小波去噪和小波包去噪的对比.doc

问题1:试生成一个含噪声信号,利用matlab中的小波去噪和小波包去噪函数去除噪声,比较两者的性能差异。程序如下:learallloadnoisdoppx=noisdopp;subplot(311)plot(x);title('原始信号的波形图')axistight;[thr,sorh,keepapp]=ddencmp('den','wv',x);xwd=wden(x,'rigrsure','s','one',4,'sym4');subplot(312)plot(xwd)title('小波降噪信号')axistight[thr1,sorh1,keepapp1,crit]=ddencmp('den','wp',x);xwpd=wpdencmp(x,'h',4,'sym4','sure',thr1,1);subplot(313)plot(xwpd)title('小波包降噪信号')axistight运行结果如下:区别:小波变换在低信噪比情况下的去噪效果较好,小波包分解去噪后信号更加的平滑;小波分解主要是针对细节成分全置0或者给定软(硬)阈值去噪,容易丢失信号中的有用信息。问题2:研究小波包分解树中各节点的重构系数,给出其频谱分布,讨论波包分解的频带划分程序如下:learallloadnoisdopp;s=noisdopp;wpt=wpdec(s,3,'sym1');plot(wpt);r20=wprcoef(wpt,[20]);subplot(621)plot(r20)title('r20')subplot(623)hua_fft(r20,10000,1)title('r20的FFT')r21=wprcoef(wpt,[21]);subplot(622)plot(r21)title('r21')subplot(624)hua_fft(r21,10000,1)title('r21的FFT')r22=wprcoef(wpt,[22]);subplot(625)plot(r22)title('r22')subplot(627)hua_fft(r22,10000,1)title('r22的FFT')r23=wprcoef(wpt,[23]);subplot(626)plot(r23)title('r23')subplot(628)hua_fft(r23,10000,1)title('r23的FFT')r10=wprcoef(wpt,[10]);subplot(629)plot(r10)title('r10')subplot(6,2,11)hua_fft(r10,10000,1)title('r10的FFT')r11=wprcoef(wpt,[11]);subplot(6,2,10)plot(r11)title('r11')subplot(6,2,12)hua_fft(r11,10000,1)title('r11的FFT')程序运行结果如下:问