基于墨西哥草帽小波函数进行连续小波变换

基于墨西哥草帽小波函数进行连续小波变换的matlab变换程序。

%  多个尺度连续小波变换的实现
clc;clear

%  下载信号
load vonkoch
vonkoch=vonkoch（1:510）;

%  尺度1-32的连续小波变换
S_Min=1;S_Max=32;

index=0;
for scale=S_Max:-1:S_Min;
    index=index+1;
    cwt_coef（index:）=Singularity_Detection（scale32*（scale）vonkoch）;
end

%  小波系数取模
cwtcoef_abs=abs（cwt_coef）;

%  显示
for index=S_Min:S_Max
    max_coef=max（cwtcoef_abs（index:））;  %  系数模最大
    min_coef=min（cwtcoef_abs（index:））;  %  系数模最小
    ext=max_coef-min_coef;               %  系数模跨度
    cwtcoef_abs（index:）=64*（cwtcoef_abs（index:）-min_coef）/ext;  %  系数大小变换
end

figure（1）

subplot（211）;
plot（vonkoch）;
xlabel（‘时间‘）
ylabel（‘幅度‘）
title（‘分形信号‘）
axis（[1 510 0 0.02]）

subplot（212）
colormap（pink（64））;
image（cwtcoef_abs）
set（gca‘YTick‘2:3:32）
set（gca‘YTickLabel‘32:-3:2）
title（‘连续小波变换时间尺度图‘）
xlabel（‘时间‘）
ylabel（‘尺度‘）

%  某个尺度的连续小波变换的M函数

%  delta 小波变换的尺度
%  N     小波函数的长度
%  s     原始信号
%  g     原始信号某个尺度下的小波变换系数

function g=Singularity_Detection（deltaNs）;

%  原始信号长度
n=length（s）;

%  构造墨西哥帽子小波函数
for index_x=1:N;
    x=index_x-（N+1）/2;
    phi_x（index_x）=（（pi^（-1/4））*（2/sqrt（3）））*（1-x.*x/（delta^2））*exp（-（x.*x）/（2*delta^2））;
end;
phi_x=phi_x/norm（phi_x）;  %  能量归一化

%  对信号做卷积
g=conv（sphi_x）;   %  卷积 这里为什么用的是卷积？小波变换不是信号和小波函数的乘积的积分吗
g=wkeep（gn）;      %  保持信号长度

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1502  2013-06-30 09:37  CWT_mexh.m

----------- ---------  ---------- -----  ----

                 1502                    1