一维信号的低频与高频成分的小波多维分解与重构实例-附Matlab源代码

👨‍🎓 博主简介：博士研究生

🔬 超级学长：超级学长@实验室（提供各种程序开发、实验复现与论文指导）

📧 个人邮箱：easy_optics@126.com

💬 个人微信：easy_optics

🐧 个人企鹅：754357517

---

---

摘要

本博文深入解析了一维小波变换中的单层分解函数dwt以及多层分解函数wavedec的使用方法，并通过sumsin数据集的实例，详细展示了小波分解与信号重构的过程。此外，博文还附带了完整的Matlab源代码供读者参考与实践。

一、参数说明

MATLAB实现一维信号分解和重构的命令主要有 dwt(idwt)和 wavedec(waverec)，其中，进行一层小波分解的命令为 dwt，对应的小波重构命令为 idwt；进行多层分解的命令为wavedec，对应的重构命令为 waverec。具体命令如下：

1.1 一层小波分解与重构

$[CA,CD]=dwt(X{,}^{\prime }wnam{e}^{\prime })$,

其中，dwt 表示离散小波变换；X 为输入参数，是一维信号；'wname’是小波名字；输出变量 CA为低频分解信息，刻画原始信号的逼近信息；CD 为高频分解信息，刻画原始信号的细节。

$[CA,CD]=dwt(X,Lo\_D,Hi\_D)$ ;

为另一种离散小波变换，输人参数为分解的低通滤波器和高通滤波器。

$\left[\begin{array}{c}\mathrm{CA},\mathrm{CD}\end{array}\right]=$dwt$(X，Lo\_D,Hi\_D$, ‘mode’，MODE)；

为不同形式边界延拓的离散小波变换，MODE 表示不同的延拓方式，具体有对称延拓’sym’ 或者${}^{\prime }$symh’(半点对称)，‘symw’(全点对称)，反对称延拓’asym’或者’asymh’(半点反对称)， ${}^{\prime }$asymw’(全点反对称)，零延拓’zpd’，一阶光滑延拓’spd’或者’spl’(边界保持导数一致进行延拓)，常数延拓’sp0’，周期延拓’ppd’或者’per’。

对应的小波重构实现：

$X=$idwt(CA， CD，‘wname’)；

$X=$idwt(CA，CD，Lo_D，Hi_D);

$X=$idwt(CA，CD，Lo_D，Hi_D，‘mode’，MODE);

1.2 多层小波分解与重构

$[C，L]=$wavedec$(X，N{，}^{\prime }wnam{e}^{\prime })；$

其中，wavedec 为多层小波分解函数；X 为输人参数，是一维信号；N 为分解层数；${}^{\mathrm{l}}$wname${}^{!}$是小波名字；输出变量 C 为所有分解信息的组合，依次为：最后一层的低频信息，最后一层的高频信息， 其余高频信息按照从高层到低层的顺序存放，具体为C=$\lfloor A(N)\mid D(N)\mid D(N-1)\mid \cdots \mid D(1)\rfloor$。

$[C,L]=$wavedec$(X，N，Lo\_D，Hi\_D)；$

为另一种离散小波变换，输入参数 N 为分解层数，Lo_D 和 Hi_D 分别为分解的低通滤波器和高通滤波器。

对应的小波多层重构为：

$X=$waverec(C, L, N, ‘wname’)；

$X=$waverec$(C，L，N，$Lo_D，Hi_D)；

1.3 多层小波分解后逼近结果和高通细节的提取

$A=$appcoef$(C，L{，}^{\prime }$wname${}^{\prime }，N)；$D=detcoef$(C，L{，}^{\prime }$wname${}^{\prime })；$

其中，appcoef 为多层分解的系数；C，L 为计算提取一维信号的第 N 层的逼近结果；detcoef 为提取的对应的高频细节；层数 N 应该满足 0<=N<= length(L)-2。

省略最后一个参数时，appcoef 提取的是最后一层的通近系数，detcoef 为提取的最后一层的高频细节。

可用滤波器代替’wname’，即 A=appcoef (C，L，Lo_R，Hi_R)或者 A=appcoef (C，L， Lo_R，Hi_R，N)，D=detcoef(C，L，Lo_R，Hi_R)或者D=detcoef(C，L，Lo_R，Hi_R，N)，此时 Lo_R 和 Hi_R 分别是重构的低通和高通滤波器。

二、实例演示

用 MATLAB 命令 dwt 对一维信号 sumsin 进行分解重构，得到分解的低频和高频信号如图1所示。

图1 sumsin 信号一层分解后的低频和高频信号

用 wavedec 命令、detcoef 命令和 appcoef 命令得到分解的各个层次的低频和高频信号如图2所示。

图2 sumsin信号分解三层对应的低频和高频信号

用 idwt 对分解信号进行重构，并将重构信号与原始信号做差比较其差距，结果显示相差很小，为精确重构，如图3所示。

图3 分解一层的重构信号及误差

用 waverec 命令进行多层信号重构和效果对比，如图4所示。可以看出，只由高层低通信号重构的结果为信号的概貌，而细节信息可由各层次的高通信息进行重构，从而实现信号的分层次分解和重构。

图4 由不同层次重构信号结果

三、示例Matlab程序获取

一维信号的低频与高频成分的小波多维分解与重构实例-附Matlab源代码

结论

---

博主简介：擅长智能优化算法、信号处理、图像处理、机器视觉、深度学习、神经网络等领域Matlab仿真以及实验数据分析等，matlab代码问题、商业合作、课题选题与科研指导等均可私信交流。

---