CSI数据处理中的小波变换、和带通滤波

---

带通滤波

参数b决定是普通滤波器还是带通滤波器

---

小波变换前先进行卡尔曼平滑滤波

---

小波变换的作用：

 

[c,l] = wavedec(y(:,i),3,'db4');

wavedec函数用于一维小波变换，对信号进行多层分解

[c,l]=wavedec(x,N,’wname’,)，c表示各层分量，包括近似系数和细节系数，l表示各层分量长度，x表示原始信号，N分解的层数，wname小波基名称。这里对信号进行三层分解

    a = wrcoef('a',c,l,'db4',3);

对wavedec分解的多层小波近似系数重构

a表示近似系数，d表示细节系数

细节系数代表它的高频部分

细节系数含义？

 

小波变换的优点：小波变换去噪可以很好的保护有用的信号尖峰和突变信号。因此小波变换适合用于暂态信号和瞬态信号的噪声去除方面，以及抑制高频噪声的干扰，有效将高频信息和高频噪声区分开来

 

需要注意的是小波分解与重构的层次数目并不是越多越好，也不是越少越好。因为越多会丢失一些细节，层次少了不能有效去除噪声。

 

比如说一个离散的信号进来[2,4,6,3,5,9],这其中由6个数，小波变换首先会将这个信号所携带的信息进行压缩，得到3个信息进行存储，那么这些信息就是用这些小波系数来表征的

 

二级和二层应该说的都是做两次小波分解的意思，至于第二层应该是第二次小波分解后的那个低频分量，假如频带为100hz,那么第一层得到的是0-50HZ频带的数据，第二层应该是0-25Hz频带的数据（每层处理后，频带会有改变）

 

单层近似系数曲线和细节系数曲线

 

选择小波变化前信号波形进行傅里叶变换，再对小波变换后的波形进行傅里叶变换，看频谱图差异可以确定是否滤除了高频噪声

选择三级小波变换

  The output vector, C, contains the wavelet decomposition. L contains the number of coefficients by level.

 

小波重构去噪去除的是低频的噪声，对高频的噪声效果几乎为0，去除高频噪声建议使用CEEDMAN

---

 

STFT：短时傅里叶变换

小波直接把傅里叶变换的基给换了——将无限长的三角函数基换成了有限长的会衰减的小波基。

做傅里叶变换只能得到一个频谱，做小波变换却可以得到一个时频谱