資源描述：
《調(diào)制信號(hào)識(shí)別》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、調(diào)制信號(hào)的小波分析一、小波函數(shù)簡(jiǎn)介1.Haar小波最簡(jiǎn)單的小波函數(shù)，Haar小波是離散的，與階躍信號(hào)相似，同Daubechiesdb1小波是一樣的。2.Daubechies小波Daubechies小波是緊支正則小波，便于進(jìn)行離散小波分析。這類小波沒(méi)有顯式的表達(dá)式，除了db1（Haar）。然而它的傳遞函數(shù)的模的平方是有簡(jiǎn)單的表達(dá)式的。3.Biorthogonal小波此類小波具有線性相位，用于信號(hào)和圖像重建。4.Coiflet小波這個(gè)小波族是I.Daubechies應(yīng)R.Coifman的要求所創(chuàng)建的
2、，coifN較dbN有更好的對(duì)稱性。5.Symlets小波此小波由Daubechies提出，作為對(duì)db小波族的修正，是一種近似對(duì)稱小波，它和db小波族的性質(zhì)是近似的。6.Morlet小波其尺度函數(shù)不存在，小波函數(shù)為，Morlet小波不滿足容許性條件。7.MexicanHat小波小波函數(shù)為，它是Gaussian概率密度函數(shù)的二階導(dǎo)數(shù)，由于它不存在尺度函數(shù)，因此不具有正交性。8.Meyer小波Meyer小波的尺度函數(shù)和小波函數(shù)都在頻域中定義，都具有顯式的表達(dá)式。二、連續(xù)小波變換從數(shù)學(xué)上來(lái)說(shuō)，傅里葉變
3、換就是將信號(hào)乘以一個(gè)復(fù)指數(shù)后在所有的時(shí)間域上求和。變換的結(jié)果就是傅里葉系數(shù)。相似的，連續(xù)小波變換（CWT）定義為，將信號(hào)乘以由尺度和位移確定的小波函數(shù)后，再在整個(gè)時(shí)間軸上相加。CWT的變換結(jié)果是很多小波系數(shù)C,C是尺度和位移的函數(shù)。大尺度對(duì)應(yīng)于時(shí)間上伸展大的小波，小波伸展地越大，所比較的信號(hào)段就越長(zhǎng)，所以小波系數(shù)所量度的信號(hào)特征也就越粗糙。在計(jì)算機(jī)中，任何實(shí)數(shù)域的信號(hào)處理都是對(duì)離散信號(hào)的操作，那么，CWT的連續(xù)性及它與DWT的區(qū)別表現(xiàn)在尺度的選取和對(duì)位移的操作。與離散小波變換不同的是，只要在計(jì)算
4、機(jī)的計(jì)算能力之內(nèi)，CWT可以在每一個(gè)尺度上計(jì)算；在位移上連續(xù)是指小波可以在待分析函數(shù)的整個(gè)域上進(jìn)行平滑的移動(dòng)。三、離散小波變換對(duì)于大多數(shù)信號(hào)來(lái)說(shuō)，低頻部分往往是最重要的，給出了信號(hào)的特征。而高頻部分則與噪音及擾動(dòng)聯(lián)系在一起。將信號(hào)的高頻部分去掉，信號(hào)的基本特征仍然可以保留。信號(hào)的概貌主要是系統(tǒng)大的、低頻的成分，大尺度；而細(xì)節(jié)往往是信號(hào)局部、高頻成分，小尺度。分解算法：1.產(chǎn)生兩組系數(shù)：概貌系數(shù)cA1和細(xì)節(jié)系數(shù)cD1。通過(guò)低通濾波器Lo_D卷積信號(hào)s得到cA1,通過(guò)高通濾波器Hi_D卷積s得到cD
5、1，之后進(jìn)行二抽取。每個(gè)濾波器的長(zhǎng)度是2N。如果n=length(s),那卷積后概貌信號(hào)和細(xì)節(jié)信號(hào)的長(zhǎng)度為n+2N-1,進(jìn)行二抽取之后cA1和cD1的長(zhǎng)度為floor（（n-1）/2）+N。關(guān)于matlab中cwt算法的分析cwt算法的主要程序如下：functioncoefs=cwt(signal,scales,wname,plotmode,xlim)precis=10;signal=signal(:)';輸入信號(hào)len=length(signal);coefs=zeros(length(sca
6、les),len);設(shè)置小波系數(shù)數(shù)組nbscales=length(scales);[psi_integ,xval]=intwave(wname,precis);根據(jù)不同的小波計(jì)算其積分值wtype=wavemngr('type',wname);ifwtype==5,psi_integ=conj(psi_integ);endwtype＝5說(shuō)明如果是沒(méi)有尺度函數(shù)的復(fù)小波，將小波積分值取復(fù)共軛xval=xval-xval(1);dx=xval(2);xmax=xval(end);ind=1;fork
7、=1:nbscales計(jì)算各個(gè)尺度的信號(hào)的連續(xù)小波變換值a=scales(k);j=[1+floor([0:a*xmax]/(a*dx))];設(shè)置j，對(duì)積分值psi_integ進(jìn)行采樣例a=4,（0：1：4*xmax）/4*dxiflength(j)==1,j=[11];endf=fliplr(psi_integ(j));將積分值即小波濾波器系數(shù)反轉(zhuǎn)coefs(ind,:)=-sqrt(a)*wkeep(diff(conv(signal,f)),len);將信號(hào)與小波系數(shù)f進(jìn)行卷積，再差分，截取
8、中間數(shù)值ind=ind+1;enddummyCoefs=coefs;dummyCoefs=abs(dummyCoefs);plotCOEFS(axeAct,dummyCoefs,plotPARAMS);可見(jiàn)，cwt畫(huà)出的是小波變換系數(shù)的絕對(duì)值dummyCoefs，而返回值是coefs，不是絕對(duì)值。算法理論分析：由于是與的分段積分進(jìn)行卷積，所以在程序中出現(xiàn)了一個(gè)diff運(yùn)算，對(duì)相鄰的兩個(gè)coefs值進(jìn)行相減，因此在變換圖中，在不同頻率變換處，出現(xiàn)混疊發(fā)散現(xiàn)象，難以得到準(zhǔn)確清晰的頻率分辨。四、調(diào)制信
