数 fft、fft2 和 fftn 分X=idwt(cA,cD,Lo_R,Hi_R,L)说明：X=idwt(cA,cD,'wname') 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。
'wname' 为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和Hi_R 经小波反变换重构原始信号 X 。
X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。
2二维小波变换的 Matlab 实现二维小波变换的函数别可以实现一维、二维和 N 维 DFT函数名函数功能dwt2 二维离散小波变换wavedec2 二维信号的多层小波分解idwt2 二维离散小波反变换waverec2 二维信号的多层小波重构wrcoef2 由多层小波分解重构某一层的分解信号upcoef2 由多层小波分解重构近似分量或细节分量detcoef2 提取二维信号小波分解的细节分量appcoef2 提取二维信号小波分解的近似分量upwlev2 二维小波分解的单层重构dwtpet2 二维周期小波变换idwtper2 二维周期小波反变换(1)wcodemat 函数功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16；OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现一维、二维和 N 维 DFTOPT＝'row' ，按行编码OPT＝'col' ，按列编码OPT＝'mat' ，按整个矩阵编码函数 fft、fft2 和 fftn 分ABSOL 是函数的控制参数（缺省值为 '1'），即： ABSOL＝0 时，返回编码矩阵ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X)1. 离散傅立叶变换的 Matlab 实现(2)dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname')[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。
与标准的傅里叶变换相比，小波分析中使用到的小波函数具有不唯一性，即小波函数 具有多样性。
小波分析在工程应用中，一个十分重要的问题就是最优小波基的选择问题，因为用不同的小波基分析同一个问题会产生不同的结果。
目前我们主要是通过用小波分析方法处理信号的结果与理论结果的误差来判定小波基的好坏，由此决定小波基。
常用小波基有Haar 小波、Daubechies(dbN)小波、Mexican Hat(mexh)小波、Morlet 小波、Meyer 小波等。
Haar 小波Haar 函数是小波分析中最早用到的一个具有紧支撑的正交小波函数，也是最简单的一个小波函数，它是支撑域在[0,1]∈t 范围内的单个矩形波。
Haar函数的定义如下：1021121(t)-10t t ≤≤≤≤ψ=⎧⎪⎨⎪⎩其他Haar 小波在时域上是不连续的，所以作为基本小波性能不是特别好。
但它也有自己的优点:1. 计算简单。
2.(t)ψ不但与j (t)[j z]2ψ∈正交，而且与自己的整数位移正交，因此，在2j a=的多分辨率系统中，Haar 小波构成一组最简单的正交归一的小波族。
()t ψ的傅里叶变换是：2/24=sin ()j e aψ-ΩΩΩΩ（）jDaubechies(dbN)小波Daubechies 小波是世界著名的小波分析学者Inrid ·Daubechies 构造的小波函数，简写为dbN ，N 是小波的阶数。
小波(t)ψ和尺度函数(t)φ中的支撑区为12-N ，(t)ψ的消失矩为N 。
除1=N （Harr 小波）外，dbN 不具有对称性（即非线性相位）。
除1=N（Harr 小波）外，dbN 没有明确的表达式，但转换函数h 的平方模是明确的:令kN k kN kyp C∑-=+=11-(y)，其中C kN k+1-为二项式的系数，则有)2)p(sin2(cos)(2220ωωω=m其中：e h jk N k kωω-12021)(m ∑-==Daubechies 小波具有以下特点：1. 在时域是有限支撑的，即(t)ψ长度有限。
Matlab小波函数一、Matlab小波去噪基本原理1、带噪声的信号一般是由含有噪声的高频信号和原始信号所在的低频信号。
利用多层小波，将高频噪声信号从混合信号中分解出来。
2、选择合适的阈值对图像的高频信号进行量化处理3、重构小波图像：依据图像小波分解的低频信号与处理之后的高频信号来重构图像的信息。
二、第二代小波变换1、构造方法特点：（1）继承了第一代小波的多分辨率的特性。
（2）不依赖fourior变换，直接在时域完成小波变换。
（3）变换之后的系数可以是整数。
（4）图像恢复质量与变换是边界采用何种延拓方式无关。
2、优点：算法简单，速度快，适合并行处理。
对存需求量小，便于DSP芯片实现、可用于本位操作运算。
3、提升原理:构造紧支集双正交小波（1）步骤：分裂—预测—更新（2）分解与重构三、matlab小波函数库1、matlab小波通用函数：（1）wavemngr函数【小波管理器（用于小波管理，添加、删除、储存、读取小波）】wavemngr(‘add’,FN,FSN,WT,NUMS,FILE)wavemngr(‘add’,FN,FSN,WT,NUMS,FILE,B)% 添加小波函数，FN为family name，FSN为family short name WT为小波类型：WT=1表示正交小波，=2表示非正交小波，=3表示带尺度函数的小波，=4表示无尺度函数的小波，=5表示无尺度函数的复小波。
小波族只有一个小波，则NUMS=“，否则NUMS表示小波参数的字符串FILE表示文件名B=[lb ub]指定小波有效支撑的上下界wavemngr(‘del’,N) %删除小波wavemngr(‘restore’)/ wavemngr(‘restore’,IN2) %保存原始小波OUT1= wavemngr(‘read’) %返回小波族的名称OUT1= wavemngr(‘read’,IN2) %返回所有小波的名称OUT1= wavemngr(‘read_asc’)%读取wavelets.asc文件并返回小波信息（2）scal2frq函数【尺度转换频率】F=scal2frq(A,’wname’,DELTA)%返回由尺度A，小波函数“wname”和采样周期DELTA决定的准频率。
MATLAB小波变换指令及其功能介绍1一维小波变换的Matlab实现(1)dwt函数功能：一维离散小波变换格式：[cA,cD]=dwt(X,'wname')[cA,cD]=dwt(X,Lo_D,Hi_D)别可以实现一维、二维和N维DFT说明：[cA,cD]=dwt(X,'wname')使用指定的小波基函数'wname'对信号X进行分解，cA、cD分别为近似分量和细节分量；[cA,cD]=dwt(X,Lo_D,Hi_D)使用指定的滤波器组Lo_D、Hi_D对信号进行分解。
(2)idwt函数功能：一维离散小波反变换格式：X=idwt(cA,cD,'wname')X=idwt(cA,cD,Lo_R,Hi_R)X=idwt(cA,cD,'wname',L)函数fft、fft2和fftn分X=idwt(cA,cD,Lo_R,Hi_R,L)说明：X=idwt(cA,cD,'wname')由近似分量cA和细节分量cD经小波反变换重构原始信号X。
'wname'为所选的小波函数X=idwt(cA,cD,Lo_R,Hi_R)用指定的重构滤波器Lo_R和Hi_R经小波反变换重构原始信号X。
X=idwt(cA,cD,'wname',L)和X=idwt(cA,cD,Lo_R,Hi_R,L)指定返回信号X中心附近的L个点。
2二维小波变换的Matlab实现二维小波变换的函数别可以实现一维、二维和N维DFT函数名函数功能---------------------------------------------------dwt2二维离散小波变换wavedec2二维信号的多层小波分解idwt2二维离散小波反变换waverec2二维信号的多层小波重构wrcoef2由多层小波分解重构某一层的分解信号upcoef2由多层小波分解重构近似分量或细节分量detcoef2提取二维信号小波分解的细节分量appcoef2提取二维信号小波分解的近似分量upwlev2二维小波分解的单层重构dwtpet2二维周期小波变换idwtper2二维周期小波反变换-----------------------------------------------------------(1)wcodemat函数功能：对数据矩阵进行伪彩色编码函数fft、fft2和fftn分格式：Y=wcodemat(X,NB,OPT,ABSOL)Y=wcodemat(X,NB,OPT)Y=wcodemat(X,NB)Y=wcodemat(X)说明：Y=wcodemat(X,NB,OPT,ABSOL)返回数据矩阵X的编码矩阵Y；NB伪编码的最大值，即编码范围为0～NB，缺省值NB＝16；OPT指定了编码的方式（缺省值为'mat'），即：别可以实现一维、二维和N维DFTOPT＝'row'，按行编码OPT＝'col'，按列编码OPT＝'mat'，按整个矩阵编码函数fft、fft2和fftn分ABSOL是函数的控制参数（缺省值为'1'），即：ABSOL＝0时，返回编码矩阵ABSOL＝1时，返回数据矩阵的绝对值ABS(X)1.离散傅立叶变换的Matlab实现(2)dwt2函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname')[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数'wname'对二维信号X进行二维离散小波变幻；cA，cH,cV,cD分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)使用指定的分解低通和高通滤波器Lo_D和Hi_D分解信号X。
