使用小波包变换分析信号的MATLAB程序(转)

(2006-11-20 11:44:25)

%t=0.001:0.001:1;

t=1:1000;

s1=sin(2*pi*50*t*0.001)+sin(2*pi*120*t*0.001)+rand(1,length(t));

for t=1:500;

s2(t)=sin(2*pi*50*t*0.001)+sin(2*pi*120*t*0.001)+rand(1,length(t));

end

for t=501:1000;

s2(t)=sin(2*pi*200*t*0.001)+sin(2*pi*120*t*0.001)+rand(1,length(t));

end

subplot(9,2,1)

plot(s1)

title('原始信号')

ylabel('S1')

subplot(9,2,2)

plot(s2)

title('故障信号')

ylabel('S2')

wpt=wpdec(s1,3,'db1','shannon');

%plot(wpt);

s130=wprcoef(wpt,[3,0]);

s131=wprcoef(wpt,[3,1]);

s132=wprcoef(wpt,[3,2]);

s133=wprcoef(wpt,[3,3]);

s134=wprcoef(wpt,[3,4]);

s135=wprcoef(wpt,[3,5]);

s136=wprcoef(wpt,[3,6]);

s137=wprcoef(wpt,[3,7]);

s10=norm(s130);

s11=norm(s131);

s12=norm(s132);

s13=norm(s133);

s14=norm(s134);

s15=norm(s135);

s16=norm(s136);

s17=norm(s137);

st10=std(s130);

st11=std(s131);

st12=std(s132);

st13=std(s133);

st14=std(s134);

st15=std(s135);

st16=std(s136);

st17=std(s137);

disp('正常信号的特征向量');

snorm1=[s10,s11,s12,s13,s14,s15,s16,s17]

std1=[st10,st11,st12,st13,st14,st15,st16,st17]

subplot(9,2,3);plot(s130);

ylabel('S130');

subplot(9,2,5);plot(s131);

ylabel('S131');

subplot(9,2,7);plot(s132);

ylabel('S132');

subplot(9,2,9);plot(s133);

ylabel('S133');

subplot(9,2,11);plot(s134);

ylabel('S134');

subplot(9,2,13);plot(s135);

ylabel('S135');

subplot(9,2,15);plot(s136);

ylabel('S136');

subplot(9,2,17);plot(s137);

ylabel('S137');

wpt=wpdec(s2,3,'db1','shannon');

%plot(wpt);

s230=wprcoef(wpt,[3,0]);

s231=wprcoef(wpt,[3,1]);

s232=wprcoef(wpt,[3,2]);

s233=wprcoef(wpt,[3,3]);

s234=wprcoef(wpt,[3,4]);

s235=wprcoef(wpt,[3,5]);

s236=wprcoef(wpt,[3,6]);

s237=wprcoef(wpt,[3,7]);

s20=norm(s230);

s21=norm(s231);

s22=norm(s232);

s23=norm(s233);

s24=norm(s234);

s25=norm(s235);

s26=norm(s236);

s27=norm(s237);

st20=std(s230);

st21=std(s231);

st22=std(s232);

st23=std(s233);

st24=std(s234);

st25=std(s235);

st26=std(s236);

st27=std(s237);

disp('故障信号的特征向量');

snorm2=[s20,s21,s22,s23,s24,s25,s26,s27]

std2=[st20,st21,st22,st23,st24,st25,st26,st27]

subplot(9,2,4);plot(s230);

ylabel('S230');

subplot(9,2,6);plot(s231);

ylabel('S231');

subplot(9,2,8);plot(s232);

ylabel('S232');

subplot(9,2,10);plot(s233);

ylabel('S233');

subplot(9,2,12);plot(s234);

ylabel('S234');

subplot(9,2,14);plot(s235);

ylabel('S235');

subplot(9,2,16);plot(s236);

ylabel('S236');

subplot(9,2,18);plot(s237);

ylabel('S237');

%fft

figure

y1=fft(s1,1024);

py1=y1.*conj(y1)/1024;

y2=fft(s2,1024);

py2=y2.*conj(y2)/1024;

y130=fft(s130,1024);

py130=y130.*conj(y130)/1024;

y131=fft(s131,1024);

py131=y131.*conj(y131)/1024;

y132=fft(s132,1024);

py132=y132.*conj(y132)/1024;

y133=fft(s133,1024);

py133=y133.*conj(y133)/1024;

y134=fft(s134,1024);

py134=y134.*conj(y134)/1024;

y135=fft(s135,1024);

py135=y135.*conj(y135)/1024;

y136=fft(s136,1024);

py136=y136.*conj(y136)/1024;

y137=fft(s137,1024);

py137=y137.*conj(y137)/1024;

y230=fft(s230,1024);

py230=y230.*conj(y230)/1024;

y231=fft(s231,1024);

py231=y231.*conj(y231)/1024;

y232=fft(s232,1024);

py232=y232.*conj(y232)/1024;

y233=fft(s233,1024);

py233=y233.*conj(y233)/1024;

y234=fft(s234,1024);

py234=y234.*conj(y234)/1024;

y235=fft(s235,1024);

py235=y235.*conj(y235)/1024;

y236=fft(s236,1024);

py236=y236.*conj(y236)/1024;

y237=fft(s237,1024);

py237=y237.*conj(y237)/1024;

f=1000*(0:511)/1024;

subplot(1,2,1);

plot(f,py1(1:512));

ylabel('P1');

title('原始信号的功率谱')

subplot(1,2,2);

plot(f,py2(1:512));

ylabel('P2');

title('故障信号的功率谱')

figure

subplot(4,2,1);

plot(f,py130(1:512));

ylabel('P130');

title('S130的功率谱')

subplot(4,2,2);

plot(f,py131(1:512));

ylabel('P131');

title('S131的功率谱')

subplot(4,2,3);

plot(f,py132(1:512));

ylabel('P132');

subplot(4,2,4);

plot(f,py133(1:512));

ylabel('P133');

subplot(4,2,5);

plot(f,py134(1:512));

ylabel('P134');

subplot(4,2,6);

plot(f,py135(1:512));

ylabel('P135');

subplot(4,2,7);

plot(f,py136(1:512));

ylabel('P136');

subplot(4,2,8);

plot(f,py137(1:512));

ylabel('P137');

figure

subplot(4,2,1);

plot(f,py230(1:512));

ylabel('P230');

title('S230的功率谱')

subplot(4,2,2);

plot(f,py231(1:512));

ylabel('P231');

title('S231的功率谱')

subplot(4,2,3);

plot(f,py232(1:512));

ylabel('P232');

subplot(4,2,4);

plot(f,py233(1:512));

ylabel('P233');

subplot(4,2,5);

plot(f,py234(1:512));

ylabel('P234');

subplot(4,2,6);

plot(f,py235(1:512));

ylabel('P235');

subplot(4,2,7);

plot(f,py236(1:512));

ylabel('P236');

subplot(4,2,8);

plot(f,py237(1:512));

ylabel('P237');

figure

%plottree(wpt)

分享:

喜欢

0

赠金笔

加载中,请稍候......

评论加载中,请稍候...

发评论

登录名: 密码: 找回密码 注册记住登录状态

昵   称:

评论并转载此博文

发评论

以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

使用小波包变换分析信号的matlab程序,使用小波包变换分析信号的MATLAB程序(转)...相关推荐

  1. 基于小波包的图像压缩及matlab实现,基于小波包的图像压缩及matlab实现精选.doc...

    基于小波包的图像压缩及matlab实现精选 基于小波包的图像压缩及matlab实现 摘要:小波包分析理论作为新的时频分析工具,在信号分析和处理中得到了很好的应用,它在信号处理.模式识别.图像分析.数据 ...

  2. matlab 电化学程序,基于MATLAB的电化学滴定曲线导数变换的实现

    冶金分析 ,2010 ,30(10) :1619Metallurgical Analysis ,2010 ,30(10) :16219文章编号 :1000 - 7571(2010) 10 - 0016 ...

  3. matlab有意思程序,matlab有意思的小程序

    10个C++趣味小程序,很有意思的.VIP专享文档 VIP专享文档是百度文库认... 现在很多人使用微信的时间已经非常长了,他们注册的微信号往上可能已经是5年前的事情了,正是由于不少使用者在这个过程当 ...

  4. matlab中daubechie小波,[转载]小波滤波器

    滤波器组完美重构与小波快速算法. 前面的分析可以知道Vj相当于在j分辨率的逼近,Vj-1相当于j-1分辨率的逼近,这样Wj-1相当于两个分辨率逼近的差.在高分辨率下,我们可以用f在(2^j*t)的采样 ...

  5. gabor小波matlab,用matlab实现gabor小波对图片的纹理特征提取【转】

    用matlab实现gabor小波对图片的纹理特征提取[转] (2009-04-27 14:35:41) 过程如下: (1)在matlab中,用gaborfilter.m程序实现对三种农作物(小麦.棉花 ...

  6. matlab dwt 多层分解,利用matlab对图片进行多层小波分解 会的加QQ511607771 加过作图之后积分加倍送...

    利用matlab对图片进行多层小波分解 会的加QQ511607771 加过作图之后积分加倍送 mip版  关注:96  答案:2  悬赏:0 解决时间 2021-01-23 13:02 已解决 202 ...

  7. 初识exe程序反汇编小感

    [原创]初识exe程序反汇编小感 <?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office&qu ...

  8. matlab算法(二维傅立叶级数变换)

    说明 Y = fft2(X) 使用快速傅里叶变换算法返回矩阵的二维傅里叶变换,这等同于计算 fft(fft(X).').'.如果 X 是一个多维数组,fft2 将采用高于 2 的每个维度的二维变换.输 ...

  9. MATLAB能进行拉氏变换吗,matlab拉氏反变换

    §2.3 拉氏变换和拉氏反变换的定义 ? §2.4 典型时间函数的拉氏变换 ? §2.5 拉氏变换的性质 ? §2.6 拉氏反变换的数学方法 ? §2.7 用拉氏变换解...... 实验八 拉氏正反变 ...

  10. matlab对图像进行KL变换,kl变换特征提取

    KL变换_工学_高等教育_教育专区.模式识别中经典算法KL变换的详细介绍 基于K 基于K-L变换的多类模式特征提取特征提取的目的: 对一类模式:维数压缩. 对多类模式...... (Karhunen- ...

最新文章

  1. Hibernate 查询数据库中的数据
  2. BC之CM:区块链之共识机制——深入浅出以及国内外当下主流区块链平台共识机制纵向、横向比较相关配图
  3. JMeter专题系列(二)录制脚本
  4. Java中main函数只能调用同类中的静态方法?
  5. K8s容器集群管理系统
  6. SQL SERVER 2008 数据恢复错误的解决步骤
  7. birt报表表格边框_Python 快速设置 Excel 表格边框
  8. php redius,Linux下Redius的安装与部署详解
  9. JPA学习笔记二——Hello World
  10. CouchDB 1.3.0的新特性以及算法的强化
  11. MATLAB 产生线性调频信号
  12. win10系统计算机物理地址,Win10电脑mac地址如何查看 win10系统查看mac地址的方法...
  13. macos 下 vmware fusion 安装 vmware tools
  14. 给网页添加背景图片 html+css
  15. vue关于时间顺序排序
  16. 神通数据库connect by用法
  17. python123m与n的数学运算_【Python数学面试题】面试问题:Python“… - 看准网
  18. Ubuntu20 设置桌面壁纸自动切换
  19. [USACO09MAR]向右看齐Look Up————单调栈
  20. 谐波均值滤波matlab,谐波均值滤波器.PPT

热门文章

  1. ...weights already exists, disallowed. Did you mean to set reuse=True...(解决办法)
  2. mysql架构与存储引擎
  3. 网络推广方式有哪些,网络推广哪个平台好?
  4. GDOI2018 涛涛摘苹果 [CDQ分治]
  5. 树莓派开机发ip到邮箱
  6. c语言实验3报告及答案,C语言编程实验报告3
  7. android 挖孔屏适配_使用Flexible实现手淘H5页面的终端适配
  8. CentOS7.5搭建Heartbeat+DRBD+NFS高可用共享存储
  9. 电影推荐之《指环王:双塔奇兵》 隐私策略(Privacy policy)
  10. 团队八种角色缺乏_缺乏信任会对团队造成什么影响