C语言实现小波分解，提取近似与细节分量，包含详细例程

最新推荐文章于 2023-01-04 15:21:31 发布
最新推荐文章于 2023-01-04 15:21:31 发布
阅读量7.1k 收藏 70
点赞数 20
分类专栏： C语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37622637/article/details/99641052
版权

C语言实现小波分解，提取近似与细节分量，包含详细例程

声明

本文的C语言实现小波分解非本人原创，均参考了网络上的文章（详见最后的参考资料），程序主要来自李承宇的文章和程序。
我只对程序进行了少量的修改，添加了大量注释，提高了程序的可阅读性。

数据均为自己的数据，可以免费提供大家测试学习。

程序

main.c

// WaveletAccumulation.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <stdio.h>   
#include <stdlib.h>   
#include <math.h>   
#include "Wavelet.h" 

void main()
{
	double data[LENGTH] = { 0 };		//输入信号   
	double temp[LENGTH] = { 0 };		//中间结果   
	double data_output[LENGTH] = { 0 };	//一维小波变换后的结果   
	double c[8][LENGTH] = { 0 };		//各层的近似(前半段)与细节(后半段)
	double a[8][LENGTH] = { 0 };		//各层的近似系数，第i行表示第i层分解的近似	Approximate
	double d[8][LENGTH] = { 0 };		//各层的细节系数，第i行表示第i层分解的细节	Detail
	int sigLen = 0;					//输入信号长度   
	int waveletBasisLen = 6;					//Daubechies正交小波基长度   
	int nStep = 4;				//分解层数   

	FILE *fp;					//文件指针
	char s[32];					//从txt文件中读取一行数据

	/* matlab产生的 db3小波  */
	double Lo_D[] = { 0.0352262918821007, -0.0854412738822415, -0.135011020010391, 0.459877502119331 , 0.806891509313339 , 0.332670552950957 };
	double Hi_D[] = { -0.332670552950957 ,  0.806891509313339 , -0.459877502119331, -0.135011020010391, 0.0854412738822415, 0.0352262918821007 };
	/* matlab产生的 db3小波  */
//	double Lo_D[] = {  0.00333572528500155, -0.0125807519990155, -0.00624149021301171, 0.0775714938400652, -0.0322448695850295, -0.242294887066190 ,  0.138428145901103 ,  0.724308528438574  , 0.603829269797473 , 0.160102397974125   };
//	double Hi_D[] = { -0.160102397974125  ,  0.603829269797473 , -0.724308528438574  , 0.138428145901103 ,  0.242294887066190 , -0.0322448695850295, -0.0775714938400652, -0.00624149021301171, 0.0125807519990155, 0.00333572528500155 };
	//matlab计算系数函数：[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('db1');

	waveletBasisLen = sizeof(Lo_D) / sizeof(double);

	//从文件读取输入信号   
	if ((fp = fopen("F:\\Desktop\\data.txt", "r")) == NULL)
	{
		printf("can't open file!\n");
		exit(0);
	}

	while (fgets(s, 32, fp) != NULL) //读取长度n要设置得长一点，要保证读到回车符，这样指针才会定位到下一行
	{
		data[sigLen] = atof(s);			//atof将字符串转换为数据
		sigLen++;
	}

	//关闭文件   
	fclose(fp);

	//一维小波变换   
	DWT1D(data, data_output, temp, Lo_D, Hi_D, sigLen, waveletBasisLen, nStep, c);

	//txt文件路径及文件名
	char *FilePath1 = "F:\\Desktop\\Result_1.txt";
	char *FilePath2 = "F:\\Desktop\\Result_2.txt";
	char *FilePath3 = "F:\\Desktop\\Result_3.txt";
	char *FilePath4 = "F:\\Desktop\\Result_4.txt";

	char* pFilePath[4] = { FilePath1, FilePath2, FilePath3, FilePath4 };	//指针数组，存放四个文件的文件路径和文件名

	for (int i = 0; i < nStep; i++)		//将各层变换的结果写入txt文件 
	{
		fp = fopen(pFilePath[i], "w");
		for (int j = 0; j < sigLen / pow(2, i); j++)			//pow(a,b)：是a的b次方
		{
			fprintf(fp, "%lf\n", c[i][j]);			//fprintf格式化输入到文件
		}
		fclose(fp);

		//将近似、细节分量分开存储
		int l = LENGTH / pow(2, i);
		for (int k = 0; k < l / 2; k++)
			a[i][k] = c[i][k];

		for (int k = l / 2; k <l; k++)
			d[i][k - l / 2] = c[i][k];
	}
}

Wavelet.h

#pragma once

#define LENGTH 2000//信号长度 

void DWT1D(double input[], double output[], double temp[], double Lo_D[],
	double Hi_D[], int sigLen, int m, int nStep, double c[8][LENGTH]);

Wavelet.cpp


#include "stdafx.h"
#include "Wavelet.h"  

#include <stdio.h>   
#include <stdlib.h>   
#include <math.h>   
/*****************************************************************
*　一维卷积函数
*
*　说明:
*  循环卷积,卷积结果的长度与输入信号的长度相同
*
*　输入参数:
*  data[],输入信号;
*  Lo_D[],Daubechies小波基低通滤波器系数;
*  Hi_D[],Daubechies小波基高通滤波器系数;
*  cov[],卷积结果;
*  n,输入信号长度;
*  m,卷积核长度.

*****************************************************************/
void Covlution(double data[], double Lo_D[], double Hi_D[], double cov[], int sigLen, int waveletBasisLen)
//					  output[]		 Lo_D[]		 Hi_D[]		 temp[]		sigLen	   m
{
	int i = 0, j = 0, k = 0;

	for (i = 0; i < sigLen; i++)			//将cov[]清零   
		cov[i] = 0;

	//****************************************************   
	//奇数行用Lo_D[]进行卷积   
	//****************************************************   
	//前m/2+1行   
	i = 0;
	for (j = 0; j < waveletBasisLen / 2; j += 2, i += 2)
	{
		for (k = waveletBasisLen / 2 - j; k < waveletBasisLen; k++)
			cov[i] += data[k - (waveletBasisLen / 2 - j)] * Lo_D[k];//k针对core[k]   

		for (k = sigLen - waveletBasisLen / 2 + j; k < sigLen; k++)
			cov[i] += data[k] * Lo_D[k - (sigLen - waveletBasisLen / 2 + j)];//k针对data[k]   
	}

	//中间的n-m行   
	for (; i <= (sigLen - waveletBasisLen) + waveletBasisLen / 2; i += 2)
	{
		for (j = 0; j < waveletBasisLen; j++)
			cov[i] += data[i - waveletBasisLen / 2 + j] * Lo_D[j];
	}

	//最后m/2-1行    
	for (j = 1; j <= waveletBasisLen / 2; j += 2, i += 2)
	{
		for (k = 0; k < j; k++)
			cov[i] += data[k] * Lo_D[waveletBasisLen - j - k];//k针对data[k]   

		for (k = 0; k < waveletBasisLen - j; k++)
			cov[i] += Lo_D[k] * data[sigLen - (waveletBasisLen - j) + k];//k针对core[k]   
	}

	//****************************************************   
	//偶数行用Hi_D[]进行卷积   
	//****************************************************   
	//前m/2+1行   
	i = 1;
	for (j = 0; j < waveletBasisLen / 2; j += 2, i += 2)
	{
		for (k = waveletBasisLen / 2 - j; k < waveletBasisLen; k++)
			cov[i] += data[k - (waveletBasisLen / 2 - j)] * Hi_D[k];//k针对core[k]   

		for (k = sigLen - waveletBasisLen / 2 + j; k < sigLen; k++)
			cov[i] += data[k] * Hi_D[k - (sigLen - waveletBasisLen / 2 + j)];//k针对data[k]   
	}

	//中间的n-m行   
	for (; i <= (sigLen - waveletBasisLen) + waveletBasisLen / 2; i += 2)
	{
		for (j = 0; j < waveletBasisLen; j++)
			cov[i] += data[i - waveletBasisLen / 2 + j] * Hi_D[j];
	}

	//最后m/2-1行   
	for (j = 1; j <= waveletBasisLen / 2; j += 2, i += 2)
	{
		for (k = 0; k < j; k++)
			cov[i] += data[k] * Hi_D[waveletBasisLen - j - k];//k针对data[k]   

		for (k = 0; k < waveletBasisLen - j; k++)
			cov[i] += Hi_D[k] * data[sigLen - (waveletBasisLen - j) + k];//k针对core[k]   
	}
}

/*****************************************************************
*   排序函数
*
*   将卷积后的结果进行排序，使尺度系数和小波系数分开
*****************************************************************/
void Sort(double data[], double sort[], int sigLen)
{
	for (int i = 0; i < sigLen; i += 2)
		sort[i / 2] = data[i];

	for (int i = 1; i < sigLen; i += 2)
		sort[sigLen / 2 + i / 2] = data[i];
}

/*****************************************************************
*　一维小波变换函数
*
*　说明:
*  一维小波变换,可进行多次分解,将每层的分解结果存入c[][]中
*
*　输入参数:
*  % input[],输入信号;
*  % output[],小波变换结果，包括尺度系数和小波系数两部分;
*  % temp[],存放中间结果;
*  % Lo_D[],Daubechies小波基低通滤波器系数;
*  % Hi_D[],Daubechies小波基高通滤波器系数;
*  % n,输入信号长度;
*  % m,Daubechies小波基紧支集长度;
*  % nStep,小波变换分解次数
*
*　李承宇, lichengyu2345@126.com
*
*  2010-08-22
*****************************************************************/
void DWT1D(double input[], double output[], double temp[], double Lo_D[],
	double Hi_D[], int sigLen, int waveletBasisLen, int nStep, double c[8][LENGTH])
{
	int i = 0, k = 0;

	for (i = 0; i < sigLen; i++)
		output[i] = input[i];						//初始化

	for (i = 0; i < nStep; i++)						//进行nStep层分解
	{
		Covlution(output, Lo_D, Hi_D, temp, sigLen, waveletBasisLen);		//卷积结果存放在temp[]中
		Sort(temp, output, sigLen); 						//使尺度系数和小波系数分开  	temp --> output

		for (k = 0; k < LENGTH / pow(2, i); k++)	//将每层的结构都存储到c[][]中
		{
			c[i][k] = output[k];
		}
		sigLen = sigLen / 2;									//每次分解后，信号长度减半
	}
}
需要说明几点
  1. 程序中的小波基高低通滤波器系数可以通过matlab的wfilters函数来求得，例如：

[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters(‘db1’)

  1. 随着小波分解的层数增加，分解得到的结果长度越短；
    例如，2000点原始信号，一层分解后，近似和细节各只有1000点；二层分解后，近似和细节各只有500点；以此类推。

  2. 本程序，将近似和细节结果都存放在了一个数组，我在画图的时候也没有分来来画，所以后面例子的前半段为近似分量，后半段为细节分量，再次说明一下。

例子
原始信号输入：

共2000点的原始信号。
在这里插入图片描述

第一层分解：

前1000点为近似分量；后1000点为细节分量。
在这里插入图片描述

第二层分解

前500点为近似分量；后500点为细节分量。
在这里插入图片描述

第三层分解

前250点为近似分量；后250点为细节分量。
在这里插入图片描述

第四层分解

前125点为近似分量；后125点为细节分量。
在这里插入图片描述

例程数据和程序下载地址

https://download.csdn.net/download/m0_37622637/11561236

参考资料

[1]小波变换c语言程序-百度文库
[2]CSDN资料下载
[3]C语言实现一维小波变换

格林阿穆隆-
关注
  • 20
    点赞
  • 踩
  • 70
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
专栏目录
基于STM32F4的小波变换移植（含小波分解与重构）
03-22
基于STM32F4平台，采用C实现了小波变换和提升小波变换，并附有详细移植说明和例程，可直接使用。
小波变换db4进行四层分解及其信号重构—matlab分析及C语言实现
Mint-V的博客
12-17 3万+
文章主要分析了matlab中小波变换相关函数wavedec和wrcoef的实际动作，进一步用C语言实现db4小波变换的四层分解及重构。最后比较了matlab的结果与C语言的结果，结果一致，实现了C语言的编写。
小波分解和小波包分解
热门推荐
西檬饭
03-04 7万+
这篇文章介绍了小波分解和小波包分解。 小波分解（wavelet transform） 小波 傅里叶变换的基本方程是sin和cos，小波变换的基本方程是小波函数(basic wavelet)，不同的小波在波形上有较大的差异，相似的小波构成一个小波族(family)。小波的具有这样的局部特性，只有在有限的区间内取值不为0. 这个特性可以很好地用于表示带有尖锐， 不连续的信号。 小波...
小波分析的c语言程序
01-14
小波分析的c语言程序,好不容易得到的，分享共用。
用c语言实现各种小波算法,小波分析算法的公式与C语言实现
weixin_29473141的博客
05-24 1913
一、小波分析算法的计算1、Mallat算法［经典算法］在小波理论中，多分辨率分析是一个重要的组成部分。多分辨率分析是一种对信号的空间分解方法，分解的最终目的是力求构造一个在频率上高度逼近L2(R)空间的正交小波基，这些频率分辨率不同的正交小波基相当于带宽各异的带通滤波器。因此，对于一个能量有限信号，可以通过多分辨率分析的方法把其中的逼近信号和细节信号分离开，然后再根据需要逐一研究。多分辨率分析的概...
c语言实现小波多级分解与重构（跟matlab效果一致）
qq_43286311的博客
01-04 1669
c语言实现小波多级分解与重构
小波分解 - C语言代码 + 例程数据
08-15
小波分解的C语言实现，可以进行多层小波分解，获取各层的近似和细节分量。 该资源与博客一同享用，效果更佳。 博客地址：https://blog.csdn.net/m0_37622637/article/details/99641052
c语言小波分解csdn,小波总结
weixin_30638387的博客
05-20 813
小波学习小波去噪方法一原理：因为噪声通常位于图像的高频部分，去除图像的高频部分，使用低频部分恢复图像。方法：对图像进行多级小波分解，舍去图像的水平细节子带，垂直细节子带，和对角线细节子带，只使用图像的近似子带去重构图像。缺点：因为舍弃了细节子带的一些信息，也容易引起图像的模糊。代码%装载原始图像信号并图示X = imread('7.png') ;subplot(2,2,1);image(mat2g...
基于STM32的DS28E01读写例程C语言实现
04-28
基于STM32的DS28E01读写例程C语言实现，经过硬件验证，注意，因为涉及到DS28E01公司的保密协议，关键算法部分请与达纳斯签署保密协议后，将照片发给作者邮箱[email protected]后获得
用C语言实现的卡尔曼滤波+小波分析结合的数字信号处理方法
03-19
用C语言实现的卡尔曼滤波+小波分析结合的数字信号处理方法
基于C语言的小波分析 基于C语言的小波分析 基于C语言的小波分析
08-28
基于C语言的小波分析 基于C语言的小波分析 基于C语言的小波分析
小波分析的C语言程序
03-12
这是一个小波分析程序，做诊断分析用 该程序为C语言编写
小波变换C语言实现
06-20
小波变换C语言实现，包括harr,db1等小波基，具体小波基可以更改代码中滤波函数即可。
DSP2407 c语言实现小波分析
05-07
DSP2407中实现的C语言DB小波分析实现小波滤波。
C语言多层一维小波分解
07-18
可实现多层小波分解，使用DB4，用于电网数据压缩。
C语言实现自有加密算法的用户信息解密例程
最新发布
03-06
C语言实现自有加密算法的用户信息解密例程 包括文件读写等操作。 包含编译后执行文件，及示例文件
小波分析c语言编程,小波分析算法的公式与C语言实现 - 全文
weixin_34898216的博客
05-18 1036
一、小波分析算法的计算1、Mallat算法［经典算法］在小波理论中，多分辨率分析是一个重要的组成部分。多分辨率分析是一种对信号的空间分解方法，分解的最终目的是力求构造一个在频率上高度逼近L2(R)空间的正交小波基，这些频率分辨率不同的正交小波基相当于带宽各异的带通滤波器。因此，对于一个能量有限信号，可以通过多分辨率分析的方法把其中的逼近信号和细节信号分离开，然后再根据需要逐一研究。多分辨率分析的概...
一维信号小波去噪算法C语言,[转载]一维小波分解与去噪重构
weixin_39695241的博客
05-23 794
对随机一维信号实现多尺度小波分解，长度M=256，层数N=3.解：一维随机信号是用nelec函数作为信号源，产生0~256范围内的信号。实现小波按层分解的函数是：[C,L]=wavedec(s,N,’wname’)，即使用给定小波‘wname’对一维信号s进行N层小波分解。实现提取一维小波细节系数的函数是:D=detcoef(C,L,N)，即由小波分解结构[C,L]提取N层细节系数。提取一维近...
一维离散小波c语言,《二维离散小波分解的C语言实现》》-毕业论文.doc
weixin_42500130的博客
05-22 315
PAGE高等教育自学考试毕业论文(设计)题 目：　二维离散小波分解的C语言实现摘 要小波变换用于图像处理是小波变换应用效果比较突出的领域之一。由于图像是二维信号，因此首先需要把小波变换由一维推广到二维。本文在一维离散Mallat算法的基础上，用C语言实现了二维图像的离散小波变换。这种二维变换是行列可分离的变换方式，即二维分解可以通过行和列依次作一维分解实现。对图像作二维离散小波分解后得到一...
小波变换提取小波脊matlab例程
05-26
以下是一个使用Matlab实现小波变换提取小波脊的例程： ```matlab % 读取信号 signal = load('signal.txt'); % 定义小波基函数和小波变换层数 wname = 'db4'; level = 5; % 进行小波变换 [c, l] = wavedec(signal, level, wname); % 提取小波脊 approximation = appcoef(c, l, wname, level); detail = detcoef(c, l, level); waveletRidge = approximation + detail; % 绘制信号和小波脊 subplot(2,1,1); plot(signal); title('信号'); subplot(2,1,2); plot(waveletRidge); title('小波脊'); ``` 其中，`signal.txt`是包含信号数据的文本文件，`wname`是小波基函数名称，`level`是小波变换层数。在代码中，我们使用`wavedec`函数进行小波变换，使用`appcoef`和`detcoef`函数分别提取近似系数和细节系数，最后将它们相加作为小波脊。最后，我们使用Matlab的绘图函数`subplot`和`plot`绘制信号和小波脊。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值