小波阈值去噪的基本原理
改进原理一
[1]孙万麟,王超.基于改进的软阈值小波包网络的电力信号消噪[J].海军工程大学学报,2019,31(04):79-82.
图1改进后软阈值函数
代码效果图
部分核心代码
% 测试文件clc;clear;close all%% 1.生成仿真信号N=1000;Fs=1000;%%采样频率自己设置t=((0:N-1)*1/Fs)';f1=5;f2=30;y1=5*sin(2*pi*f1*t);y2=3*sin(2*pi*f2*t);y=y1+y2;SNR=10;rng(100);sig_noise = awgn(y,SNR,'measured'); %添加噪声%% 画图ylabel('\fontname{宋体}幅值');xlabel('\fontname{Times new roman}Frequency/\it{Hz}');subplot(221);plot(y,'k');title('\fontname{宋体}原始信号');ylabel('\fontname{宋体}幅值');xlabel('采样点数/n');subplot(222);pFFT(y,Fs);title('\fontname{宋体}频谱图');ylabel('\fontname{宋体}幅值');xlabel('\fontname{Times new roman}Frequency/\it{Hz}');subplot(223);plot(sig_noise,'k');title('\fontname{宋体}原始信号');ylabel('\fontname{宋体}幅值');xlabel('采样点数/n');subplot(224);pFFT(sig_noise,Fs);title('\fontname{宋体}频谱图');ylabel('\fontname{宋体}幅值');xlabel('\fontname{Times new roman}Frequency/\it{Hz}');%% 2.小波阈值去噪%%小波基函数的选择 %%分解层数的选择 %%阈值选择规则 %%小波基函数的选择：https://www.mathworks.cn/help/wavelet/ref/wfilters.html?searchHighlight=wname&s_tid=srchtitle_wname_2#d123e130597wname='db3'; lev=4; tptr='heursure'; %'rigsure','heursure','sqtwolog','minimaxi'
下载链接：https://mbd.pub/o/bread/Z5iZmpht
或点击阅读原文获取代码
