i-808190579
.pdfУдаляя или уменьшая высокочастотную составляющую (помеху) из наблюдаемого процесса, можно выделить полезный сигнал x(k) . Для полу-
чения спектра наблюдаемого случайного процесса (временного ряда), используем быстрое преобразование Фурье наблюдаемого временного ряда.
c=fft(y-mean(y)).
Фильтрация с использованием вейвлет-функции.
Одномерное дискретное вейвлет-преобразование
[sa,sd]=dwt(y,’wname’),
реализует процедуру одноуровнего дискретного разложения данных, заданных вектором y, по базису вейвлет-функций wname, а также возвращает векторы, содержащие соответственно коэффициенты аппроксимации sa и детализации sd данного разложения. В качестве базисной функции используем функцию Добеши 4-го порядка.
wname=’db4’.
Высокочастотные составляющие скрыты в коэффициентах детализации sd. Обнуляя или пересчитывая эти коэффициенты путем введения порога (жесткий и мягкий трешолдинг), можно исключить высокочастотную составляющую.
Обратное преобразование (восстановление данных) осуществляется функцией
X=idwt(sа, sd, ‘wname’);
возвращающей вектор коэффициентов аппроксимации Х для векторов sa и sd.
Удаление коэффициентов детализации sd x=idwt(sa,[ ],’wname’).
Для перехода в графический режим (GUI) в m-файле, или в командном окне набираем
wavemenu.
В открывшемся окне Wavelet Toolbox Main Menu выбираем тип вейвлет преобразования Wavelet 1-D, в появившемся окне активизируем кнопку
File→Import from Workspace→Import→Signal→Y→OK. В окне Wavelet 1-D в
окне Loaded Signal отображается временной ряд y(t) . В правой половине ос-
новного окна выберем из меню Wavelet→db и рядом порядок 4, период квантования T0 1.
Далее активизируем кнопку Analyze. В левой половине появятся графики коэффициентов sa и sd по уровням.
Переключателем Display mode режимы вывода можно изменять, детали вывода можно устанавливать в отдельном подокне (кнопка
tions).
Под кнопкой Analyze окно имеет 4 кнопки включения окон выполнения специальных операций над результатами разложения сигнала.
Окна Statistics и Histograms предназначены для анализа и графического
101
вывода статистических характеристик сигнала и всех коэффициентов его разложения. В окнах Compress и De-noise устанавливаются режимы компрессии (сжатия) сигналов и очистки сигналов от шумов.
ЗАДАНИЕ И ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ
Согласовать с преподавателем среду моделирования Mathcad или Mat-
lab.
Непрерывная модель сигнала и параметры приведены в табл. 5.1. Помеха распределена по нормальному закону с параметрами mv ,
V W .
Таблица 5.1
Параметры модели
Номер |
|
Параметры модели |
|
Детерминированная основа |
||||||||||||||
варианта |
а |
|
b |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
1 |
5 |
|
- |
|
- |
|
|
|
|
x(t) a |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
2 |
1 |
|
1 |
|
- |
|
|
x(t) a b t |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
3 |
3 |
|
- /4 |
|
1 |
x(t) a sin t b |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
4 |
4 |
|
0.04 |
|
- |
|
x(t) a aebt |
|
|
|
||||||||
|
|
|
|
|
|
|
x(t) |
|
b |
|
a |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
t |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
6·a |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
5 |
1 |
|
5 |
|
- |
|
|
|
T : |
a |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
N |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
X (t) : if a t 6 a,b,0 |
||||||||||||
|
|
|
|
|
|
|
t : ,T ... a |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
6 |
2 |
|
0.1 |
v |
0.1 W |
x(t) |
|
|
a |
|
|
|
||||||
|
|
T 1 |
|
|
|
|
|
|
|
|
|
|||||||
|
a exp( bt) |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
7 |
7 |
|
- |
|
- |
|
|
|
|
x(t) a |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
8 |
2 |
|
0.5 |
|
- |
|
|
x(t) a b t |
|
|
|
|||||||
|
|
|
|
|
|
|
||||||||||||
9 |
1 |
|
0 |
|
0.5 |
x(t) a sin t b |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||
10 |
10 |
|
0.02 |
|
|
|
x(t) a aebt |
|
|
|
1. Выберите в соответствии с вариантом W модель x(t) , и согласно
тестового примера разработайте программу расчетов.
Для T . с. осуществите переход к дискретной модели и рассчитайте дискретный временной ряд x(kT0 ) объемом N n , для n . Наблюдаемый временной ряд
102
yk xk Vk , k ,...,N .
Постройте график x(k) и y(k) . Рассчитайте статистики центрированного временного ряда Ryy (r) , S yy ( ) , постройте их графики и сформулируйте суждение о структуре модели x(k) .
2. Реализуйте сглаживание временного ряда y(k) рассмотренными
методами и постройте график x(k) и сглаженных значений ~ . yk
Рассчитайте эффективность методов по критерию (5.3).
3. Реализуйте дискретное преобразование Фурье и постройте график спектральной плотности с j . Исходя из графика выберите уровни m , m по-
роговой фильтрации так, чтобы отсечь помехи. Для отфильтрованных значе-
~
ний y(k) реализуйте обратное преобразование Фурье. Постройте график x(k) и восставленных значений временного ряда yf (k) . Меняя порог m , до-
бейтесь наилучшего качества фильтрации по критерию (5.3).
4.Пункт 3 повторите для вейвлетного преобразования.
5.Повторите задание для Vk .
6.Для среды Matlab дополнительно получить результаты в графическом режиме GUI.
Выводы по работе должны включать:
1)обоснование выбора интервала квантования T ;
2)анализ Ryy (r) и S yy ( ) ;
3)анализ эффективности методов сглаживания и выбор наиболее эффективного. Соответствие модели и метода сглаживания;
4)влияние параметров сглаживания для каждого метода на эффективность сглаживания;
5)влияние уровня помех V на эффективность сглаживания.
КОНТРОЛЬНЫЕ ВОПРОСЫ
1.Необходимость сглаживания временных рядов.
2.Что представляет собой детерминированная основа наблюдаемого временного ряда?
3.Какие методы можно применять для сглаживания временных ря-
дов?
4.Охарактеризуйте процедуру выбора модели детерминированной
основы.
5.Рекомендации по выбору начальных условий процедур сглажива-
ния.
103
6.Рекомендации по выбору параметров сглаживания.
7.От чего зависит точность прогнозирования в задачах прогнозирования временных рядов?
8.Можно ли применить МРА к сглаженным значениям временного
ряда?
ЛИТЕРАТУРА
1.Масальский, Г.Б. Математические основы кибернетики. Часть 1. Основы идентификации систем управления: учебное пособие [Электронный ресурс] / сост. Г.Б. Масальский. – Красноярск: Сиб. федер. ун-т, 2014. – 1 диск.
2.Макаров Е. Инженерные расчеты в Mathcad 15: Учебный курс. –
СПб.: Питер, 2011. – 400 с.: ил.
3.Дьяконов В.П. Matlab. Полный самоучитель. – М.: ДМК Пресс,
2012, - 768 с.: ил.
4.Образовательный математический сайт Exponenta.ru. Режим досту-
па: http://www.exponenta.ru/
104
|
|
|
|
|
|
Тестовый пример в системе Matchcad |
||||||||
1. Модель временного ряда |
|
|
|
|
|
|
||||||||
W 2 |
|
|
|
|
|
n 7 |
|
|
N 2n 128 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
v W |
|
|
|
|
V rnorm(N 0 v ) |
a 2 |
|
b 4 |
1 |
T0 0.1 |
||||
X(t) a sin( t b) |
f0 |
1 10 |
|
|
0 2 f0 |
62.832 |
|
|||||||
|
T0 |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k 0 N 1 |
x |
|
a sin( k T0 b) |
y |
k |
x |
V |
ycp mean(y) 0.161 |
||||||
|
|
|
|
k |
|
|
|
|
k |
k |
|
|
||
y0 y |
k |
ycp |
|
|
|
|
|
|
|
|
|
|
||
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
tk k |
- вектор значений аргумента для процедуры fft |
|
||||||||||||
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
xk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
yk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
100 |
|
|
|
|
|
|
50 |
|
|
|
100 |
150 |
||
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
N r 1 |
y0k y0k r |
|
|
|||
r 0 |
N |
|
|
|
|
Ryyr |
1 |
|
Ryy0 5.918 |
|||||
|
2 |
|
|
|
|
|
N r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
RY correl (y0 y0) |
RY0 |
757.497 |
|
|
Ryr N r |
RYr |
Ry0 5.918 |
|||||||
Py cfft (Ryy) |
|
Py0 1.65 |
Sy cfft (y0) |
Sy0 0 |
|
|||||||||
length(Py) 65 |
|
|
SY fft (y0) |
SY0 0 |
|
|||||||||
|
|
|
|
|
|
|
||||||||
length(Sy) 128 |
|
length(SY) 65 |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
105 |
|
|
|
|
6 |
|
|
|
|
|
15 |
|
|
|
|
|
|
|
4 |
|
|
|
|
P yr |
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
Ryyr 2 |
|
|
|
|
Syr |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ryr |
0 |
|
|
|
|
SYr |
5 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
0 |
20 |
40 |
60 |
80 |
0 |
|
|
|
|
|
|
|
|
0 |
2 |
4 |
6 |
8 |
10 |
||||||
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
||||||
|
|
|
|
r |
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. Сглаживание |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
0.3 |
|
N0 5 |
|
|
|
|
|
|
|
S expsmooth(y ) |
|
|
S1 medsmooth(y N0) |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|||||
S0 Var(x S) 0.705 |
SS1 Var(x S1) 1.308 |
|
|
|
|
|
|||||||
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
xk |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sk |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S1k |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
60 |
|
|
50 |
|
|
100 |
|
|
|
|
150 |
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
4 |
|
|
|
|
2 |
|
|
|
xk |
0 |
|
|
|
medsmooth(y 3)k 2 |
|
|
|
|
|
4 |
|
|
|
|
60 |
50 |
100 |
150 |
|
|
|
k |
|
106
3. Адаптивное сглаживание |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
yy1 |
a00 |
y0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
yy |
a0 |
y0 |
|
|
|
|
|
|
a1 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
for |
k 1 N 1 |
|
|
|
|
for |
k 1 N 1 |
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
yyk ak 1 |
|
|
|
|
|
|
yy1 |
k |
a0 |
k 1 |
a1 |
k 1 |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
(1 ) yy |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
a |
k |
y |
k |
k |
y |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
yy1 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
k |
|
|
|
a0 |
|
y |
|
|
(1 |
) |
|
|
y |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
k |
|
k |
||||||||||||||
|
|
|
yy |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 yy1 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a1 |
k |
a1 |
k 1 |
k |
y |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|||||
|
|
y1 supsmooth (t y) |
|
|
|
|
yy1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
ss Var(x yy) |
0.76 |
|
|
ss1 Var(x yy1) 2.222 |
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
ss2 Var(x y1) |
0.374 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xk |
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
yyk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y1k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
yy1 |
k |
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
100 |
|
|
|
|
|
50 |
|
|
|
|
|
100 |
|
|
|
|
|
|
|
|
|
|
|
|
150 |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Сглаживание с пос ледующей с плайн-интерполяцией |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
z cspline(t y) |
|
X(t) interp(z t y1 t) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xk |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X(t) |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
20 |
|
50 |
100 |
|
150 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
k t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
107 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4. Дискретное преобразование Фурье
C fft (y) |
j 0 N |
|
|
m2 max |
|
C |
|
19.605 |
|
m1 5 |
||||||||||
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
20 |
|
|
|
|
|
|
|
|
|
|
N |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
Cj |
15 |
|
|
|
|
|
|
i 0 |
|
|
|||||||||
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|||||
|
|
|
|
10 |
|
|
|
|
|
|
ydi if m1 |
|
|
|
m2 Ci0 |
|||||
|
|
|
|
|
|
|
|
|
||||||||||||
|
m1 |
|
|
|
|
|
Ci |
|
||||||||||||
|
|
|
|
|
|
|
||||||||||||||
5 |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
yf ifft (yd)
00 |
20 |
40 |
60 |
|
|
|
|
|
|
j |
|
|
|
|
|
|
|
|
Ss Var(x yf) 0.068 |
|
|
|
3 |
|
|
|
|
|
|
2 |
|
|
|
|
xk |
|
1 |
|
|
|
|
yfk |
|
0 |
|
|
|
|
1 |
|
|
|
|
||
|
|
|
|
|
||
|
2 |
|
|
|
|
|
|
30 |
|
50 |
100 |
150 |
|
|
|
|
|
|
k |
|
5. Вейвлетное преобразование |
|
|
|
w wave (y) |
m3 6 |
m4 |
20 |
|
|
|||
15 |
|
j 0 N 1 |
|
|
wk 10 |
|
swj if m3 wj m4 wj 0 |
||
m3 |
|
yw iwave(sw) |
|
|
5 |
|
|
||
|
|
Sw Var(x yw) |
0.232 |
00 |
50 |
100 |
150 |
|
|
|
|
k |
|
|
|
|
4 |
|
|
|
|
|
2 |
|
|
|
|
xk |
|
|
|
|
|
ywk |
0 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
40 |
|
50 |
100 |
150 |
|
|
|
|
k |
|
108
Тестовый пример в системе Matlab
clc;clear;scrsz = get(0,'ScreenSize'); |
|
n=7; |
|
N=2^n; |
% объѐм выборки |
W=2; |
% номер варианта |
% |
|
k = 1:N; |
% счѐтчик |
x = W*sin(0.05*k+pi/4); |
% детерминированная основа |
cv =W; |
% СКО помехи |
V = random('Normal', 0 , cv, 1, N); |
% реализация закона распределения по- |
мехи |
|
y = x+V; |
% Реализация временного ряда |
%% Отображение графика временного ряда
hFig = figure('MenuBar','none','NumberTitle','off','Name','Характеристики временного ряда:',...
'Units', 'pixels', 'OuterPosition', [0 0 scrsz(3) scrsz(4)]); subplot(2,1,1);
plot(k,y,k,x); grid on;
legend('Временной ряд','Детерминированная основа');
%%Построение графиков корреляционной и спектральной функций
Ryy = xcov(y,'unbiased'); C = fft(y);
r = 1:(N/2);
%Отображение графиков корреляционной функции subplot(2,2,3);
plot(r,Ryy(r)); grid on;
legend('Автокорреляционная функция Ryy(r)'); %Отображение графиков спектральной функции subplot(2,2,4);
plot(r,abs(C(r))); grid on;
legend('Спектр-Фурье fft(y) ');
%%Фильтр скользящей медианы
N0=5; |
% Ширина окна сглаживания |
|
S = medfilt1(y,N0); |
|
|
%% Экспоненциальный фильтр------------------------------------------------- |
|
|
alfa=0.3; |
|
% постоянная сглаживания (вес) |
epha = filter(alfa, [1 alfa-1], y); |
% реализация экспоненциального |
|
фильтра |
|
|
%Метод скользящего среднего-------------------------------------------------- |
|
|
----- |
|
|
oa = smooth(y,N0); |
|
|
% Графики |
скользящего среднего, экспоненциального и скользящей медианы |
|
hFig1 = figure('MenuBar','none','NumberTitle','off','Name','Графики |
||
фильтров:',... |
|
|
'Units', 'pixels', 'OuterPosition', [0 0 scrsz(3) scrsz(4)]); |
||
subplot(2,1,1); |
|
|
plot(k,S,k,epha,k,oa,k,x); |
|
grid on;
legend('Скользящей медианы','Экспоненциальный','Скользящего среднего','Детерминированная основа');
%% Дискретное преобразование Фурье----------------------------------------
m1=70; |
%Уровень отсечения высоких частот |
for i=1:N |
|
if |
m1<=abs(C(i)); |
|
109 |
yf(i)=C(i); else
yf(i)=0;
end
end yf=ifft(yf);
%%Одномерное дискретное вейвлет-преобразование-----------------------------
-----------------------
[sa,sd]= dwt(y,'db4'); yd = idwt(sa,[],'db4');
%%Отображение графика Вейвлет преобразования и преобразования Фурье
subplot (212);
plot (k,yf,k,yd,k,x); grid on;
legend('Фурье','Вейвлет','Детерминированная основа');
hFig2 = figure('MenuBar','none','NumberTitle','off','Name','Графики фильтров:',...
'Units', 'pixels', 'OuterPosition', [50 100 500 200]); %% Отображение Эффективности
axis('off');
hFig2=text(0.0,1,' Квадрат невязки:','FontSize',16); hFig2=text(0,0.8,sprintf('Скользящей медианы = %g',var(x-S)),'FontSize',16); hFig2=text(0,0.6,sprintf('Экспоненциального = %g',var(x- epha)),'FontSize',16);
hFig2=text(0,0.4,sprintf('Скользящего среднего = %g',var(x- oa')),'FontSize',16);
hFig2=text(0,0.2,sprintf('Фурье = %g',var(x-yf)),'FontSize',16); hFig2=text(0,0,sprintf('Вейвлет = %g',var(x-yd)),'FontSize',16);
110