1 简介
基于硬阈函数和软阈函数的小波去噪算法处理的信号分别存在着偏差和方差过大的缺点,为有效解决这一问题,提出基于蚁群算法优化小波变换去噪算法。并采用常用的信号用matlab对去噪效果进行了仿真。仿真结果进一步表明了蚁群算法优化小波变换去噪算法的优越性和有效性。
2 部分代码
s=load('1.txt');
fs=100000;%采样率
dt=1/fs;%采样间隔
n=length(s);
t=[0:n-1]*dt;
%=============================
%画出原始信号
subplot(3,1,1);
plot(t,s);
title('原始信号');
%=============================
%用db1小波对原始信号进行4层分解并提取系数
%用db1小波对原始信号进行3层分解并提取系数
[c,l]=wavedec(s,3,'db7');
a3=appcoef(c,l,'db7',3);
d3=detcoef(c,l,3);
d2=detcoef(c,l,2);
d1=detcoef(c,l,1);
%=============================
%用默认阈值对信号进行消噪处理并图示结果
%用ddencmp函数获得信号的默认阈值
[thr,sorh,keepapp]=ddencmp('den','wv',s);
s2=wdencmp('gbl',s,'sym4',3,thr,sorh,keepapp);
subplot(3,1,3);
plot(s2);grid;
title('用db7进行3层分解默认阈值消噪后的信号');
dlmwrite('内圈故障默认阈值去噪.txt',s2);
3 仿真结果
4 参考文献
[1]袁孟宇. 基于改进小波阈值法的动液面信号去噪研究. Diss. 东北石油大学.
[2]黄心, 吴学群, and 袁清冽. "蚁群算法在外卖配送路径规划中的应用." 价值工程 36.5(2017):3.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
