- 博客(57)
- 资源 (4)
- 收藏
- 关注
转载 小波变换
一.作业内容(1) 任意给定一离散的1D数字信号(或实际采集1D信号),编成实现Harr小波的一尺度快速分解,画出原始信号及分解后近似分量及细节分量图。 (2)利用上述分解得到的近似分量和细节分量,进行Harr小波反变换,即重构信号。画出重构信号的曲线。 (3)计算重构信号与原始信号的残差,画出残差曲线示意图,并对残差曲线作进一步分析。二.作业分析1.任意给
2017-05-30 22:17:25 3001
转载 dwt和wavedec区别
使用小波'wname'对信号X进行单层分解,求得的近似系数存放在数组cA中,细节系数存放在数组cD中 [cA,cD]=dwt(X,’wname’)中返回的cA,cD分别存放是信号的近似和细节 [C,L]=wavedec(X,N,'wname') 利用小波'wname'对信号X进行多层分解 A=appcoef(C,L,'wname',N) 利用小波'wna
2017-05-30 21:34:13 5133
原创 bar
bar,bar3,barh 和bar3h,其中bar 和bar3 分别用来绘制二维和三维竖直方图,barh 和bar3h 分别用来绘制二维和三维水平直方图,调用格式是:bar(x,y) 其中x 必须单调递增或递减,y 为 m×n 矩阵,可视化结果为m 组,每组n 个垂直柱,也就是把y 的行画在一起,同一列的数据用相同的颜色表示;bar(x,y,width) (或ba
2017-05-30 21:01:51 793
转载 Matlab小波包分解后如何求各频带信号的能量值?
clear;clc;n=3;wpname='db3';% [b,a]=butter(8,[5/100 99/100]);% load a1_1-1;load k301_1-4;% Data=filter(b,a,Data);Data=Data-mean(Data);Data=detrend(Data);wpt1=wpdec(Data,n,wpname); %
2017-05-30 19:26:05 20140 7
转载 matlab中svd函数用法总结
1、帮助文档svdSingular value decompositionSyntaxs = svd(X)[U,S,V] = svd(X)[U,S,V] = svd(X,0)[U,S,V] = svd(X,'econ')DescriptionThe svd command computes the matrix singu
2017-05-30 14:11:00 12386
转载 奇异值分解SVD应用——LSI
潜在语义索引(Latent Semantic Indexing)是一个严重依赖于SVD的算法,本文转载自之前吴军老师《数学之美》和参考文献《机器学习中的数学》汇总。————————————在自然语言处理中,最常见的两类的分类问题分别是,将文本按主题归类(比如将所有介绍亚运会的新闻归到体育类)和将词汇表中的字词按意思归类(比如将各种体育运动的名称个归成一类)。这两种分类问题都可用通过
2017-05-30 14:00:49 374
转载 MATLAB中的wavedec、wrcoef函数简析
小波分解函数:[C,L] = wavedec(X,N,'wname');returns the wavelet decomposition of the signal X at level N, using 'wname'. N must be a strictly positive integer. The output decomposition structure con
2017-05-27 02:46:50 8775
转载 pos函数的使用
pos = get(gcf, 'Position');pos(3) = pos(3) - 80;%{ pos = get(gcf,'Position'); set(gcf,'Position',[pos(1), pos(2)-200,pos(3),pos(4)+150]); pos(2)-200:表示窗口相对于屏幕向下移动200像素;
2017-05-24 19:10:00 6369
转载 关于matlab中princomp的使用说明讲解
%% test for princomp(Principal Component Analysis)% 关于matlab中princomp的使用说明讲解小例子 by faruto% 能看懂本程序及相关注释讲解的前提是您对PCA有一定的了解~O(∩_∩)O% 2009.10.27clear;clc%% load cities dataload cities% wh
2017-05-24 14:06:11 3381
转载 协方差的意义和计算公式
学过概率统计的孩子都知道,统计里最基本的概念就是样本的均值,方差,或者再加个标准差。首先我们给你一个含有n个样本的集合,依次给出这些概念的公式描述,这些高中学过数学的孩子都应该知道吧,一带而过。很显然,均值描述的是样本集合的中间点,它告诉我们的信息是很有限的,而标准差给我们描述的则是样本集合的各个样本点到均值的距离之平均。以这两个集合为例,[0,8,12,20]和[8,9,11,1
2017-05-24 14:03:21 467
转载 matlab中的eig函数
在MATLAB中,计算矩阵A的特征值和特征向量的函数是eig(A),常用的调用格式有5种:(1) E=eig(A):求矩阵A的全部特征值,构成向量E。(2) [V,D]=eig(A):求矩阵A的全部特征值,构成对角阵D,并求A的特征向量构成V的列向量。(3) [V,D]=eig(A,'nobalance'):与第2种格式类似,但第2种格式中先对A作相似变换后求矩
2017-05-24 13:45:51 10139
转载 imf瞬时频率跳变问题
问题是这样被发现和引起的:我打算求出各信号各IMF分量的瞬时频率的一些特征参数(尤其是平均频率),以便比较这些分量是不是同一物理量引起的。先求TW486012各IMF分量瞬时频率f_imf_TW486012的平均频率。根据时频分析理论,信号谱的平均频率等于信号瞬时频率的时间平均mtf_imf_TW486012。 mtf_imf_TW486012=sum(f_imf_TW486012
2017-05-24 01:42:40 4137 1
转载 瞬时频率估计方法
关于瞬时频率估计,前面虽说暂时放一下,但心中始终还是念念不忘,因为这是一道绕不过去的坎。在网上多次搜索、了解其现状。感觉是关注这件事的人很多,方法很多,但问题也很多。在网上能找到的方法,简单归结如下: 相位差分法相位建模法Teager能量算子法跨零点法求根估计法反余弦法时频分布法(谱峰检测法?)Shekel方法Teag
2017-05-24 01:37:37 15929 2
转载 信号处理——Hilbert变换及谱分析
原文链接Hilbert通常用来得到解析信号,基于此原理,Hilbert可以用来对窄带信号进行解包络,并求解信号的瞬时频率,但求解包括的时候会出现端点效应,本文对于这几点分别做了简单的理论探讨。本文内容多有借鉴他人,最后一并附上链接。一、基本理论 A-Hilbert变换定义对于一个实信号x(t)x(t),其希尔伯特变换为:x~(t)=x(t)∗1πt
2017-05-23 21:19:38 41824 9
转载 matlab之unwrap函数
要计算一个系统相频特性,就要用到反正切函数,计算机中反正切函数规定,在一、二象限中的角度为0~pi,三四象限的角度为0~-pi。若一个角度从0变到2pi,但实际得到的结果是0~pi,再由-pi~0,在w=pi处发生跳变,跳变幅度为2pi,这就叫相位的卷绕。unwrap(w)就是解卷绕,使相位在pi处不发生跳变,从而反应出真实的相位变化 "查看 unwrap 的帮助文档可以发现 un
2017-05-23 20:23:08 5659
转载 Hilbert变换及谱分析
在数学与信号处理的领域中,一个实数值函数的希尔伯特转换(Hilbert transform)——在此标示为——是将信号与做卷积,以得到。因此,希尔伯特转换结果可以被解读为输入是的线性非时变系统(linear time invariant system)的输出,而此一系统的脉冲响应为。这是一项有用的数学,用在描述一个以实数值载波做调制的信号之复数包络(complex envelope),
2017-05-23 11:01:53 19914
转载 卷积的物理意义
有一个七品县令,喜欢用打板子来惩戒那些市井无赖,而且有个惯例:如果没犯大罪,只打一板,释放回家,以示爱民如子。有一个无赖,想出人头地却没啥指望,心想:既然扬不了善名,出恶名也成啊。怎么出恶名?炒作呗!怎么炒作?找名人呀!他自然想到了他的行政长官——县令。无赖于是光天化日之下,站在县衙门前撒了一泡尿,后果是可想而知地,自然被请进大堂挨了一板子,然后昂首挺胸回家,躺了一天,嘿!身上啥事
2017-05-23 10:34:27 564
转载 FFT
快速傅立叶变换(FFT)函数FFT和IFFT用于快速傅立叶变换和逆变换。下面介绍这些函数。函数的一种调用格式为 y=fft(x)其中,x是序列,y是序列的FFT,x可以为一向量或矩阵,若x为一向量,y是x的FFT。且和x相同长度。若x为一矩阵,则y是对矩阵的每一列向量进行FFT。如果x长度是2的幂次方,函数fft执行高速基-2FFT算法;
2017-05-22 14:03:19 1839
转载 n*fs/N
因为傅立叶变换之后的结果虽然长度和原来数据一样但是前半部分和后半部分结果是共轭对称的如果只考虑幅度的画,前后两半是关于中心对称的正真有意义的就是0到采样频率一半的数据,后半和前半的信息是一样的所以就只取用结果的1到N/2,也就是前一半的数据根据变换前后能量相等,原来信号时域上的能量积分和后来信号频域上的积分应该相等由于只取了一半,所以频域的结果能量的积分就会减少一半为了拟补这减少的
2017-05-22 13:55:36 3567
转载 matlab命令中什么时候加分号
后面的加分号时,运行结果在命令窗口不显示。不加分号时,当点击回车时,运行结果就会立即显示出来!运行matlab程序的时候,程序中变量的值会自动储存在 workspace中。程序命令后面输入与不输入“;”的区别是,当输入半角的分号时,命令中的变量会自动列表储存在 workspace中,变量的值不会在window command中显示出来;当不输入半角的分号时,变量不仅也会自动储存在workspace
2017-05-22 13:35:21 17665
原创 方差为平方的均值减去均值的平方
通常的说法是:“方差等于均方值减去均值的平方”Var = E[(X-μ)²] = E[X²-2Xμ+μ²] = E(X²)-2μ²+μ² = E(X²)-μ² (*)(*) 式的含义就是:“方差等于均方值减去均值的平方”
2017-05-21 15:00:00 23159
转载 hht变换
1.什么是HHT?HHT就是先将信号进行经验模态分解(EMD分解),然后将分解后的每个IMF分量进行Hilbert变换,得到信号的时频属性的一种时频分析方法。2.EMD分解的步骤。 EMD分解的流程图如下: 3.实例演示。给定频率分别为10Hz和35Hz的两个正弦信号相叠加的复合信号,采样频率fs=2048Hz的信号,表达式如下:y=5sin(2
2017-05-21 02:41:09 32712 12
转载 小波变换
一、绘制原理:1.需要用到的小波工具箱中的三个函数cwt(),centfrq(),scal2frq()COEFS = cwt(S,SCALES,'wname')该函数实现连续小波变换,其中S为输入信号,SCALES为尺度,wname为小波名称。 FREQ = centfrq('wname')该函数求以wname命名的母小波的中心频率。 F = scal2frq(A,
2017-05-19 21:34:45 4708
转载 matlab产生扫频余弦信号 chirp用法
记得曾经大研做录音放音程序,老大让我编一个扫频信号做输入,还给了个英文的扫频信号说明,晕晕乎乎做了半天。。。突然发现matlab有产生扫频信号的函数的,一听扫频就感觉好亲切啊,这个肯定要收藏了。这个网址有介绍http://blog.csdn.net/skyujwang/archive/2011/03/03/6221201.aspx,我不妨翻译一下matlab帮助吧。chirp:产生
2017-05-19 21:10:07 18944 3
转载 matlab 中imagesc的用法
imagesc(A) 将矩阵A中的元素数值按大小转化为不同颜色,并在坐标轴对应位置处以这种颜色染色imagesc(x,y,A) x,y决定坐标范围,x,y应是两个二维向量,即x=[x1 x2],y=[y1 y2],matlab会在[x1,x2]*[y1,,y2]的范围内染色。 如果x或y超过两维,则坐标范围为[x(1),x(end)]*[y(1),y(end)] matlab
2017-05-19 20:43:04 24549 4
原创 小波系数的理解
我们学过内积,内积的物理含义:两个图形的相似性,若两个图形完全正交,则内积为0,若两个图形完全一样,则系数为1(相对值)。小波变换的实质是:原信号与小波基函数的相似性。小波系数就是小波基函数与原信号相似的系数。(英文文献中是这样解释:The definition of wavelet transform shows that the wavelet analysis is a measure
2017-05-19 20:37:14 24503
转载 Matlab中image、imagesc和imshow函数用法解析
原文转自:http://blog.csdn.NET/zhupananhui/article/details/163403451、显示RGB图像相同点:这三个函数都是把m*n*3的矩阵中的数值当做RGB值来显示的。区别:imshow将图像以原始尺寸显示,image和imagesc则会对图像进行适当的缩放(显示出来的尺寸大小)。2、显示灰度图像说明:先搞明白什么
2017-05-19 19:54:25 1100
转载 有关小波的几个术语及常见的小波基介绍
本篇是这段时间学习小波变换的一个收尾,了解一下常见的小波函数,混个脸熟,知道一下常见的几个术语,有个印象即可,这里就当是先作一个备忘录,以后若有需要再深入研究。一、小波基选择标准 小波变换不同于傅里叶变换,根据小波母函数的不同,小波变换的结果也不尽相同。现实中到底选择使用哪一种小波的标准一般有以下几点:1、支撑长度 小波函数Ψ(t)、Ψ(ω)、尺度函数φ
2017-05-19 15:25:56 15088 2
转载 离散正(余)弦信号的时域与FFT变换后所得频域之间的关系(幅值和相角)
正弦信号在信号处理中是很常见的,比如通信领域的载波。由于正弦与余弦只是相差π/2的初相,因此这里统称正弦信号。给出连续正弦信号的表达式:式中,A为振幅,Ω为模拟角频率(rad/s),φ为初相,f为模拟频率(Hz),Ω=2πf 。 在满足奈奎斯特采样定理条件下对信号x(t)进行采样得到离散正弦信号x(n)式中,fs为采样频
2017-05-17 16:59:43 2123
转载 Matlab emd工具箱、时频分析工具箱下载以及安装方法
Matlab工具箱通用安装方法####更新于2017年1.10###从写完这篇文章到现在,访问量很大,影响也就比较大。虽然自己的工作已经与这方面没有多大的关系了,但本想为读者负责的态度,今天更新这篇文章,将各个工具包的最新链接供大家免费下载(截止2017.1月),因为是从官方英文网站下载的最新源码文件,并没有中文解释说明,请大家理解!如对最新版的的使用有什么问题,原谅我无法帮助
2017-05-15 12:27:38 1490
转载 Deep learn toolbox:CNN BP求导解析
《Notes on Convolutional Neural Networks》中详细讲解了CNN的BP过程,下面结合Deep learn toolbox中CNN的BP源码对此做一些解析 卷积层: 卷积层的前向传导: 误差反传: 当卷基层的下一层是pooling层时,如果
2017-05-13 19:49:30 508
转载 MATLAB中squeeze函数的作用
squeeze 除去size为1的维度B = squeeze(A)描述:B = squeeze(A),B与A有相同的元素,但所有只有一行或一列的维度(a singleton dimension)被去除掉了。A singleton dimension的特征是size(A,dim) = 1。二维阵列不受squeeze影响; 如果 A 是一个row or
2017-05-13 18:56:39 1989
转载 Deep Learning学习 之 CNN代码解析(MATLAB)
Test_example_CNNTest_example_CNN:1设置CNN的基本参数规格,如卷积、降采样层的数量,卷积核的大小、降采样的降幅2 cnnsetup函数 初始化卷积核、偏置等3 cnntrain函数 训练cnn,把训练数据分成batch,然后调用 3.1cnnff 完成训练的前向过程3.2 cnnbp计算并传递神经网络的error,并计算梯度(权重的修改量)
2017-05-13 18:46:46 1266
转载 Deep Learning(深度学习)学习笔记整理系列之LeNet-5卷积参数个人理解
一个典型的例子说明 一种典型的用来识别数字的卷积网络是LeNet-5(效果和paper等见这)。当年美国大多数银行就是用它来识别支票上面的手写数字的。能够达到这种商用的地步,它的准确性可想而知。毕竟目前学术界和工业界的结合是最受争议的。 LeNet-5共有7层,不包含输入,每层都包含可训练参数(连接权重)。输入
2017-05-13 16:43:27 653
转载 卷积神经网络
深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第二篇,讲讲经典的卷积神经网络。我不打算详细描述卷积神经网络的生物学运行机理,因为网络上有太多的教程可以参考。这里,主要描述其数学上的计算过程,也就是如何自己编程去实现的问题。1. 概述
2017-05-13 16:31:31 275
转载 Softmax 函数及其作用(含推导)
Softmax函数的定义及作用Softmax是一种形如下式的函数:P(i)=exp(θTix)∑Kk=1exp(θTkx)其中θi和x是列向量,θTix可能被换成函数关于x的函数fi(x)。通过softmax函数,可以使得P(i)的范围在[0,1]之间。在回归和分类问题中,通常θ是待求参数,通过寻找使得P(i)最大的θi作为最佳参数。但是,使得范围在[0,1]之间的方法有很
2017-05-11 22:15:04 2161 1
转载 CNN卷积神经网络推导和实现
《Notes on Convolutional Neural Networks》一、介绍 这个文档讨论的是CNNs的推导和实现。CNN架构的连接比权值要多很多,这实际上就隐含着实现了某种形式的规则化。这种特别的网络假定了我们希望通过数据驱动的方式学习到一些滤波器,作为提取输入的特征的一种方法。 本文中,我们先对训练全连接网络的经典BP算法做一个描
2017-05-11 18:04:07 320
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人