Подякувати Студентському архіву довільною сумою
Admin
26.02.2023 12:38
Дякуємо, що користуєтесь нашим архівом!
Інформація про навчальний заклад
ВУЗ:
Національний університет Львівська політехніка
Інститут:
Не вказано
Факультет:
Не вказано
Кафедра:
Захист інформації
Інформація про роботу
Рік:
2024
Тип роботи:
Звіт про виконання лабораторної роботи
Предмет:
Цифрова обробка сигналів та зображень
Частина тексту файла (без зображень, графіків і формул):
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ «ЛЬВІВСЬКА ПОЛІТЕХНІКА»
ІКТА кафедра «Захист інформації»
Звіт
про виконання лабораторної роботи №3
з курсу:
«ЦИФРОВА ОБРОБКА СИГНАЛІВ ТА ЗОБРАЖЕНЬ»
«Застосування хвилькового перетворення
для обробки сигналів»
Варіант №17
Мета роботи: ознайомитися зі змістом хвилькового перетворення, основними можливостями хвилькової обробки реалізованими в програмному пакеті MatLab, отримати навики розрахунку дискретного хвилькового перетворення, декомпозиції сигналу на апроксимуючі та деталізуючі складові, хвилькове очищення сигналів від шумів.
Завдання
1. Ознайомитись з теоретичним матеріалом.
2. Скласти програму в середовищі MatLab згідно завдання.
2.1. Провести очищення сигналу від шуму з використанням хвилькового перетворення відповідно до завдання у табл. 1.
№
Тип вейвлету
Рівень
розкладу
Поріг
Тип
порогу
Масштабування
Сигнал
17.
Добеші 3-го порядку
3
rigrsure
жорсткий
Тип 1
Lab_3_1.mat
Лістинг програми в середовищі MatLab
load Lab_3_1; % Завантаження сигналу
tn = (0 : length(signal)-1); % вісь часу
w_name = 'db3'; % тип вейвлету
Lev = 3; % рівень розкладу
type = 'rigrsure'; % поріг
[Lo_D, Hi_D, Lo_R, Hi_R] = wfilters(w_name); % розрах-к фільтрів декомпозиції і реконструкції
% розрахунок АЧХ фільтрів
[h_D, f] = freqz(Lo_D, 1, 0:0.001:1, 2);
h1_D = freqz(Hi_D, 1, 0:0.001:1, 2);
[h_R, f] = freqz(Lo_R, 1, 0:0.001:1, 2);
h1_R = freqz(Hi_R, 1, 0:0.001:1, 2);
figure(1); plot(f, abs(h_D), f, abs(h1_D)); grid on; % графік АЧХ фільтрів декомпозиції
figure(2); plot(f, abs(h_R), f, abs(h1_R)); grid on; % графік АЧХ фільтрів реконструкції
[C, L] = wavedec(signal, Lev, w_name); % хвильковий розклад сигналу
cA3 = appcoef(C, L, w_name, Lev); % добування коефіцієнтів апроксимації сА3
[cD3 cD2 cD1] = detcoef(C, L, [3 2 1]); % добування коефіцієнтів деталізації сD3, cD2, cD1
% Побудова графіків коефіцієнтів розкладу
figure(3); subplot(411); plot(cA3); grid on; xlim([0 L(1)-1]); ylabel('cA3');
subplot(412); plot(cD3); grid on; xlim([0 L(2)-1]); ylabel('cD3');
subplot(413); plot(cD2); grid on; xlim([0 L(3)-1]); ylabel('cD2');
subplot(414); plot(cD1); grid on; xlim([0 L(4)-1]); ylabel('cD1');
A3 = wrcoef('a', C, L, w_name, 3); % Обчислення апроксимуючої складової А3
D3 = wrcoef('d', C, L, w_name, 3); % Обчислення деталізуючої складової D3
D2 = wrcoef('d', C, L, w_name, 2); % Обчислення деталізуючої складової D2
D1 = wrcoef('d', C, L, w_name, 1); % Обчислення деталізуючої складової D1
L_sig = length(signal); % Розмірність сигналу
% Побудова графіків сигналу та його часових складових
figure(4); subplot(511); plot(signal); grid on; xlim([0 L_sig-1]); ylabel('S(n)');
subplot(512); plot(A3); grid on; xlim([0 L_sig-1]); ylabel('A3');
subplot(513); plot(D3); grid on; xlim([0 L_sig-1]); ylabel('D3');
subplot(514); plot(D2); grid on; xlim([0 L_sig-1]); ylabel('D2');
subplot(515); plot(D1); grid on; xlim([0 L_sig-1]); ylabel('D1');
% Оцінка рівня шуму деталізуючих коефіцієнтів
for ii = 1 : Lev
stdc(ii) = wnoisest(C, L, ii);
end;
% Обчислення порогу для кожного рівня
for ii = 1 : Lev
thr(ii) = thselect(detcoef(C, L, ii)/stdc(ii), type);
thr (ii) = thr(ii) * stdc(ii);
end;
% Жорстке порогування коефіцієнтів cD1
for ii = 1 : length(cD1)
if (abs(cD1(ii)) < thr(1))
cD1(ii) = 0;
end;
end;
% Жорстке порогування коефіцієнтів cD2
for ii = 1 : length(cD2)
if (abs(cD2(ii)) < thr(2))
cD2(ii) = 0;
end;
end;
% Жорстке порогування коефіцієнтів cD3
for ii = 1 : length(cD3)
if (abs(cD3(ii)) < thr(3))
cD3(ii) = 0;
end;
end;
% Заміна первинних коефіцієнтів cD обчисленими
cD = [cD3 cD2 cD1];
C(L(1) + 1 : end) = cD;
% Побудова графіків коефіцієнтів після порогування
figure(5); subplot(411); plot(0:L(1)-1, cA3); grid on; xlim([0 L(1)-1]); ylabel('cA3');
subplot(412); plot(0:L(2)-1, cD3); grid on; xlim([0 L(2)-1]); ylabel('cD3');
subplot(413); plot(0:L(3)-1, cD2); grid on; xlim([0 L(3)-1]); ylabel('cD2');
subplot(414); plot(0:L(4)-1, cD1); grid on; xlim([0 L(4)-1]); ylabel('cD1');
% Обчислення деталізуючих складових після порогування
D3 = wrcoef('d', C, L, w_name, 3);
D2 = wrcoef('d', C, L, w_name, 2);
D1 = wrcoef('d', C, L, w_name, 1);
% Побудова графіків сигналу та його часових складових після порогування
figure(6); subplot(511); plot(tn, signal); grid on; xlim([0 L_sig-1]); ylabel('S(n)');
subplot(512); plot(tn, A3); grid on; xlim([0 L_sig-1]); ylabel('A3');
subplot(513); plot(tn, D3); grid on; xlim([0 L_sig-1]); ylabel('D3');
subplot(514); plot(tn, D2); grid on; xlim([0 L_sig-1]); ylabel('D2');
subplot(515); plot(tn, D1); grid on; xlim([0 L_sig-1]); ylabel('D1');
% Обчислення очищенного від шуму сигналу
signal _d = waverec(C, L, w_name);
% Побудова графіків сигналу до і після очищення
figure(7); subplot(211); plot(tn, signal); grid on; xlim([0 L_sig-1]); ylabel('S(n)');
subplot(212); plot(tn, signal_d); grid on; xlim([0 L_sig-1]); ylabel('Denoised S(n)');
Графічні результати роботи
Висновок: у даній лабораторній роботі я ознайомився із змістом хвильового перетворення, основними можливостями хвильової обробки сигналів у програмному пакеті MatLab, здійснив очищення сигналу від шуму, а саме: здійснив декомпозицію сигналу на апроксимуючі та деталізуючі коефіцієнти, здійснив порогову обробку деталізуючих коефіцієнтів та реконструкцію сигналу. В результаті, я отримав графік, на якому зображено сигнал із шумом та очищений від шуму сигнал
Ділись своїми роботами та отримуй миттєві бонуси!
0%
Оголошення від адміністратора