小波去噪c语言程序.doc

《小波去噪c语言程序.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、小波去噪c语言程序1、小波阈值去噪理论小波阈值去噪就是对信号进行分解，然后对分解后的系数进行阈值处理，最后重构得到去噪信号。该算法其主要理论依据是：小波变换具有很强的去数据相关性，它能够使信号的能量在小波域集中在一些大的小波系数中;而噪声的能量却分布于整个小波域内。因此，经小波分解后，信号的小波系数幅值要大于噪声的系数幅值。可以认为，幅值比较大的小波系数一般以信号为主，而幅值比较小的系数在很大程度上是噪声。于是，采用阈值的办法可以把信号系数保留，而使大部分噪声系数减小至零。小波阈值收缩法去噪的具体处理过程为：将含噪信号在各尺度上进行小波分解，

2、设定一个阈值，幅值低于该阈值的小波系数置为0，高于该阈值的小波系数或者完全保留，或者做相应的收缩（shrinkage）处理。最后将处理后获得的小波系数用逆小波变换进行重构，得到去噪后的信号.2、小波阈值去噪c语言程序此程序是用于信号处理分析，突出奇异值的前段处理，对信号进行小波包分解，用C语言实现的，仅供参考。#includestdio.h#includestdlib.h#includestdio.h#includestdlib.h#defineLENGTH4096//信号长度#defineDB_LENGTH8//Daubechies小波基紧

3、支集长度/*******************************************************************　一维卷积函数*　说明：循环卷积，卷积结果的长度与输入信号的长度相同*　输入参数：data［］，输入信号;core［］，卷积核;cov［］，卷积结果;*n，输入信号长度;m，卷积核长度。******************************************************************//*voidCovluTIon（doubledata［］，doublecore［］，

4、doublecov［］，intn，intm）{inTI=0;intj=0;intk=0;//将cov［］清零for（i=0;i《n;i++）{cov［i］=0;}//前m/2+1行i=0;for（j=0;j《m/2;j++，i++）{for（k=m/2-j;k《m;k++）{cov［i］+=data［k-（m/2-j）］*core［k］;//k针对core［k］}for（k=n-m/2+j;k《n;k++）{cov［i］+=data［k］*core［k-（n-m/2+j）］;//k针对data［k］}}//中间的n-m行for（i=m/2;i

5、《=（n-m）+m/2;i++）{for（j=0;j《m;j++）{cov［i］+=data［i-m/2+j］*core［j］;}}//最后m/2-1行i=（n-m）+m/2+1;for（j=1;j《m/2;j++，i++）{for（k=0;k《j;k++）{cov［i］+=data［k］*core［m-j-k］;//k针对data［k］}for（k=0;k《m-j;k++）{cov［i］+=core［k］*data［n-（m-j）+k］;//k针对core［k］}}}*///定义一个线性卷积voidCovluTIon（doubledata［

6、］，doublecore［］，doublecov［］，intn，intm）{inTI=0;intj=0;intt=0;//将cov［］清零for（j=0;j《n+m-1;j++）{cov［j］=0;}for（j=0;j《m+n-1;j++）{if（j《=m-1）//前面m行{for（i=0，t=j;t》=0;i++，t--）cov［j］+=data［i］*core［t］;}elseif（j《=n-1）//中间n-m行{for（i=j-m+1，t=m-1;t》=0;i++，t--）cov［j］+=data［i］*core［t］;}else//后

7、面m行{for（i=j-m+1，t=m-1;i《n;i++，t--）cov［j］+=data［i］*core［t］;}}}