资源描述：
《小波去噪和小波包去噪的对比.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、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：clcclearallloadnoisdoppx=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
2、,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：clcclearallloa
3、dnoisdopp;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,[2
4、2]);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
5、)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：问题3：生成最优树结构，给出其熵值程序如下：clcclearallloadnoisdopp;x=noisdopp;wpt=wpdec(x,3,'sym4');wpt=wpsplt(wpt,[30]);plot(wpt)bt=besttree(wpt);plot(bt)ent=read
6、(wpt,'ent',allnodes(wpt))T=entrupd(bt,'shannon');ent=read(wpt,'ent',allnodes(bt))图1小波包树图2最优小波包树表1小波包树中各节点的熵值001011202122233031-3.3195-3.8687-0.0128-4.4528-0.0194-0.0068-0.0071-5.0345-0.04063233343536374041-0.0041-0.0374-0.0033-0.0026-0.0049-0.0014-5.3961-0.2270表2最优小波包树中各节点的熵值0
7、01011202122233031-3.3195-3.8687-0.0128-4.4528-0.0194-0.0068-0.0071-5.0345-0.040632334041-0.0041-0.0374-5.3961-0.2270
