python实现小波分解与信号重构；与matlab实现小波分解与信号重构

最新推荐文章于 2023-10-25 17:58:24 发布

captain飞虎大队

最新推荐文章于 2023-10-25 17:58:24 发布

阅读量2.9k

点赞数 2

分类专栏： python matlab与32单片机串口通信

本文链接：https://blog.csdn.net/weixin_41529093/article/details/112607397

版权

python 同时被 2 个专栏收录

453 篇文章 18 订阅

订阅专栏

matlab与32单片机串口通信

77 篇文章 7 订阅

订阅专栏

该博客介绍了使用Python和MATLAB进行小波去噪及信号重构的过程。通过加载数据，应用sym8小波对信号进行8级分解，然后利用heursure阈值方法进行软阈值处理，去除高频噪声。最后，通过小波重构恢复信号，并展示原信号与去噪后的信号对比。此内容适用于信号处理和数据分析领域的学习者。

摘要由CSDN通过智能技术生成

仅作为记录，大佬请跳过。

直接上代码

所用数据参考博主另一篇文章——传送门

import numpy as np
import pywt
import matplotlib.pyplot as plt

data=np.loadtxt('L2.txt',dtype='int')

coeffs = pywt.wavedec(data, 'sym8', level=8) ;coeffs=np.array(coeffs)# 将信号进行小波分解
ca1=coeffs[0]
cd1=coeffs[8]
cd2=coeffs[7]
cd3=coeffs[6]
cd4=coeffs[5]
cd5=coeffs[4]
cd6=coeffs[3]
cd7=coeffs[2]
cd8=coeffs[1]

# Td1=thselect(cd1,'heursure');  %%heursure阈值
Td1=3.7188
Td2=3.5317
Td3=0.1206
Td4=0.2542
Td5=0.6816
Td6=0.0099
Td7=1.9913
Td8=1.0525

sa1=np.zeros(len(ca1))
sd4=pywt.threshold(cd4,Td4,'soft')
sd5=pywt.threshold(cd5,Td5,'soft')
sd6=pywt.threshold(cd6,Td6,'soft')
sd7=pywt.threshold(cd7,Td7,'soft')
sd8=pywt.threshold(cd8,Td8,'soft')
sd1=np.zeros(len(cd1));sd2=np.zeros(len(cd2));sd3=np.zeros(len(cd3))

# c2=np.concatenate((sa1,sd8,sd7,sd6,sd5,sd4,sd3,sd2,sd1),axis=0)
# c2=np.concatenate((sa1,sd8,sd7),axis=0)
c2=[sa1,sd8,sd7,sd6,sd5,sd4,sd3,sd2,sd1]
s0=pywt.waverec(c2, 'sym8')  # s0=waverec(c2,l,'sym8');

plt.figure();plt.subplot(211);plt.plot(data);plt.subplot(212);plt.plot(s0);plt.show()


print('sec3——pulse')

参考

传送门1
在这里插入图片描述
 传送门2

相应的matlab实现

a = load(file); %打开文件夹
% plot(a);title('原信号');grid on;

[c,l]=wavedec(a,8,'sym8');
ca1=appcoef(c,l,'sym8',8);
cd1=detcoef(c,l,1);  %%获取高频细节
%%   (获取高频细节-折叠)
cd2=detcoef(c,l,2);
cd3=detcoef(c,l,3);
cd4=detcoef(c,l,4);
cd5=detcoef(c,l,5);
cd6=detcoef(c,l,6);
cd7=detcoef(c,l,7);
cd8=detcoef(c,l,8);
%%   (求heursure阈值-折叠)
Td1=thselect(cd1,'heursure');  %%heursure阈值
Td2=thselect(cd2,'heursure');
Td3=thselect(cd3,'heursure');
Td4=thselect(cd4,'heursure');
Td5=thselect(cd5,'heursure');
Td6=thselect(cd6,'heursure');
Td7=thselect(cd7,'heursure');
Td8=thselect(cd8,'heursure');
%%   (1~6层heursure阈值处理-7-8层置0)
sa1=zeros(1,length(ca1));  %%近似信号a8置零去除基线漂移
% sd1=wthresh(cd1,'s',Td1);  %%1~6层heursure阈值处理
% sd2=wthresh(cd2,'s',Td2);
% sd3=wthresh(cd3,'s',Td3);
sd4=wthresh(cd4,'s',Td4);
sd5=wthresh(cd5,'s',Td5);
sd6=wthresh(cd6,'s',Td6);
sd7=wthresh(cd7,'s',Td7);
sd8=wthresh(cd8,'s',Td8);

%%7-8层置0；(0.75Hz以下)
sd1=zeros(1,length(cd1));sd2=zeros(1,length(cd2));sd3=zeros(1,length(cd3));
% sd4=zeros(1,length(cd4));
% sd5=zeros(1,length(cd5));sd6=zeros(1,length(cd6));
% sd7=zeros(1,length(cd7));
% sd8=zeros(1,length(cd8));
%%
c2=[sa1,sd8',sd7',sd6',sd5',sd4',sd3,sd2,sd1]';
s0=waverec(c2,l,'sym8');