MATLAB STFT、K-means 聚类和小波压缩：信号处理示例

以下是用 MATLAB 进行短时傅里叶变换、聚类和小波压缩的示例代码：

% 生成一个示例信号
fs = 1000; % 采样率
t = 0:1/fs:1; % 时间轴
f1 = 50; % 信号频率 1
f2 = 150; % 信号频率 2
x = sin(2*pi*f1*t) + sin(2*pi*f2*t); % 信号

% 对信号进行短时傅里叶变换
windowLength = 256; % 窗口长度
overlapRatio = 0.5; % 重叠比例
nfft = 512; % FFT 点数
[S, F, T] = spectrogram(x, windowLength, round(overlapRatio*windowLength), nfft, fs);

% 绘制变换后的三维图像
figure;
surf(T, F, abs(S), 'edgecolor', 'none');
axis tight;
view(0, 90);
xlabel('时间（秒）');
ylabel('频率（Hz）');
title('短时傅里叶变换');

% 对高度进行 k-means 聚类
height = abs(S(:)); % 将高度展平为向量
k = 2; % 聚类簇数
[idx, ~] = kmeans(height, k);

% 将高度为 1 的三维数据进行小波压缩
waveletName = 'db4'; % 小波类型
threshold = 0.5; % 阈值
c = wavedec3(abs(S), 1, waveletName); % 对三维数据进行小波分解
c(c < threshold) = 0; % 根据阈值进行小波系数剪切
S_reconstructed = waverec3(c, size(S), waveletName); % 进行小波重构

% 绘制小波压缩后的三维图像
figure;
surf(T, F, abs(S_reconstructed), 'edgecolor', 'none');
axis tight;
view(0, 90);
xlabel('时间（秒）');
ylabel('频率（Hz）');
title('小波压缩后的三维图像');

运行以上代码，将得到信号的短时傅里叶变换三维图像，并对其高度进行了 k-means 聚类操作。然后对高度为 1 的三维数据进行小波压缩，得到小波矢量。注意，这里使用了 MATLAB 的 Signal Processing Toolbox 中的函数 spectrogram、kmeans、wavedec3 和 waverec3 来实现短时傅里叶变换、聚类和小波压缩。