MATLAB小波去噪实验：不同小波基函数和阶数的对比

本文将对MATLAB代码进行详细解释并形成报告。该代码主要是对一个信号进行小波去噪的实验，使用了不同的小波基函数，并计算了去噪后的均方误差（MSE）和信噪比（SNR）。

首先，定义了一个时间序列t，共5000个点，且每个点之间的时间间隔相等。然后，定义了一个正弦信号f，其频率为0.03，即每个周期需要约33个点。接下来，生成了一个均值为0、方差为1的高斯白噪声n1，并将其加到f上得到e。这里的e包含了原始信号f和加噪声后的信号，即噪声污染的信号。

然后，定义了四个小波基函数名称，即'db2'、'sym2'、'coif2'和'bior2.2'。这些小波基函数具有不同的性质，如支持正交或非正交小波、对称性、连续性等等。接下来，使用一个双重循环，对每个小波基函数和每个小波阶数进行循环。对于每个循环，使用wavedec函数将e进行小波分解，得到小波系数C和长度L。然后，计算阈值thr，该阈值为3倍标准差（sigma）的中位数，其中sigma是小波系数C的绝对值的中位数除以0.6745。这里使用了绝对值的中位数，是为了避免小波系数中有负值而导致的误差。接下来，使用wthresh函数将小于阈值thr的小波系数设置为0，而大于等于阈值thr的小波系数保持不变，得到新的小波系数C_t。最后，使用waverec函数将新的小波系数C_t和长度L恢复重构成去噪后的信号e_t。

接下来，计算MSE和SNR。MSE表示去噪后信号和原始信号之间的均方误差，越小说明去噪效果越好；SNR表示信噪比，越大说明去噪效果越好。计算MSE和SNR的公式分别为：

MSE = immse(f, e_t);

SNR = 10*log10(var(f)/var(f-e_t));

其中，immse是MATLAB内置的函数，用于计算均方误差；var是方差函数，用于计算方差。计算完MSE和SNR后，将它们保存在mse和snr这两个矩阵中，其中行表示小波基函数，列表示小波阶数。

最后，使用subplot函数将MSE和SNR画成4个子图分别展示4个小波基函数的效果。在每个子图中，横坐标是小波阶数，纵坐标是MSE或SNR的数值。可以通过观察这些子图来比较不同小波基函数的去噪效果，以及不同小波阶数对去噪效果的影响。

总的来说，该代码实现了对一个信号进行小波去噪的过程，并使用了不同的小波基函数和小波阶数，以及计算了去噪后的MSE和SNR。这可以帮助我们选择最适合我们数据的小波基函数和小波阶数，以及评估去噪效果的好坏。