专家如何使用 MATLAB 实现 Stockwell 变换？ 20

斯托克韦尔的**有一个程序，你自己下去。 或者留下电子邮件地址...

n=1:1000;

时域中的数据点数。

y=a;a 是 1,000 个点的数据向量。

您需要键入或粘贴。

yf=fft（y);

快速傅里叶变换。

ya=abs(yf(1:1000));

振幅 yp=angle（yf（1：1000））% 相位图（n，ya）;

情节（n，yp）;

t= % 时域点。

y= % 正弦信号。

yf = fft（y）% 快速傅里叶变换。

MAGF = ABS（YF）*2 2001% 振幅 FS = （0：2000）*400000 2001% 频率图（FS，MAGF）% 图。

您的程序存在大问题。

你要找的是正弦信号采样序列的FFT，首先是采样的整个周期，然后如果你想找到单边频谱，FFT之后，你应该乘以2 N，如果是双边频谱，除以N，FFT点数最好是2， 从而突出FFT的效率，并给出一个典型的程序供大家亲眼看看：

fs=1024;% 采样频率 n=1024; 采样点数%t=（0：n-1） fs; %采样时间序列 sf=30; %设置信号频率 hzx=cos（2*pi*f*t）; 生成信号子图（211）;

plot(t,x);

xlabel('t/s');

xf=fft(x,n)/n;

xf=fftshift(xf);双侧复合光谱 df=fs n; %频率分辨率 hz% 绘制双边振幅谱。

f=(-n/2:n/2-1)*df;%频域序列子图（212）;

plot(f,abs(xf));

xlabel('f/hz');

function [a,b,f]=fseries(f,x,n,a,b)

if nargin==3, a=-pi; b=pi; end

l=(b-a)/2;

if a+b, f=subs(f,x,x+l+a);结束变量区域交换。

a=int(f,x,-l,l)/l; b=; f=a/2;% 计算为 a0

for i=1:n

an=int(f*cos(i*pi*x/l),x,-l,l)/l;

bn=int(f*sin(i*pi*x/l),x,-l,l)/l; a=[a, an]; b=[b,bn];

f=f+an*cos(i*pi*x/l)+bn*sin(i*pi*x/l);

endif a+b, f=subs(f,x,x-l-a);end 被换回变量区域。

在MATLAB中，FFT有1D和2D，FFT获得信号的频谱，即T>>F

如清除

由罗瑶撰写。 fs=1000

t=0:1/;

f1=100;

f2=300;

x=sin(2*pi*f1*t)+sin(2*pi*f2*t);

subplot(711)

plot(x);

title('F1 （100Hz） F2 （300Hz） 正弦信号，初始相位 0')

xlabel('序列 （n）。')

grid on

资源。

只需在线进行 FFT。

y=fft(y);

如果要添加窗口，y=fft（y..）*hann(length(y)))

ts=t(2)-t(1);

fs=1/ts;

l=length(y);

f=-fs/2:fs/l:fs/2-fs/l;

plot(f,abs(fftshift(y)))

我不明白你**，不完整。

i=imread('');

i=rgb2gray(i);

ffti=fft2(i);% 二维离散傅里叶变换。

sffti=fftshift(ffti);% DC 分量移动到频谱的中心。

rr=real(sffti);% 取自傅里叶变换的实部。

ii=imag(sffti);以傅里叶变换的虚部为例。

a=sqrt(rr.^2+ii.^2);计算频谱振幅。

b=(a-min(min(a)))/(max(max(a))-min(min(a)))225;% 归一化。

pha=angle(ffti);

图（1）%设置窗口。

subplot(1,4,1),imshow(i);title('原始图像');

subplot(1,4,2),imshow(b);title('原始图像的光谱');显示原始图像的光谱。

subplot(1,4,3),imshow(log(b),)title('原始图像的光谱');显示原始图像的光谱。

subplot(1,4,4),imshow(pha);title('相位谱')

figure(2)

x=abs(ifft2(ffti));

magif=ifft2(abs(ffti));

phaif=ifft2(exp(1i*pha));

subplot(1,3,1),imshow(phaif,);title('相谱重建图像');

subplot(1,3,2),imshow(x,);title('原始图像的光谱重建')

subplot(1,3,3),imshow(magif,);title('振幅谱重建图像')

操作步骤如下：

阅读图片（将其更改为您自己的图片）。

figure(1); imshow(orgimage);

使用 fft2 转换。

fftimage = fftshift(fft2(orgimage));2d fft

ampimage= abs(fftimage);

显示**。 figure(2); imshow(ampimage, [0 10000 ])

这是 FFT2 的**，它是在频域中处理的，你不需要它。

convolution (low-pass filtering)

filter = fspecial('gaussian',[10 10], 4); gaussian kernel

filterimage = conv2(orgimage, filter); convolution

figure(3); imshow(filterimage, [0 250]);

2d fft of filtered image

fftfilterimage = fftshift(fft2(filterimage));

ampfilterimage= abs(fftfilterimage);

figure(4); imshow(ampfilterimage, [0 10000 ])

问题不是很清楚，不同的方法测量值和深度的关系，你用什么方法确定关系，相关性还是其他方法，小波是无法确定这种关系的。 如果在确定关系后分析相关性，最好使用相关性分析。