《小波分析与应用》试题.docx
《《小波分析与应用》试题.docx》由会员分享,可在线阅读,更多相关《《小波分析与应用》试题.docx(11页珍藏版)》请在冰豆网上搜索。
![《小波分析与应用》试题.docx](https://file1.bdocx.com/fileroot1/2022-10/24/bb7e443c-7977-4515-85f3-51e48df67185/bb7e443c-7977-4515-85f3-51e48df671851.gif)
《小波分析与应用》试题
《小波分析与应用》试题
学院:
信息科学与工程学院
姓名:
钱宏
学号:
20064249
1、[10’]小波变化俗称“数字显微镜”,试从尺度因子的变化对时频窗的中心和半径的影响,阐述其时频局部化功能。
尺度因子变大时,相应小波分量表现了某个子频带信号,其频率中心变高且频带变宽,时频窗呈“廋窄”的变化趋势,即时窗变窄,频窗变宽,正好适应于更高频信号时频局部化的需要。
相反,尺度因子变小时,同样相应小波分量表现了某个子频带信号,其频率中心变低且频带变窄,时频窗呈“扁平”的变化趋势,即时窗变宽,频窗变窄,正好适应于低频信号时频局部化的需要。
2、[10’]简述HHT变换的原理和简要实现过程。
HHT方法包含两个主要步骤:
1)对原始数据进行预处理,即先通过经验模态分解方法,把数据分解为满足希尔伯特变换要求的n阶本征模式函数(IMF)和残余函数rn(t)之和;2)对分解出的每一阶IMF做希尔伯特变换,得出各自的瞬时频率,做出时频图。
其中经验模态分解(EMD)方法能把非平稳、非线性信号分解成一组稳态和线性的序列集,即本征模式函数。
且每一阶的IMF应满足两个条件:
1)数据的极值点和过零点交替出现,且数目相等或最多相差一个任何点上;2)在任何点上,有局部最大值和局部最小值定义的包络的均值必须是零。
下面以时间序列X(t)介绍经验模态分解的一般过程。
首先,找出X(t)所有极大和极小值点,并用三次样条函数对极大值点和极小值点分别进行拟合得到X(t)的上下包络线;然后将原始数据序列减去上下包络线的均值m1(t),就可以得到一个去掉低频的新数据序列:
h1(t)=X(t)-m1(t),通常h1(t)不满足IMF的条件,还需对h1(t)重复上述处理过程。
经过k次筛分后将产生第1个IMF分量C1(t),即h1k(t)=h1(k-1)(t)-m1k(t),C1(t)=h1k(t)。
第1个IMF分量代表原始数据序列中最高频的成分,将原始数据序列X(t)减去第1个分量C1(t)。
可以得到一个去掉高频组分的剩余数据序列r1(t)。
对r1(t)行上述筛分处理可以得到第2个IMF分量C2(t)。
如此重复直到最后一个剩余数据序列rn(t)不可再被分解或达到预定数量的IMF分量为止。
此时,rn(t)代表原始数据序列的均值或趋势r1(t)-C2(t)=r2(t),…,rn-1(t)-Cn(t)=rn(t)。
最后,原始的数据序列即可由这些分量以及一个均值或趋势项表示:
X(t)=ΣCj(t)+rn(t)。
3、[10’]假设给定信号的频率范围为(0-4000),使用Mallat算子H和G描述提取频率范围分别为(0~250)、(1500~2000)、(3500~4000)分量的分解过程。
要利用Mallat算法提取不同频率范围的分量,首先需算出对应频率范围是在原始尺度空间经几次分解可以得到的,再通过算子H和G描述出其对应的系数数据或,而得到分量结果。
对于给定信号的频率范围为(0-4000)时,对应数据为C4,经四次分解可得到(0~250),并其处于第一个,则=HHHHC4,同理,可得到(1500~2000)频率范围对于的分解数据为=GHHC4,(3500~4000)频率范围对于的分解数据为=GGGC4。
4、[10’]在Matlab环境下,编写相关程序实现如下功能:
加载noissin信号,对其进行一维连续小波变换,分别绘制a=1.14和a=3.5时的连续小波变换系数曲线(非灰度图)。
loadnoissin;
s=noissin(1:
100);
ls=length(s);
w=cwt(s,[1.143.5],'db3');
subplot(2,1,1);
plot(w(1,:
));
xlabel('时间');
ylabel('变换尺度1.14');
subplot(2,1,2);
plot(w(2,:
));
xlabel('时间');
ylabel('变换尺度3.5')
运行结果如下所示:
5、[10’]在Matlab环境下,加载sumsin信号
(1)绘制原始信号波形曲线;
(2)使用“db4”小波进行5尺度的一维小波分解,绘制各尺度下低频部分(CAii=1~5)的系数曲线,观察其消噪效果。
(3)将CD1和CD2置零,利用第3尺度CA3、CD3、CD2、CD1进行重构,绘制重构曲线。
loadsumsin;s=sumsin(1:
1000);
subplot(5,1,1);plot(s);
ylabel('sumsin');[c,l]=wavedec(s,5,'db4');
subplot(5,2,3);ca1=appcoef(c,l,'db4',1);
plot(ca1);ylabel('ca1');
ca2=appcoef(c,l,'db4',2);
subplot(5,2,4)
plot(ca2);
ylabel('ca2');
ca3=appcoef(c,l,'db4',3);
subplot(5,2,5)
plot(ca3);
ylabel('ca3');
ca4=appcoef(c,l,'db4',4);
subplot(5,2,6)
plot(ca4);
ylabel('ca4');
ca5=appcoef(c,l,'db4',5);
subplot(5,2,7)
plot(ca5);
ylabel('ca5');
[c,l]=wavedec(s,3,'db4');
a=waverec(c,l,'db4');
subplot(5,1,5);
plot(a);
xlabel('重构信号');
运行结果如下所示:
6、[10’]在Matlab环境下,加载sumsin信号,取前2000个数据使用“db1”小波进行四层小波包分解
(1)绘制小波包树结构;
(2)绘制节点(3,0)、(4,2)、(5,0)、(5,10)的分解系数曲线;
(3)利用以上四个节点分别进行重构,绘制重构的波形曲线。
loadsumsin;
s=sumsin(1:
1000);
wpt=wpdec(s,5,'db1','shannon');
plot(wpt)
cfs30=wpcoef(wpt,[3,0]);
cfs42=wpcoef(wpt,[4,2]);
cfs50=wpcoef(wpt,[5,0]);
cfs510=wpcoef(wpt,[5,10]);
figure
(2)
subplot(411);
plot(cfs30)
title('节点[3,0]系数');
subplot(412);
plot(cfs42)
title('节点[4,2]系数');
subplot(413);
plot(cfs50)
title('节点[5,0]系数');
subplot(414);
plot(cfs510)
title('节点[5,10]系数');
figure(3)
rcfs30=wprcoef(wpt,[3,0]);
subplot(411);
plot(rcfs30)
title('节点(3,0)重构信号')
rcfs42=wprcoef(wpt,[4,2]);
subplot(412);
plot(rcfs42)
title('节点(4,2)重构信号')
rcfs50=wprcoef(wpt,[5,0]);
subplot(413);
plot(rcfs50)
title('节点(5,0)重构信号')
rcfs510=wprcoef(wpt,[5,10]);
subplot(414);
plot(rcfs510)
title('节点(5,10)重构信号')
7、[10’]假定某电压信号为,在时受故障影响叠加了衰减性扰动扰动分量,时恢复正常,试用bd3小波对该信号进行6层分解,通过模极大值方法,通过图形曲线分析确定故障的产生时间和结束时间,采样率为1000HZ。
(完整的信号可表示为:
)
t1=0:
0.001:
1;t2=1:
0.001:
2;
t3=2:
0.001:
4;t=[t1,t2,t3];
y1=380*sqrt
(2)*sin(2*pi*50*t1);y2=380*sqrt
(2)*sin(2*pi*150*t2)+20*exp((-5)*t2);
y3=380*sqrt
(2)*sin(2*pi*50*t3);
y=[y1,y2,y3];[c,l]=wavedec(y,6,'db3');
a6=wrcoef('a',c,l,'db3',6);d6=wrcoef('d',c,l,'db3',6);
d5=wrcoef('d',c,l,'db3',5);d4=wrcoef('d',c,l,'db3',4);
d3=wrcoef('d',c,l,'db3',3);d2=wrcoef('d',c,l,'db3',2);
d1=wrcoef('d',c,l,'db3',1);subplot(811);
plot(y);ylabel('原始信号');
subplot(812);plot(a6);
ylabel('概貌');xlabel('时间/ms');
subplot(813);plot(d6);
ylabel('细节d6');xlabel('时间/ms');
subplot(814);plot(d5);
ylabel('细节d5');xlabel('时间/ms');
subplot(815);plot(d4);
ylabel('细节d4');xlabel('时间/ms');
subplot(816);plot(d3);
ylabel('细节d3');xlabel('时间/ms');
subplot(817);plot(d2);
ylabel('细节d2');xlabel('时间/ms');
subplot(818);plot(d1);
ylabel('细节d1');xlabel('时间/ms');
8、[10]加载noission信号,取其前1000个数据,通过软件实现如下工作:
(1)画出原始信号波形;
(2)使用db3小波进行三层小波分解,设置阈值向量p=[85,87,97]对高频系数进行阈值处理(指令为wthcoef),然后重构,画出重构曲线;
(3)使用db3小波进行三层小波分解,对高频系数全部置零(指令为wthcoef),然后重构,画出重构曲线。
loadnoissin;
s=noissin(1:
1000);
subplot(311);
plot(s)
title('原始信号')
[c,l]=wavedec(s,3,'db3');
n=[1,2,3];%设置尺度向量
p=[85,87,97];%设置阈值向量
nc1=wthcoef('d',c,l,n,p);%对高频系数进行阈值处理
nc2=wthcoef('d',c,l,n);%对n指定尺度的高频系数全部置零
ss1=waverec(nc1,l,'db3');
ss2=waverec(nc2,l,'db3');
subplot(312)
plot(ss1);
title('消噪后信号1')
subplot(313)
plot(ss2);
title('消噪后信号2');
运行结果如下所示:
9、[20’]结合研究生阶段可能的研究方向,叙述小波变换在研究工作中的应用前景。
(要求:
参考不少于10篇文献,字数不少于3000)
小波理论是在傅立叶级数的基础