文档介绍：小波分解函数和重构函数的应用和区别今天把有关一维小波基本函数整理了一下,也不知道在理解上是否有偏差。小波分析基本函数可分为分解和重构两类,下面以一维小波分析为例说明小波函数的应用和相关函数的区别。一维小波分解函数和系数提取函数对常用的dwt、wavedec、appcoef函数的常用格式进行举例说明。格式:[ca,cd]=dwt(X,’wname’)%单尺度一维离散小波分解[C,L]=wavedec(X,N,’wname’)%多尺度一维小波分解(多分辨分析函数)ca=appcoef(C,L,’wname’,N)%提取一维小波变换低频系数说明:(1)小波分解函数和系数提取函数的结果都是分解系数;(2)如何理解小波系数:小波系数是信号在做小波分解时所选择的小波函数空间的投影。我们知道,一个信号可以分解为傅里叶级数,即一组三角函数之和,而傅里叶变换对应于傅里叶级数的系数;同样,一个信号可以表示为一组小波基函数之和,小波变换系数就对应于这组小波基函数的系数。文档收集自网络,仅用于个人学习(3)多尺度分解是按照多分辨分析理论,分解尺度越大,分解系数的长度越小(是上一个尺度的二分之一)。我们会发现分解得到的小波低频系数的变化规律和原始信号相似,但要注意低频系数的数值和长度与原始信号以及后面重构得到的各层信号是不一样的。文档收集自网络,仅用于个人学习举例:(为直观,把运行结果放在相应程序段后面)%um;s=um(1:3920);ls=length(s);%单尺度一维离散小波分解函数dwt的应用[ca1,cd1]=dwt(s,'db1');%用小波函数db1对信号s进行单尺度分解figure(1);subplot(411);plot(s);ylabel('s');title('原始信号s及单尺度分解的低频系数ca1和高频系数cd1');subplot(423);plot(ca1);ylabel('ca1');subplot(424);plot(cd1);ylabel('cd1');(注意:figure(1)中的ca1和cd1的长度都是1960,是原始信号s长度3920的一半。)%多尺度一维小波分解函数wavedec的应用[C,L]=wavedec(s,3,'db1');%用小波函数db1对信号s进行3尺度分解figure(2);subplot(411);plot(s);title('原始信号');ylabel('s');文档收集自网络,仅用于个人学习subplot(412);plot(C);title('信号s的3尺度分解结构:尺度3的低频系数和尺度3、2、1的高频系数');(注意:wavedec所做的多尺度小波分解后的系数C的存储方式是按[caj,cdj,cdj-1,…,cd1]方式存放的,各层系数的长度在数组L中标示。figure(2)中第二行将系数C显示出来,1~490段是尺度3的低频系数ca3(长度490),491~980段是尺度3的高频系数cd3(长度是490),981~1960段是尺度2的高频系数cd2(长度是980),1961~3920段是尺度1的高频系数cd1(长度是1960)。运行后最好观察一下数组变量C和L的值。)文档收集自网络,仅用于个人学习%提取一维小波变换低频系数函数appcoef的应用ca1=appcoef(C,L,'db1',1);%从前