小波变换系数计算实例_小波与小波包、小波包分解与信号重构、小波包能量特征提取(Matlab 程序详解）...

1.小波与小波包区别

        工程应用中经常需要对一些非平稳信号进行分析，小波分析和小波包分析适合对非平稳信号分析，相比较小波分析，利用小波包分析可以对信号分析更加精细，小波包分析可以将时频平面划分的更为细致，对信号的高频部分的分辨率要好于小波分析，可以根据信号的特征，自适应的选择最佳小波基函数，比便更好的对信号进行分析，所以小波包分析应用更加广泛。

①小波分解

         小波变换只对信号的低频部分做进一步分解，而对高频部分也即信号的细节部分不再继续分解，所以小波变换能够很好地表征一大类以低频信息为主要成分的信号，不能很好地分解和表示包含大量细节信息(细小边缘或纹理)的信号，如非平稳机械振动信号、遥感图象、地震信号和生物医学信号等。

②小波包分解

       小波包变换既可以对低频部分信号进行分解，也可以对高频部分进行分解，而且这种分解既无冗余，也无疏漏，所以对包含大量中、高频信息的信号能够进行更好的时频局部化分析。

2.小波包——小波包树与时频图

小波包树解读：

                                       

以上即是小波包树，其中节点的命名规则是从 (1，0)开始，叫1号， (1，1)是2号………依此类推，(3，0)是7号，(3，7)是14号。 每个节点都有对应的小波包系数，这个系数决定了频率的大小，也就是说频率信息已经有了，但是时域信息在哪里呢？ 那就是 order。  这个order就是这些节点的顺序，也就是频率的顺序。

Matlab实例：

采样频率为1024Hz，采样时间是1秒，有一个信号s是由频率100和200Hz的正弦波混合的，我们用小波包来分解。

clear all  

clc

fs=1024;  %采样频率

f1=100;   %信号的第一个频率

f2=300;   %信号第二个频率

t=0:1/fs:1;

s=sin(2*pi*f1*t)+sin(2*pi*f2*t);  %生成混合信号

[tt]=wpdec(s,3,'dmey');  %小波包分解，3代表分解3层，'dmey'使用meyr小波

plot(tt)               %画小波包树图

wpviewcf(tt,1);        %画出时间频率图

主要解释：

x轴，就是1024个点，对应1秒，每个点就代表1/1024秒。

y轴，显示的数字对应于小波包树中的节点，从下面开始，顺序是 7号节点，8号，10号，9号，，，，11号节点，这个顺序是这么排列的，这是小波包自动排列的。然后，y轴是频率啊，怎么不是 100Hz和300Hz呢？我们的采样频率是1024Hz，根据采样定理，奈奎斯特采样频率是512Hz，我们分解了3层，最后一层就是 2^3=8个频率段，每个频率段的频率区间是 512/8=64Hz,看图颜色重的地方一个是在8那里，一个在13那里，8是第二段，也就是 65-128Hz之间，13是第五段，也就是257-320Hz之间。这样就说通了，正好这个原始信号只有两个频率段，一个100一个300。如果我们不是分解了3层，而是更多层，那么每个频率段包含的频率也就越窄，图上有颜色的地方也会更细，也就是说更精细了，由于原始信号的频率在整个1秒钟内都没有改变，所以有颜色的地方是一个横线。(引用：http://www.cnblogs.com/welen/articles/5667217.html )

3.小波包-----小波包分解系数

       在数值分析中，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