infowave.m
上传用户:haiyisale
上传日期:2013-01-09
资源大小:3246k
文件大小:3k
源码类别:

波变换

开发平台:

Matlab

  1. function infowave
  2. %INFOWAVE Information on wavelets.
  3. %
  4. %   Wavelets
  5. %
  6. %1. Crude wavelets.
  7. %
  8. %   Wavelets: gaussian wavelets (gaus), morlet, mexican hat (mexihat).
  9. %
  10. %   Properties: only minimal properties 
  11. %      - phi does not exist.
  12. %      - the analysis is not orthogonal.
  13. %      - psi is not compactly supported.
  14. %      - the reconstruction property is not insured.
  15. %   Possible analysis: 
  16. %      - continuous decomposition.
  17. %   Main nice properties: symmetry, psi has explicit expression.
  18. %   Main difficulties: fast algorithm and reconstruction
  19. %      unavailable.
  20. %
  21. %2. Infinitely regular wavelets.
  22. %
  23. %   Wavelets: meyer (meyr).
  24. %
  25. %   Properties: 
  26. %      - phi exists and the analysis is orthogonal.
  27. %      - psi and phi are indefinitely derivable.
  28. %      - psi and phi are not compactly supported.
  29. %   Possible analysis:
  30. %      - continuous transform.
  31. %      - discrete transform but with non FIR filters.
  32. %   Main nice properties: symmetry, infinite regularity.
  33. %   Main difficulties: fast algorithm unavailable.
  34. %
  35. %   Wavelets: discrete Meyer wavelet (dmey).
  36. %
  37. %   Properties: 
  38. %      - FIR approximation of the Meyer wavelet
  39. %   Possible analysis:
  40. %      - continuous transform.
  41. %      - discrete transform.
  42. %
  43. %3. Orthogonal and compactly supported wavelets.
  44. %
  45. %   Wavelets: Daubechies (dbN), symlets (symN), coiflets (coifN).
  46. %
  47. %   General properties: 
  48. %      - phi exists and the analysis is orthogonal.
  49. %      - psi and phi are compactly supported.
  50. %      - psi has a given number of vanishing moments.
  51. %   Possible analysis:
  52. %      - continuous transform.
  53. %      - discrete transform using FWT.
  54. %   Main nice properties: support, vanishing moments, FIR filters.
  55. %   Main difficulties: poor regularity.
  56. %
  57. %   Specific properties:
  58. %      For dbN  : asymmetry 
  59. %      For symN : near symmetry
  60. %      For coifN: near symmetry and phi as psi, has also 
  61. %         vanishing moments.
  62. %
  63. %4. Biorthogonal and compactly supported wavelet pairs.
  64. %
  65. %   Wavelets: B-splines biorthogonal wavelets (biorNr.Nd and rbioNr.Nd).
  66. %
  67. %   Properties: 
  68. %      - phi functions exist and the analysis is biorthogonal.
  69. %      - psi and phi both for decomposition and reconstruction
  70. %    are compactly supported.
  71. %      - phi and psi for decomposition have vanishing moments.
  72. %      - psi and phi for reconstruction have known regularity.
  73. %   Possible analysis:
  74. %      - continuous transform.
  75. %      - discrete transform using FWT.
  76. %   Main nice properties: symmetry with FIR filters, desirable 
  77. %      properties for decomposition and reconstruction are split
  78. %      and nice allocation is possible.
  79. %   Main difficulties: orthogonality is lost.
  80. %
  81. %5. Complex wavelets.
  82. %
  83. %   Wavelets: Complex Gaussian wavelets (cgauN), complex Morlet 
  84. %       wavelets (cmorFb-Fc), complex Shannon wavelets (shanFb-Fc), 
  85. %       complex frequency B-spline wavelets (fbspM-Fb-Fc).
  86. %
  87. %   Properties: only minimal properties 
  88. %      - phi does not exist.
  89. %      - the analysis is not orthogonal.
  90. %      - psi is not compactly supported.
  91. %      - the reconstruction property is not insured.
  92. %   Possible analysis: 
  93. %      - complex continuous decomposition.
  94. %   Main nice properties: symmetry, psi has explicit expression.
  95. %   Main difficulties: fast algorithm and reconstruction unavailable.
  96. %   M. Misiti, Y. Misiti, G. Oppenheim, J.M. Poggi 12-Mar-96.
  97. %   Last Revision: 02-Jul-1999.
  98. %   Copyright 1995-2002 The MathWorks, Inc.
  99. % $Revision: 1.11 $