y = RankOrderFilter(x, window, thd) 在 x 上运行 N 阶的排序过滤。 y 的大小与 x 相同。 如果 x 是一个矩阵，RankOrderFilter 沿 x 的列进行运算。 排序过滤器在围绕 x 的每个点的 N 大小窗口上计算数据的第 p 个百分位数。 p 可以是 0 到 100 之间的数字。为了避免边缘效应，通过重复第一个和最后一个样本 N/2 次来扩展 x。 当 p 等于 50 时，此函数的输出将与 MATLAB 的 MEDFILT1(x,N) 相同； 然而，RankOrderFilter 几乎总是更快，并且需要更少的内存。 当 p 接近 0（或接近 100）时，RankOrderFilter 计算信号的近似下（或上）包络。

matlab频谱分析代码 介绍 该软件包实现了基于小波的一维信号多分形分析。 实现的功能： （1D）多分辨率量的计算：小波系数，小波导数和p导数 计算结构函数，累积量和对数累积量。 多重分形谱的估计。 该软件包中的代码基于Patrice Abry，Herwig Wendt及其同事编写的基于Wavelet p-Leader和Bootstrap的多分形分析（PLBMF）。 有关多重分形分析的完整介绍，您可以访问的H. Wendt博士论文。 有关多重分形分析的简要介绍，请参见文件THEORY.ipynb 有两种安装此软件包的方法：通过使用软件包管理器仅安装软件包，这将使代码仅可用作导入，或者首先克隆存储库，然后安装软件包，使其可编辑。 仅安装软件包 pip install -U https://github.com/neurospin/pymultifracs/archive/master.zip 克隆整个存储库（包括示例） git clone https://github.com/neurospin/pymultifracs pip install -e pymultifracs 首先，请

MATLAB用压缩感知恢复一维信号

通过一维卷积对一维信号进行分类

在理解了离散小波变换的基本原理和算法的基础上，通过设计VC程序对简单的一维信号在加上了高斯白噪声之后进行Daubechies小波、Morlet小波和Haar小波变换，从而得到小波分解系数

本实验利用MATLAB2015进行编程，调用系统小波函数对信号进行分解，实现Mallat分解与重构算法对一维信号进行多层分解和重构。对信号进行多层分解可实现对信号的去噪和数据压缩处理，分解为小波函数的线性组合，阶数高的可以认为是噪声，在去噪时令阶数高的部分系数为0，数据压缩时，幅度小的部分可以舍去，认为对信号影响不大，减小了传输的数据量。利用重构算法对分解的信号进行重构恢复原来的信号，mallat分解和重构算法在信号处理中有很重要的作用。 实验中可以设置调用的系统小波函数与小波分解的层数，为不失一般性本实验设置小波函数为db10，分解层数为4层。采用模块化编程由以下6个文件构成： 源数据文件dataset.txt； 主程序mallat_main.m； 小波分解程序mallet_decompose.m； 小波合成函数mallet_compose.m； 上采样程序upsample.m； 下采样程序downsample.m。

用matlab实现的一维信号OMP仿真，有多个版本的代码，亲测有效

CNN_LeNet-5_onedimension 关于如何将CNN与一维信号一起使用

用matlab编写的一个用RLS算法对一维信号降噪代码

用matlab编写的基于LMS算法的一维信号降噪处理