可以分享一下基于emd的小波去噪程序吗？谢谢啦。

dwt2是单一尺度DWT，只能分解一层，wavedec2是多尺度DWT，可以分解多层。在matlab中的wavedec2函数是调用dwt2函数实现的，就是将dwt2分解的一层结果再用一次dwt2分解就得到了第二层的分解结果，以此类推得到wavedec2各层的分解结果。所以对于实际问题的处理通常使用wavedec2函数，dwt2函数可以认为只是作为wavedec2函数的子函数，其应用地并不多。

使用小波"wname"对信号X进行单层分解，求得的近似系数存放在数组cA中，细节系数存放在数组cD中 [cA,cD]=dwt(X,"wname")中返回的cA，cD分别存放是信号的近似和细节 [C,L]=wavedec(X,N,"wname") 利用小波"wname"对信号X进行多层分解 A=appcoef(C,L,"wname",N) 利用小波"wname"从分解系数[C,L]中提取第N层近似系数 [C,L]=wavedec(X,1,"wname")中返回的近似和细节都存放在C中，即C=[cA,cD]，L存放是近似和各阶细节系数对应的长度 DWT2是二维单尺度小波变换，其可以通过指定小波或者分解滤波器进行二维单尺度小波分解 DWT2的一种语法格式是[cA,cH,cV,cD]=dwt2(X,"wname") WAVEDEC2是二维多尺度小波分解 WAVEDEC2的语法格式是[C,S]=wavedec2(X,N,"wname")，其中N为大于1的正整数 也就是说DWT2只能对某个输入矩阵X进行一层分解，而WAVEDEC2可以对输入矩阵X进行N层分解

dwt2是单层DWT函数，能分解一层。wavedec2是多层DWT函数，用于多层分解，其函数其实是每次调用dwt2函数实现多层分解滴，所以也可将dwt2看作wavedec2函数滴子函数。

A = imread("image.bmp");B = A(:,:,1);[lowf,highfH,highfV,highfD,C,S] = wavelet2D(double(B),"morlet",2);function[lowf,highH,highV,highD,C,S] = wavelet2D(signal,wavelet,level)[C,S]=wavedec2(signal,level,wavelet);lowf = appcoef2(C,S,wavelet,level);highH=detcoef2("h",C,S,level);highV=detcoef2("v",C,S,level);highD=detcoef2("d",C,S,level);A = wrcoef2("a",C,S,wavelet,level);Dh =wrcoef2("h",C,S,wavelet,level);Dv =wrcoef2("v",C,S,wavelet,level);Dd =wrcoef2("d",C,S,wavelet,level);subplot(2,2,1),image(A);subplot(2,2,2),imshow(Dh);subplot(2,2,3),imshow(Dv);subplot(2,2,4),imshow(Dd);

有一维和二维小波分解，MATLAB中的代码分别为wavedec和wavedec2。小波对图像进行分解时，会得到一个逼近子图像和三个不同方向（水平、垂直、对角线）的细节子图像，继续对子图像进行小波分解便得到图像的小波多尺度分解。对子图进行单支重构（wrcoef）并叠加就得到和原图像大小相同的图像了。建议你看看孙延奎写的小波方面的书籍，比较浅显易懂

运行后是什么样的错误？没看到细节不好判断，但我怀疑有可能是数据类型不匹配一类。把具体的出错信息发上来看看吧。看到了，问题应该出在矩阵维度上，wavedec2做完小波分解后会返回两个变量，一个是小波系数，另一个是相当于索引的矩阵，文档中分别以C和S表示。在使用waverec2重构的时候，输入变量也应是一样的内容。按照你的思路，应该是cn为滤波后的小波系数，那么I应该就是wavedec2的第二个返回变量，如果cn没变，则I不应该变。滤波的时候最好不要打乱小波系数的顺序，否则重新组织起来很烦的。wavedec2生成的小波系数组织方式参见后面的参考资料。其实做图像处理还可以考虑用dwt2这个函数。近似图像特别亮？如果排除滤波的影响，我觉得haar小波应该不会出现这个现象。以上。专业路过的老狼

wavedec2是二维小波分解算法，Matlab小波算法的书很多，自己找本看看吧！

clear;clcload tire ;% 用小波函数db1对信号进行2尺度分解[c,s] = wavedec2(x,2,"db1");sizex = size(x)sizec = size(c)val_s = s % 提取尺度2的所有方向的高频系数[chd2,cvd2,cdd2] = detcoef2("all",c,s,2); sizecd2 = size(chd2)% 提取尺度1的所有方向的高频系数 [chd1,cvd1,cdd1] = detcoef2("all",c,s,1); sizecd1 = size(chd1)% 提取尺度2的低频系数ca2 = appcoef2(c,s,"db1",2); sizeca2 = size(ca2)% 提取尺度1的低频系数ca1 = appcoef2(c,s,"db1",1); sizeca1 = size(ca1)nbc = size(map,1);colormap(pink(nbc));figure(1);subplot(221);image(wcodemat(x,nbc));title("原始图像");subplot(223);image(wcodemat(ca2,nbc));title("尺度2的低频系数");subplot(224);image(wcodemat(ca1,nbc));title("尺度1的低频系数");figure(2);subplot(221);image(wcodemat(chd2,nbc));title("尺度2水平方向的高频系数");subplot(222);image(wcodemat(cvd2,nbc));title("尺度2垂直方向的高频系数");subplot(223);image(wcodemat(cdd2,nbc));title("尺度2斜线方向的高频系数");subplot(224);image(wcodemat(chd1,nbc));title("尺度1水平方向的高频系数");figure(3);subplot(121);image(wcodemat(cvd1,nbc));title("尺度1垂直方向的高频系数");subplot(122);image(wcodemat(cdd1,nbc));title("尺度1斜线方向的高频系数");

彩色图像是3维矩阵，二维小波当然会出错，每一层分开处理即可下面是例子：x=imread("liftingbody.png");imshow(x);%显示原图[c,s]=wavedec2(double(x),2,"db1");%分解y=waverec2(c,s,"db1");%重构figure;imshow(uint8(y))%显示

plot(t,T);tfit=0:24;A=polyfit(t,T,2);Tfit=polyval(A,tfit);hold onplot(tfit,Tfit);polyval(A,12.5)%

"f()中的x是传地址的 "所以本过程中的x=10,在y=f(x)后，x在f()里被改变成x=20并带回。 "y=f(x)即f(x)的返回值，f()返回值是f()中的x*y即20*2=40,因为f()中f=x*y

load wbarb; % 装载原始图像 subplot(221); % 新建窗口 image(X); % 显示图像 colormap(map); % 设置色彩索引图 title("原始图像"); % 设置图像标题 axis square; % 设置显示比例,生成含噪图像并图示 init=2055615866; % 初始值 randn("seed",init); % 随机值 XX=X+8*randn(size(X)); % 添加随机噪声 subplot(222); % 新建窗口 image(XX); % 显示图像 colormap(map); % 设置色彩索引图 title("含噪图像"); % 设置图像标题 axis square; %用小波函数coif2 对图像XX 进行2 层分解 [c,l]=wavedec2(XX,2,"coif2"); % 分解 n=[1,2]; % 设置尺度向量 p=[10.28,24.08]; % 设置阈值向量,对高频小波系数进行阈值处理 %nc=wthcoef2("h",c,l,n,p,"s"); %nc=wthcoef2("v",c,l,n,p,"s"); nc=wthcoef2("d",c,l,n,p,"s"); X1=waverec2(nc,l,"coif2"); % 图像的二维小波重构 subplot(223); % 新建窗口 image(X1); % 显示图像 colormap(map); %设置色彩索引图 title("第一次消噪后的图像"); % 设置图像标题 axis square; % 设置显示比例,再次对高频小波系数进行阈值处理 %mc=wthcoef2("h",nc,l,n,p,"s");mc=wthcoef2("v",nc,l,n,p,"s"); mc=wthcoef2("d",nc,l,n,p,"s"); X2=waverec2(mc,l,"coif2"); % 图像的二维小波重构 subplot(224); % 新建窗口 image(X2); % 显示图像 colormap(map); % 设置色彩索引图 title("第二次消噪后的图像"); % 设置图像标题 axis square; % 设置显示比例这个程序改一改吧

如果只要得到小波系数，可以1D直接使用wavedec （2D使用wavedec2）函数进行分解，得到分解结果的CL组构（2D得到CS组构），然后用appcoef和detcoef（2D使用appcoef2和detcoef2）函数提取细节和逼近小波系数，你可以直接参看matlab的帮助文档，非常简单。

1.用matlab实现图像压缩时,如何将图片仿真 图像压缩是当今信息时代迫切需求的一门图像处理技术，它极大的减少了图像的数据量，为图像的存储，传输提供了方便。 小波变换，是一种广泛用于图像压缩的方法。它能让图像按不同的分辨率分析。 根据Mallat算法的思想，图像能分解成一个轮廓信号（低频子图）和水平，垂直，对角线三个方向上的细节信号（高频子图）。而轮廓信号又可以进一步分解。 而图像的主要能量部分是低频部分，而且人眼视觉系统对低频部分更为敏感，所以可以对低频部分采用较低压缩比；对高频部分采用较大压缩比来进行压缩。 本文提出的是一种结合小波变换，DCT变换和矢量量化的压缩方法。根据人眼的视觉特性，首先对图像进行小波分解，然后，对低频分量进行压缩比不大的DCT变换；对不同方向不同分辨率的高频分量进行不同码字大小的矢量量化编码，然后对反变换和解码后的系数进行小波重构。矢量量化过程中的码书设计采用的是LBG算法。 这样，根据对图像质量的不同要求，我们可以改变小波分解的层数，来得到不同压缩比的图像。本篇论文只对小波分解一层和两层后压缩进行了仿真和分析，表明该方案结合了各种压缩方法的优点，在满足图像质量的同时能得到较大的压缩比。 目前，在包装装潢设计中常用的图形处理软件有Pho-toshop,CorelDraw,AutoCAD等。但是这些软件中很少涉及到对图像进行压缩处理，以满足图像进行传输和储存的需要。 基于这一点考虑，在此尝试着用MATLAB编程来处理包装装潢图像的压缩，实现包装与计算机的紧密结合。 1 MATLAB MATLAB是MathWorks公司推出的一套高性能的数值计算和可视化软件，它集数值分析、矩阵运算、信号处理和图像显示于一体，它附带的小波分析工具箱功能强大，可以完成小波分析的绝大部分工作。 MATLAB工具箱的出现避免了程序设计中的重复性劳动，缩短了开发周期，降低了成本，因而受到工科院校师生和研究人员的青睐。 在介绍利用MATLAB小波工具压缩图像的文献中，总是将真彩色RGB图像转换为灰度级索引图像进行处理.经过这种处理以后，图像的存储数据能得到一定的压缩，但由压缩后的数据难以恢复成理想的彩色图像。 文中用MATLAB中有关函数处理图像压缩，而且由压缩后的数据可以还原出图像.实验结果表明，还原出的图像效果是理想的。文中主要以lena图像的处理为例，对它进行二进小波多层分解后，将低频和高频近似的系数矩阵作相应的处理，来研究用MATLAB中的小波工具箱压缩图像的方法。 2 图像压缩方法 在实际应用中，首先需要从图像文件中读取图像数据.MATLAB使用imreed（)函数完这一任务.例如，在电脑D盘中有一彩色图像文件picl.jps，则可由下述语句读取： X=imread（′D:picl.′）； MATLAB图像处理工具箱支持4种基本图像类型：索引图像、灰度图像、二进制图像和RGB图像.MATLAB直接从图像文件中读取的图像为RGB图像.它存储在三维数组中。这个三维数组有3个面，依次对应子红（Red）、绿（Green）、蓝（Blue）3种颜色，而面中的数据则分别是这3种颜色的强度值，面中的元素对应于图像中的像素点。 索引图像数据包括图像矩阵X与颜色图数组map，其中颜色图map是按图像中颜色值进行排序后的数组。对于每个像素，图像矩阵X包含一个值，这个值就是颜色图数组map中的索引。 颜色图map为m*3双精度矩阵，各行分别指定红、绿、蓝（R、G、B）单色值，map=〔RGB〕，R、C、B为值域为〔0,1〕的实数值，m为索引图像包含的像素个数.然后可根据情况采用不同的小波函数，进行索引图像的分解压缩。这里对上面产生的索引图像X用dbl小波进行2层分解。 〔c,l〕=wavedec2(X,2，′dbl′)。 在这里，一个索引图像作小波分解后，可得到一系列不同分辨率的子图像，不同分辨率的子图像对应的频率是不相同的.高分辨率（即高频细节）子图像上大部分点的数值接近于0，越是高频这种现象越明显.对一个图像来说，表现一个图像最主要的部分是低频（即近似）部分。 多层小波分解的所有成分系数均保存在向量c中，低频近似与高频细节的系数需从向量C中提取。MATLAB分别使用appcoet2（)和detcoef2（)函数来完成这一工作。 这种方法是对低频和高频部分进行处理，因而提取低频和高频近似系数。 cAl=appcoef2(c,1，′dbl，′1);cH1=detcoef2（′h′，c,1,1）; cDl=detcoef2（′d′，c,l,1）;cVl=detcoef2（′v′，c,l,1）。 matlab实现离散余弦变换压缩（JPEG压缩原理） JPEG图像压缩算法： 输入图像被分成8*8或16*16的小块，然后对每一小块进行二维DCT（离散余弦变换）变换，变换后的系数量化、编码并传输； JPEG文件解码量化了的DCT系数，对每一块计算二维逆DCT变换，最后把结果块拼接成一个完整的图像。在DCT变换后舍弃那些不严重影响图像重构的接近0的系数。 DCT变换的特点是变换后图像大部分能量集中在左上角，因为左上放映原图像低频部分数据，右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。 实例程序： function Jpeg I=imread("D:MATLAB7 oolboximagesimdemoscameraman.tif")； %该图片在安装matlab的目录中找，原图为灰度图象 。 2.使用MATLAB图像压缩怎么做 I = imread("cameraman.tif")； % 输入图像 I = im2double(I)； % 数据类型转换 T = dctmtx(8)； % 计算二维离散DCT矩阵 dct = @(x)T * x * T"； % 设置函数句柄 B = blkproc(I,[8 8],dct)； % 图像块处理 mask = [1 1 1 1 0 0 0 0 % 掩膜 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]; B2 = blkproc(B,[8 8],@(x)mask.* x）； % 图像块处理 invdct = @(x)T" * x * T； % 设置函数句柄 I2 = blkproc(B2,[8 8],invdct)； % 图像块处理 imshow(I), figure, imshow(I2) % 显示原始图像和压缩重构图像 3.用matlab把11张tif图片做成一个连续动画 使用如下代码方式可以达到你想要的效果。 clear; clc; for i=2:50 c=strcat("a",num2str(i)）；%这里可以根据自己图片名字儿作相应的修改 c=strcat(c,".bmp"); I=imread(c); % I=rgb2gray(I) figure(1); imshow(I); end 图片的保存方式如：a21.bmp，这样可以实现你的汽车动画。如果想要使用你的汽车图片做的话，请把汽车图片发给我，我帮你看看。

您好：I=imread("rice.png");[c,s]=wavedec2(I,2,"db1");a=appcoef2(c,s,"db1",1);%%%提取低频a=uint8(a);subplot(221)imshow(a)k=imnoise(a,"gaussian",0,0.02);%%对低频加噪声subplot(222)imshow(k)t=wrcoef2("a",c,s,"db1",2);%%由低频重构t=uint8(t);subplot(223)imshow(t)

C语言标准库当中没有这种函数，去OpenCV库当中找找有没有类似函数，如果自己实现想是相当麻烦

最后一行的括号不匹配，imshow(uint8(imgResult));xlabel ("(c)小波融合图像"); 一般出现这种错误的情况有两种：1.你的该行代码中出现了中文的分号“；”，只要把他改为英文“;”的就行。2.该行的括号不匹配，少了或多了。解决的办法就是补齐。

去掉分号就哦了

matlab没怎么学。按错误提示：应该是wdencmp函数的参数不对。你搜下这个函数怎么用，小波变换这些，网上源程序也很多的

T=wpdec(y,5,"db40");%对信号y进行小波包分解，层数为5，得到的T为小波树，plot一下就可看到a10=wprcoef(T,[1,0]);%a10是对节点[1,0]进行重构后得到的信号。貌似没有对那一层重构这一说法吧，只能是对某层的某个节点进行重构。节点的编号你可以从小波树中看出来这是我的做法，不过用的是小波包分解。不知对你有没有用

小波分解重构 V2.0 版程序存在的问题分析http://blog.csdn.net/chenyusiyuan/archive/2008/07/09/2628911.aspx 小波图像分解 Matlab 程序 - V3.0版http://blog.csdn.net/chenyusiyuan/archive/2008/07/09/2630153.aspx 小波图像重构 Matlab 程序 - V3.0版http://blog.csdn.net/chenyusiyuan/archive/2008/07/09/2630365.aspx%----------------------------------------------------------% 本文给出了小波图像分解程序的修正代码，并对一些细节问题进行了图示讨论。修正前的小波图像分解与重构程序，请看如下文章：相关的文章有：1、自己动手编写小波信号分解与重构的Matlab程序http://blog.csdn.net/chenyusiyuan/archive/2007/11/13/1881781.aspx2、用自编的程序实现小波图像分解与重构http://blog.csdn.net/chenyusiyuan/archive/2007/11/13/1881940.aspx下面是针对上述文章中存在的问题而修改的小波图像分解程序。function coef=mywavedec2(x,N,wname)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 函数 MYWAVEDEC2() 对输入矩阵 x 进行 dim 层分解，得到相应的分解系数矩阵 y% 输入参数：x —— 输入矩阵% N —— 分解级数% wname —— 分解所用的小波函数% 输出参数：coef —— 分解系数矩阵，其结构如下：% coef = {cA_N;cV_N;cH_N;cD_N;cV_N-1;cH_N-1;cD_N-1;……;cV_1;cH_1;cD_1}% Copyright by Zou Yuhua ( chenyusiyuan ), original : 2007-11-10, modified: 2008-06-04%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 求出小波函数的滤波器组系数向量[Lo_D,Hi_D] = wfilters(wname,"d");% 画出原始图像imshow(x);title("Original Image");% 标明图像大小[r,c]=size(x);xlabel(["Size : ",num2str(r),"*",num2str(c)]);% 将矩阵x的数据格式转换为适合数值处理的double格式xd=double(x); coef=[];for i=1:N [cA,cV,cH,cD]=mydwt2(xd,Lo_D,Hi_D); % 第 i 级小波分解 xd=cA; % 将第 i 级分解得到的低频系数矩阵作为第 i+1 级分解的源矩阵 outmp={cV;cH;cD}; % 将第 i 级分解得到的高频系数矩阵cV,cH,cD存入细胞矩阵 outmp % 注意细胞矩阵的赋值是用大括号“{}”的，而普通矩阵赋值是用方括号“[]” % 细胞矩阵不要求其中的子矩阵的行列数都相同 coef=[outmp;coef]; % 将细胞矩阵 outmp 存入输出矩阵 coef，coef将由空矩阵变为细胞矩阵 % 注意这里的方括号不能用大括号取代 % 否则，使用大括号会将初始的coef空矩阵也作为细胞矩阵的子矩阵 % 而且，在迭代中 coef 将是一个不断嵌套的细胞矩阵，不便于后续处理和读取 % 上面这个语句是一种有效的在迭代过程中保存数据的方法 % 设待存数据为 data，可以是单个数、向量或矩阵 % 保存数据的矩阵为 mat，初始为空矩阵：mat=[] % 则可按以下格式保存迭代过程产生的数据 % mat=[mat;data]; % 方括号内的分号“;”表示数据 data 是按“列”排序的方式存入矩阵 mat % mat=[mat,data]; % 方括号内的逗号“,”表示数据 data 是按“行”排序的方式存入矩阵 mat % data 也可以在 mat 前嵌入，即 mat=[data;mat] 或 mat=[data,mat]end% 迭代结束后，矩阵 coef 中保存的是各级分解中的高频系数矩阵% 故需将迭代后得到的矩阵 cA，即第 dim 级低频矩阵存入矩阵 coefcoef=[cA;coef];% 最后，小波系数矩阵 coef 的结构如下% coef = {cA_N;cV_N;cH_N;cD_N;cV_N-1;cH_N-1;cD_N-1;……;cV_1;cH_1;cD_1} % 画出各级低频、高频系数矩阵% 首先建立一个名为“Wavelet Decomposition -- Wavelet Type: , Levels: ”的图像窗口figure("Name",["Wavelet Decomposition -- Wavelet Type: ",wname," , Levels: ",num2str(N)]);% 图像的第1行显示低频系数，置中，左右两个subplot为空subplot(N+1,3,2);yt=uint8(coef{1});[yrow,ycol]=size(yt);imshow(yt);title( ["Approximation A",num2str(N)]);xlabel(["Size : ",num2str(yrow),"*",num2str(ycol)]);% 第2-(N+1)行显示各级高频系数titllist={["Vertical Detail V"];["Horizontal Detail H"];["Diagonal Detail D"]};pn=2; % pn 是子图的显示序号for pr=1:N for pc=1:3 subplot(N+1,3,pn+2); yt=[]; % 为了使高频细节内容（轮廓、边缘）更清晰，将高频系数增加100灰度值 yt=uint8(coef{pn})+100; [yrow,ycol]=size(yt); imshow(yt);title([ titllist{pc},num2str(N-pr+1)]); xlabel(["Size : ",num2str(yrow),"*",num2str(ycol)]); % 每行的第一个图像的Y轴，显示该行高频系数对应的分解级别 if mod(pn+2,3)==1 ylabel(["Level ",num2str(N-pr+1)]); end pn=pn+1; endendfunction [cA,cV,cH,cD]=mydwt2(x,Lo_D,Hi_D)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 函数 MYDWT2() 对输入的r*c维矩阵 x 进行二维小波分解，输出四个分解系数子矩阵[LL,HL,LH,HH]% 输入参数：x —— 输入矩阵，为r*c维矩阵。% Lo_D,Hi_D —— 小波分解的滤波器组系数向量% 输出参数：cA,cV,cH,cD —— 是小波分解系数矩阵的四个相等大小的子矩阵% cA：低频部分分解系数； cV：垂直方向分解系数；% cH：水平方向分解系数； cD：对角线方向分解系数。% Copyright by Zou Yuhua ( chenyusiyuan ), original : 2007-11-10, modified: 2008-06-04%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% [row,col]=size(x); % 读取输入矩阵的大小for j=1:row % 首先对输入矩阵的每一行序列进行一维离散小波分解 tmp1=x(j,:); [ca1,cd1]=mydwt(tmp1,Lo_D,Hi_D,1); % tmp1 长度为 row ，滤波器长度为 lnf ，则 [ca1,cd1] 的总长为 ( row + lnf -1 ) x1(j,:)=[ca1,cd1]; % 将分解系数序列存入缓存矩阵 x1 中end [row1,col1]=size(x1); % row1=row + lnf -1, col1=col+lnf-1for k=1:col1 % 再对缓存矩阵 x1 的每一列序列进行一维离散小波分解 tmp2=x1(:,k); [ca2,cd2]=mydwt(tmp2,Lo_D,Hi_D,1); x2(:,k)=[ca2,cd2]" ; % 将分解所得系数存入缓存矩阵 x2 中 % 注意不要遗漏了上一行代码中的转置符号“ "”。 Matlab 6.5 及以下较低的版本不支 % 持行、列向量的相互赋值，故要把行向量[ca2,cd2]转置为列向量，再存入 x2 的相应列end[row2,col2]=size(x2);cA=x2(1:row2/2,1:col2/2); % cA是矩阵x2的左上角部分cV=x2(1:row2/2,col2/2+1:col2); % cV是矩阵x2的右上角部分cH=x2(row2/2+1:row2,1:col2/2); % cH是矩阵x2的左下角部分cD=x2(row2/2+1:row2,col2/2+1:col2); % cD是矩阵x2的右下角部分function [cA,cD] = mydwt(x,lpd,hpd,dim)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 函数 [cA,cD]=MYDWT(X,LPD,HPD,DIM) 对输入序列x进行一维离散小波分解，输出分解序列[cA,cD]% 输入参数：x——输入序列；% lpd——低通滤波器；% hpd——高通滤波器；% dim——小波分解层数。% 输出参数：cA——平均部分的小波分解系数；% cD——细节部分的小波分解系数。% Copyright by Zou Yuhua ( chenyusiyuan ), original : 2007-11-10%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%cA=x; % 初始化cA，cDcD=[];for i=1:dim cvl=conv(cA,lpd); % 低通滤波，为了提高运行速度，调用MATLAB提供的卷积函数conv()dnl=downspl(cvl); % 通过下抽样求出平均部分的分解系数cvh=conv(cA,hpd); % 高通滤波 dnh=downspl(cvh); % 通过下抽样求出本层分解后的细节部分系数 cA=dnl; % 下抽样后的平均部分系数进入下一层分解 cD=[cD,dnh]; % 将本层分解所得的细节部分系数存入序列cDendfunction y=downspl(x)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 函数 Y=DOWMSPL(X) 对输入序列进行下抽样，输出序列 Y。% 下抽样是对输入序列取其偶数位，舍弃奇数位。例如 x=[x1,x2,x3,x4,x5]，则 y=[x2,x4].% Copyright by Zou Yuhua ( chenyusiyuan ), original : 2007-11-10%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%N=length(x); % 读取输入序列长度M=floor(N/2); % 输出序列的长度是输入序列长度的一半（带小数时取整数部分）i=1:M;y(i)=x(2*i); —— 图示讨论1、小波分解的行、列变换过程（使用Haar小波）% 行变换代码[row,col]=size(x); % 读取输入矩阵的大小for j=1:row % 首先对输入矩阵的每一行序列进行一维离散小波分解 tmp1=x(j,:); [ca1,cd1]=mydwt(tmp1,Lo_D,Hi_D,1); % tmp1 长度为 row ，滤波器长度为 lnf ，则 [ca1,cd1] 的总长为 ( row + lnf -1 ) x1(j,:)=[ca1,cd1]; % 将分解系数序列存入缓存矩阵 x1 中end 行变换的结果图示： 可见，行变换将图像矩阵分为左右两部分，左边是平均系数，右边是细节系数，并且由图可见细节系数是垂直性的，属于 vertical detail。% 列变换代码[row1,col1]=size(x1); % row1=row + lnf -1, col1=col+lnf-1for k=1:col1 % 再对缓存矩阵 x1 的每一列序列进行一维离散小波分解 tmp2=x1(:,k); [ca2,cd2]=mydwt(tmp2,Lo_D,Hi_D,1); x2(:,k)=[ca2,cd2]"; % 将分解所得系数存入缓存矩阵 x2 中end 列变换的结果图示： 列变换后,所得矩阵就是一级小波变换的结果，可分为4部分：左上角的平均系数 cA、右上角的垂直细节系数 cV、左下角的水平细节系数 cH、右下角的对角线细节系数 cD。则 mydwt2 的输出序列是 [cA,cV,cH,cD]。不过，我不大理解的是，一般教材和Matlab的说明文档都是把系数序列按这样的次序列出的：[cA,cH,cV,cD] ，即先水平后垂直，在显示时，水平细节在右上角，垂直细节在左下角。2、小波分解的结果（1）Haar 小波，2级分解（2）Bior3.7 小波，2级分解

首先应明白连续或不连续多指数学的概念而已，应用中的信号都是离散的，只是你的采样足够高就可认为是连续的，所以小波变换中关心的是点数问题，而不关心信号是否连续。对于CWT或DWT其连续与否不是指分析信号，而是你说的a或b的问题，但你仍可以借鉴上面对于信号连续的理解。CWT中a是连续的，b其实就是点数，也可认为是连续的。最早的DWT是没有mallat算法的，那时a是以2的幂次方变化离散，b却是连续变化的，即二进小波变换。这种变换很鸡肋，还不如直接做CWT。DWT的应用之所以远远多于CWT就是引入了mallat算法，好处是终于可以分解和重构信号了，这种方式对信号特征的研究非常有利。DWT的核心思想其实就是CWT引出的伸缩和平移的概念，a以2的幂次方变化实现了小波的伸缩，b通过下抽样实现了小波的平移。从实际应用中进行小波变换的目的和效果来看，cwt中2/4/8/16/32的小波系数结果应该对应DWT中的阶次（层数）1/2/3/4/5的小波细节系数（或更准确的是重构后的小波细节，因为cwt的系数个数是不变的等于原信号长度，但DWT细节系数是每层近似减半的，重构后才会等长，b也是姑且认为是减半的不连续吧）。再追问吧，第二问题可能更多，我尽量精简。哎，干嘛要把问题写在一起，这就是麻烦啊，你必须追问我才能再写！

你好呀，我对Matlab的混合编程也很感兴趣，我们可以交流一下，不过你的代码不全呀，MyFunctionCacu类具体是如何构造的

供参考： lev=5; [c,l]=wavedec(x,lev,wname); sigma=wnoisest(c,l,1); alpha=2; thr1=wbmpen(c,l,sigma,alpha) [thr2,nkeep]=wdcbm(c,l,alpha) xd1=wdencmp("gbl",c,l,wname,lev,thr1,"s",1); [xd2,cxd,lxd,perf0,perfl2]=wdencmp("lvd",c,l,wname,lev,thr2,"h"); [thr,sorh,keepapp]=ddencmp("den","wv",x) xd3=wdencmp("gbl",c,l,wname,lev,thr,"s",1); subplot(411);plot(x);title("原始信号","fontsize",12); subplot(412);plot(xd1);title("使用penalty阈值降噪后信号","fontsize",12); subplot(413);plot(xd2);title("使用Birge-Massart阈值降噪后信号","fontsize",12); subplot(414);plot(xd3);title("使用缺省阈值降噪后信号","fontsize",12);s=[-1.58 0.42 0.46 0.78 -0.49 0.59 -1.3 -1.42 -0.16 -1.47 -1.35 0.36 -0.44 -0.14 1 -0.5 -0.2 -0.06 -0.6 0.42 -1.52 0.51 0.76 -1.5 0.16 -1.29 -0.65 -1.48 0.6 -1.65 -0.55]; [C,L]=wavedec(s,1,"db3"); ca1=wrcoef("a",C,L,"db3",1); x1=ca1 ;[C,L]=wavedec(s,2,"db3"); ca2=wrcoef("a",C,L,"db3",2); x2=ca2 ;[C,L]=wavedec(s,3,"db3"); ca3=wrcoef("a",C,L,"db3",3); x3=ca3 ;[C,L]=wavedec(s,4,"db3"); ca4=wrcoef("a",C,L,"db3",4); x4=ca4 ;cg = wrcoef("a",C,L,"sym5",1); x5=cg;p=1:31; subplot(6,1,1);plot(p,s);ylabel("s"); subplot(6,1,2);plot(p,x1);ylabel("ca1"); subplot(6,1,3);plot(p,x2);ylabel("ca2"); subplot(6,1,4);plot(p,x3);ylabel("ca3"); subplot(6,1,5);plot(p,x4);ylabel("ca4") subplot(6,1,6);plot(p,x5);ylabel("ca5") %加入的重构，是不是你要的？

离散小波变换变换采用普通二进小波变换系数都是减少一半的，没有见到哪个教材变换后，每一层的系数都是不变的。wavemenu小波工具箱进行变换在离散小波变换时，每一层的系数也是减少一半的，你看到是每一层变换后的小波系数重构的结果，其元素个数是和原数据大小相等的，其原因是重构过程进行了插值。除非采用离散平稳小波变换（SWT），那样变换后每一层的系数才是不变的。顺便说一句，小波变换的系数通常对分析信号没有意义，有时还是虚数，连图都成不了，只有通过重构（小波逆变换）才能变成有实际意义的结果。

l和1弄混了，改过来就好，如gb1

Press the "Start" button to see a demonstration of denoising tools in the Wavelet Toolbox. This demo uses Wavelet Toolbox functions. % Set signal to noise ratio and set rand seed. sqrt_snr = 3; init = 2055615866; % Generate original signal and a noisy version adding % a standard Gaussian white noise. [xref,x] = wnoise(3,11,sqrt_snr,init); % Denoise noisy signal using soft heuristic SURE thresholding % and scaled noise option, on detail coefficients obtained % from the decomposition of x, at level 5 by sym8 wavelet. % Generate original signal and a noisy version adding % a standard Gaussian white noise. lev = 5; xd = wden(x,"heursure","s","one",lev,"sym8"); % Denoise noisy signal using soft SURE thresholding. xd = wden(x,"rigrsure","s","one",lev,"sym8"); % Denoise noisy signal using fixed form threshold with % a single level estimation of noise standard deviation. xd = wden(x,"sqtwolog","s","sln",lev,"sym8"); % Denoise noisy signal using fixed minimax threshold with % a multiple level estimation of noise standard deviation. xd = wden(x,"minimaxi","s","sln",lev,"sym8"); % If many trials are necessary, it is better to perform % decomposition one time and threshold it many times : % decomposition. [c,l] = wavedec(x,lev,"sym8"); % threshold the decomposition structure [c,l]. xd = wden(c,l,"minimaxi","s","sln",lev,"sym8"); % Load electrical signal and select a part. load leleccum; indx = 2600:3100; x = leleccum(indx); % Use wdencmp for signal de-noising. % find default values (see ddencmp). [thr,sorh,keepapp] = ddencmp("den","wv",x); % denoise signal using global thresholding option. xd = wdencmp("gbl",x,"db3",2,thr,sorh,keepapp); % Some trial examples without commands counterpart. % Rand initialization: init = 2055615866; % Square root of signal to noise ratio: sqrt_snr = 5; % [xref,x] = wnoise(1,11,sqrt_snr,init); % Some trial examples without commands counterpart (more). % Rand initialization: init = 2055615866; % Square root of signal to noise ratio: sqrt_snr = 4; % [xref,x] = wnoise(2,11,sqrt_snr,init); % Some trial examples without commands counterpart (more). % Rand initialization: init = 2055615866; % Square root of signal to noise ratio: sqrt_snr = 3; % [xref,x] = wnoise(3,11,sqrt_snr,init); % Some trial examples without commands counterpart (more). % Rand initialization: init = 2055615866; % Square root of signal to noise ratio: sqrt_snr = 3; % [xref,x] = wnoise(3,11,sqrt_snr,init); % Some trial examples without commands counterpart (more). % Rand initialization: init = 2055615866; % Square root of signal to noise ratio: sqrt_snr = 3; % [xref,x] = wnoise(3,11,sqrt_snr,init); % Some trial examples without commands counterpart (more). % Rand initialization: init = 2055615866; % Square root of signal to noise ratio: sqrt_snr = 3; % [xref,x] = wnoise(3,11,sqrt_snr,init);

用MATLAB对一语音信号进行小波分解，然后对其各层系数进行处理以达到小波抑制的目的，重构处理后的信号，画出波形分析。%装载原始信号load sumsin;s=sumsin;%==============================%设置小波名并利用coif3小波进行4层分解w="coif3";maxlev=4;[c,l]=wavedec(s,maxlev,w);newc=c;%==============================%将分解后的第三、四层细节系数值为0newc=wthcoef("d",c,l,[3,4]);%==============================%在原始信号的时间区间[400，600]内将第一层细节系数值为0%并且将其他系数进行衰减，求出第一层系数起始点和终止点的%索引值k=maxlev+1;first=sum(l(1:k-1))+1;last=first+l(k-1);indd1=first:last;%==============================%将系数除以3，进行信号衰减newc(indd1)=c(indd1)/3;%==============================%在区间[400，600]上求出第一层系数索引indd1=(first+400/2):(first+600/2);%==============================%将该索引值置为0newc(indd1)=zeros(size(indd1));%==============================%将第二层中相应于原始信号t=500的时间点处的系数置为4k=maxlev;first=sum(l(1:k-1))+1;newc(first+500/2^2)=4;%==============================%综合修改后的分解结构synth=waverec(newc,l,w);%==============================%用图示出上述修改结果subplot(2,2,1);plot(s);title("原始信号");subplot(2,2,2);plot(c);title("coif3小波分解后的系数");subplot(2,2,3);plot(synth);title("小波抑制后的信号");subplot(2,2,4);plot(newc);title("修改后的小波分解系数");转自 http://captainandboat.spaces.live.com/blog/cns!9A3607F7808D2D0D!168.entry2. 用MATLAB实现对一特定信号用不同小波进行分解，提取各层的高低频系数，画出各系数波形，并重构。代码:t=0:1:100*pi;s=sin(3*t)+sin(0.3t)+sin(0.03t);subplot(6,2,1);plot(s);title("原始信号s");%====================================%对s进行小波分解：db3 5层[c,l]=wavedec(s,5,"db3");%====================================%提取小波分解的低频系数a5=appcoef(c,l,"db3",5);a4=appcoef(c,l,"db3",4);a3=appcoef(c,l,"db3",3);a2=appcoef(c,l,"db3",2);a1=appcoef(c,l,"db3",1);%====================================%提取小波分解的各层高频系数d5=detcoef(c,l,5);d4=detcoef(c,l,4);d3=detcoef(c,l,3);d2=detcoef(c,l,2);d1=detcoef(c,l,1); %====================================%绘出各系数的图形subplot(6,2,3);plot(a5);Ylabel("a5");subplot(6,2,5);plot(a4);Ylabel("a4");subplot(6,2,7);plot(a3);Ylabel("a3");subplot(6,2,9);plot(a2);Ylabel("a2");subplot(6,2,11);plot(a1);Ylabel("a1");subplot(6,2,4);plot(d5);Ylabel("d5");subplot(6,2,6);plot(d4);Ylabel("d4");subplot(6,2,6);plot(d3);Ylabel("d3");subplot(6,2,8);plot(d2);Ylabel("d2");%====================================%重构信号ss1=waverec(c,l,"db1");subplot(5,2,9);plot(s1);Ylabel("s1");%====================================%下面用小波‘coif3"重复上述过程[c,l]=wavedec(s,3,"coif3");a3=appcoef(c,l,"coif3",3);d3=detcoef(c,l,3);d2=detcoef(c,l,2);d1=detcoef(c,l,1);subplot(5,2,2);plot(a3);Ylabel("a3");subplot(5,2,4);plot(d3);Ylabel("d3");subplot(5,2,6);plot(d2);Ylabel("d2");subplot(5,2,8);plot(d1);Ylabel("d1");s2=waverec(c,l,"coif3");subplot(5,2,10);plot(s2);Ylabel("s2");

没细看，不过最明显的错误是wavedec函数是做DWT的，而Morlet小波是不具有有限冲激响应滤波器和尺度方程的小波，它是没法做DWT的，它只能做CWT或是用它的复数形式CMorlet小波做CCWT，所以是wavedec函数不能使用"morl"小波基的问题，换其它7种能做DWT的小波基试试吧！另外，你那语句是做3层分解的，不是4层。

相关工具包没有安装,我的就没啥事可以得到以下WAVEDEC Multi-level 1-D wavelet decomposition. WAVEDEC performs a multilevel 1-D wavelet analysis using either a specific wavelet "wname" or a specific set of wavelet decomposition filters (see WFILTERS). [C,L] = WAVEDEC(X,N,"wname") returns the wavelet decomposition of the signal X at level N, using "wname". N must be a strictly positive integer (see WMAXLEV). The output decomposition structure contains the wavelet decomposition vector C and the bookkeeping vector L. For [C,L] = WAVEDEC(X,N,Lo_D,Hi_D), Lo_D is the decomposition low-pass filter and Hi_D is the decomposition high-pass filter. The structure is organized as: C = [app. coef.(N)|det. coef.(N)|... |det. coef.(1)] L(1) = length of app. coef.(N) L(i) = length of det. coef.(N-i+2) for i = 2,...,N+1 L(N+2) = length(X). See also dwt, waveinfo, waverec, wfilters, wmaxlev. Reference page in Help browser doc wavedec你可以重装的全的或者下个小波的工具包set path设置下路径就行了

以下是一个基于小波变换的 MATLAB 图像增强代码示例：% 读入原始图像I = imread("lena.png");% 将图像转换为灰度图像if size(I, 3) == 3I = rgb2gray(I);end% 对图像进行小波变换[C, S] = wavedec2(I, 2, "db4");% 提取小波系数H = wrcoef2("h", C, S, "db4", 1);V = wrcoef2("v", C, S, "db4", 1);D = wrcoef2("d", C, S, "db4", 1);% 将水平、垂直、对角小波系数合并W = cat(3, H, V, D);% 对小波系数进行增强for i = 1:3W(:, :, i) = adapthisteq(W(:, :, i), "NumTiles", [8 8], "ClipLimit", 0.005);end% 将增强后的小波系数合并I_enhanced = waverec2(W, S, "db4");% 显示原始图像和增强后的图像subplot(1, 2, 1); imshow(I); title("原始图像");subplot(1, 2, 2); imshow(I_enhanced); title("增强后的图像");这段代码读入一个图像，将其转换为灰度图像，进行小波变换，并提取出水平、垂直和对角小波系数。然后，对这些小波系数进行直方图均衡化增强，并将增强后的小波系数合并。最后，使用小波反变换将增强后的小波系数合成为增强后的图像，并将原始图像和增强后的图像显示在同一窗口中。注意，这只是一个基本示例，可以根据需要进行修改和调整。

【原始代码】[c, s] = wavedec(x, lev, wname);【修改为】[c, s] = wavedec2(x, lev, wname);【原因】你用1维小波还是2维小波？因为是图片，所以应该用2维。就这么简单。qihongshao@163.com免费解答。

生活中需要对一些图像进行处理，比如压缩，去噪，图像增强，图像锐化与钝化，图像融合，图像的分解等，以便对于图像的成分，边缘等细节信息有更加深刻的认识，小波分析由于其固有的时频特性，既可以对图像进行时域分析，也可以对图像进行频率分析，这使得小波分析在图像处理中得到了广泛的应用，本节对其中一些图像处理功能及函数进行讲解：wavedec2函数用于对图像进行二维小波分解，其函数调用格式如下：[c,l]=wavedec2(X,n,"wname");其中,X表示原始图像，n表示分解层数，wname表示小波函数，c表示各层系数，l表示各层系数对应的长度ddencmp用于得到全局阀值，其调用格式如下：[thr,sorh,keepapp]=ddencmp(‘cmp","wp",X);[thr,sorh,keepapp]=ddencmp(‘cmp","wv",X);其中cmp表示压缩，wp表示小波包，wv表示小波，X表示原始信号，thr表示阀值，sorh表示阀值类型，s表示软阀值，h表示硬阀值,keepapp=1表示保持近似系数不变wdencmp用于对数据或图像进行阀值去噪或压缩，其调用格式如下：[xcomp,c1,l1,perf0,perfl2]=wdencmp(‘gbl",c,l,"wname",n,thr,sorh,keepapp);glb表示利用全局阀值，perf0表示恢复比，perfl2表示压缩比示例：利用二维小波对图像进行压缩编写对应的m文件如下： clc; load woman; subplot(1,2,1) imshow(X,map); title("原始图像"); [c,l]=wavedec2(X,3,"sym4");%%获取全局阀值%% [thr,sorh,keepapp]=ddencmp("cmp","wp",X); [xcmp,c1,l1,perf0,perfl2]=wdencmp("gbl",c,l,"sym4",3,thr,sorh,keepapp); subplot(1,2,2) imshow(xcmp,map); title("压缩后图片");程序运行结果如下图：小波变换用与图像去噪，噪声会影响图像处理的输入，采集，处理的各个环节及输出结果等全过程，因此对于图像的噪声处理是一个不可忽略的重要的问题，去噪已经成为图像处理中不可或缺的一部分示例：对图像进行二维小波去噪编写对应的m文件如下： load julia;%%产生噪声信号%% init=3718025452; rand("seed",init); xnoise=X+8*rand(size(X)); colormap(map); subplot(1,3,1) imshow(X,map); title("原始信号") subplot(1,3,2) imshow(xnoise,map); title("含有噪声的信号");%%获取全局阀值%% [thr,sorh,keepapp]=ddencmp("den","wp",xnoise); [xden,c1,l1]=wdencmp("gbl",xnoise,"sym4",3,thr,sorh,keepapp); subplot(1,3,3) imshow(xden,map); title("去除噪声后信号");程序运行结果如下图：小波分析用于图像增强，图像增强是对图像进行一定处理，使图像比原图更加清晰，视觉效果更好。示例：利用小波分析对图像进行增强编写对应的m文件如下： clc; load facets; subplot(1,2,1) imshow(X,map); title("原始信号"); [c,l]=wavedec2(X,3,"sym4"); sizec=size(c); fori=1:sizec(2) if(c(i)>250) c(i)=2*c(i); else c(i)=0.5*c(i); end end y=waverec2(c,l,"sym4"); subplot(1,2,2) imshow(y,map); title("增强图像");程序运行结果如下图：图像钝化图像的钝化可以在时域中，也可以在频域中，在时域中处理较为简单，只需要加一个平滑滤波器，使图像中每个点与其邻点做平滑处理即可，在此主要说明图像钝化在频域中的处理。图像钝化是为了突出低频信息，弱化高频信息。示例：对图像进行频域钝化处理，编写对应的m文件如下： load chess; subplot(1,2,1) imshow(X,map); title("原始图像"); [c,l]=wavedec2(X,3,"db4"); sizec=size(c); fori=1:sizec(2) if(c(i)>280) c(i)=c(i)*2; else c(i)=c(i)*0.5; end end y=waverec2(c,l,"db4"); subplot(1,2,2) imshow(y,map); title("采用小波方法钝化图像");程序运行结果如下图：图像锐化，与图像钝化刚好相反，是为了突出高频信息，弱化低频信息，从快速变化的成分中分离出系统边界成分，以便进一步识别或者分割等操作。示例：对图像进行锐化处理编写对应的m文件如下： load chess; subplot(1,2,1) imshow(X,map); title("原始图像"); [c,l]=wavedec2(X,3,"db5"); sizec=size(c);%%突出高频信息，弱化低频信息%% fori=1:sizec(2) if(abs(c(i))<280) c(i)=c(i)*2; else c(i)=c(i)*0.5; end end y=waverec2(c,l,"db5"); subplot(1,2,2) imshow(y,map); title("采用小波方法锐化图像");程序运行结果如下图：小波分析用于图像融合图像融合是将同一图像的两个部分或者不同图像合成一张图，以便合成之后的图形比原来更容易理解。示例：利用二维小波变换将两幅图像融合在一起编写对应的m文件如下： clear all; load bust; X1=X; map1=map; load woman; X2=X; map2=map; subplot(1,3,1) imshow(X1,map1); title("第一幅图像"); subplot(1,3,2) imshow(X2,map2); title("第二幅图像");%%对第二幅图形低频部分和高频部分进行处理%% fori=1:256 forj=1:256 if(X2(i,j)>120) X2(i,j)=X2(i,j)*2; else X2(i,j)=X2(i,j)*0.5; end end end [c1,l1]=wavedec2(X1,3,"sym4"); [c2,l2]=wavedec2(X2,3,"sym4");%%对图像进行融合%% c=c1+c2;%%减少图像的亮度%% c=c*0.5; y=waverec2(c,l1,"sym4"); subplot(1,3,3) imshow(y,map2); title("融合后图像");程序运行结果如下图：小波分析用于图像分解对图像分解的目地在于可以更好的观察图像的细节，对图像做出更好的判断,swt2函数用于对图像进行分解，其调用格式如下：[sa,sh,sv,sd]=swt2(X,N,"wname");其中sa，sh,sv,sd分别表示近似系数，水平系数，竖直系数，对角系数，x分解图像，N分解的层数，wname表示小波基名称示例：对图像进行分解编写对应的m文件如下： clear all; load woman; [sa,sh,sv,sd]=swt2(X,3,"db3"); s=1; fori=1:3 subplot(3,4,s) image(wcodemat(sa(:,:,i),192)); title(["第",num2str(i),"层近似系数"]); subplot(3,4,s+1) image(wcodemat(sh(:,:,i),192)); title(["第",num2str(i),"层水平系数"]); subplot(3,4,s+2) image(wcodemat(sv(:,:,i),192)); title(["第",num2str(i),"层竖直系数"]); subplot(3,4,s+3) image(wcodemat(sd(:,:,i),192)); title(["第",num2str(i),"层对角系数"]); s=s+4; end程序运行结果如下图：

根据噪音的特征，有两种主要的滤噪信号处理技术：频率域和时空域(time-space domain methods)。如果噪音和有效信号在频率域上具有不同的区域，那么通常使用频率域滤噪方法，比如低通滤波、带通滤波等等。另外一种，如果噪音分布在整个频率域范围内，那么通过常规的选择频率带宽的方法就不能有效的过滤噪音，instead，一种基于噪音统计特征的状态空间方法被使用，这种在时间域上的过滤设计的例子有：Wiener filter, Kalman filter, Savitzky-Golay filter等等。[c,l]=wavedec(s,3,"db1");[thr,sorh,keepapp]=ddencmp("den","wv",s);s2=wdencmp("gbl",c,l,"db1",3,thr,sorh,keepapp);%默认阈值去噪 db1，是yi，不是L；gbl，是L，不是yi[c,l]=wavedec(s,3,"db1");ca3=appcoef(c,l,"db1",3);cd3=detcoef(c,l,3);cd2=detcoef(c,l,2);cd1=detcoef(c,l,1);cdd3=zeros(1,length(cd3));cdd2=zeros(1,length(cd2));cdd1=zeros(1,length(cd1));c1=[ca3 cdd3 cdd2 cdd1];s1=waverec(c1,l,"db1");

技巧一、用电子烟吐普通的烟圈 1、不完全吸入烟。让烟停在你的咽喉处,而不仅仅是在嘴里。这需要适应一下,可能会引起咳嗽。 2、将你的舌头向喉咙方向卷曲。闭上嘴,卷起舌头,使舌头在嘴里尽量靠近底部,这样可以方便.技巧二、 用电子烟吐烟圈,增加烟圈的旋转和速度 1、当你掌握了基本技术后,可以尝试吐回旋的烟圈。一、先深吸一口烟，屏住呼吸，并保持口腔的闭合。二、口腔内，舌头微卷，使舌尖在口的中间；让嘴唇形成O字形并保持O字形。三、收缩下颚，让口腔变小，嘴唇放松。然后把烟给挤出来（注意，不是用吹出来！）动作要慢而轻。四、连续吐烟圈时，新手不妨试试用食指有节奏的轻点腮帮子。

备受市场关注的中央一号文件终于公布。文件提出，将发挥政府在水利建设中的主导作用，加大公共财政对水利的投入；同时文件提出要积极推进水价改革。 业内人士分析认为，文件的出台将对相关水利行业的上市公司带来实质性利好。从投资规模来看，中央农村工作领导小组副组长、办公室主任陈锡文认为，按2010年我国水利投资2000亿元计算，未来10年全社会水利年平均投入比2010年高出一倍就是4000亿元，未来10年的水利投资将达到4万亿元。 从行业和公司来说，首先受益的就是包括葛洲坝、安徽水利、粤水电在内的水利工程建设公司。2010年度葛洲坝新签合同额累计556.1亿元，同比增长31.98%。其中，新签水电工程合同额257.6亿元，约占新签合同总额46%左右。粤水电和安徽水利的水利水电工程业务占主营业务的比重则分别为40%和30%左右。业内普遍认为，随着水利工程的大投资建设周期来临，未来这些公司的水利建设订单增长有望超预期。 安信证券认为，水利投资不但会直接推动相关水利建设公司发展，还会带动上下游各类产业的需求，促进工程建造、管道管材、水电设备、节水设施、水力发电和污水处理等行业的发展。具体包括水电设备生产公司浙富股份、东方电气；生产输水管道的国统股份、青龙管业等。 安信证券同时认为，比较而言，水电设备行业需求增长确定，市场份额集中，未来业绩增长的前景更好；管道供应商的经营模式和业务增长也非常稳定，盈利增速和利润率更富有弹性。 一号文件提出今年将积极推进水价改革，这意味着洪城水业、首创股份、重庆水务等污水处理以及供水企业也将受益。 据了解，由于历史原因，目前我国供排水价格低，难以反映水资源的稀缺价值，部分污水处理企业甚至出现成本倒挂现象。 而今年的一号文件提出，工业和服务业用水要逐步实行超额累进加价制度，拉开高耗水行业与其他行业的水价差价；同时要合理调整城市居民生活用水价格，稳步推进阶梯式水价制度；并且要推进农业水价综合改革，探索实行农民定额内用水享受优惠水价、超定额用水累进加价的办法。 业内人士认为，推进水价改革，实行梯级水价，一方面可以用经济的手段促进资源节约；另一方面也将有助于部分地区供水企业盈利能力提高。广发证券分析认为，由于目前南昌自来水价格在全国36个大中城市排名倒数第二位，仅高于拉萨，居民水费支出占收入的比重低于全国平均水平，上调水价的可能性比较大，洪城水业将受益。 中央一号文件受益行业与公司 水利施工行业：葛洲坝600068、安徽水利600502、粤水电002060、钱江水利600283 水电设备制造：东方电气600875、浙富股份002266 管道供应：青龙管业002457、国统股份002205 污水处理：供水：首创股份600008、洪城水业600461、钱江水利600283、创业环保600874、中山公用000685、锦龙股份000712、武汉控股600168、南海发展600323、城投控股600649、重庆水务601158

购物软件。根据查询东方枣园官网显示得知，东方枣园是鼎力东方枣园公司旗下研发的购物APP，该购物APP的功能是在线销售公司内的各类产品，是一个购物软件，软件让公司的业务成交量有了很大的提升。鼎力东方枣园品牌介绍鼎力集团是集电子商务、国际贸易、生态旅游及多种农产品深加工于一体的大型现代化综合企业。

阴阳家是指说话方式奇怪的人。阴阳家是指说话方式奇怪，不轻易说话，没事就爱讽刺别人的人。也指说话做事没有规矩，立场不明或者根本没有立场，要面对的事情一套，背后的事情一套，人一说话就胡说八道，阴阳转换自如的人或机构。游戏炉石里有一个叫鲍勃的NPC，总是在不合适的时候说些香喷喷的话。因为他的话太阴阳，而包是阴，鲍勃是阳，鲍勃叫阴阳，意思是说他讲阴阳。

1吨鲜木薯晒干320千克。根据查询相关公开信息，生的木薯里头含有百分之六十八的水分，晒干以后重量会剩下百分之三十二，一吨的木薯晒干以后还有320千克。

阴阳人是搞笑梗，指在网络上说话阴阳怪气，充满嘲讽味道的人。除了指说话阴阳怪气的人，也指说话做事没有准则，立场不明或根本没有立场，当面一套背后一套，见人说人话见鬼说u200cu200cu200cu200cu200cu200cu200cu200cu200cu200cu200c鬼话，阴阳两面切换自如的人或机构。该梗出自游戏《炉石传说》里一个叫鲍勃的NPC，他总是在不合时宜的时候说出一些令人想吐芬芳的话，由于他的话过于阴阳怪气，且鲍为阴，勃为阳，所以鲍勃被称为阴阳人，意思是说话阴阳怪气。阴阳人语录1、真羡慕你的皮肤，保养的真厚。2、有空一起去吃鱼吧，看你挺会挑刺的。3、你很会下厨吧，看你挺会添油加醋的。4、这么会抬杠，工地需要你。5、你是不是阿基米德的后人啊，整天就知道抬杠。

UI设计英文叫User Interface翻译成中文意思就是（用户界面）。UI设计是指对软件的人机交互，操作逻辑，界面美观的整体设计。说到这个界面设计，其实非常好理解，因为我们每天都在使用。我们手机里面的APP软件，QQ和微信的界面图标设计都属于UI设计师的工作内容移动端互联网时代，每位同学都有一部智能手机，手机里面看APP界面图标，我们可以称为用户界面，也就是我说的UI设计。简单的来说，UI设计师就是负责设计这些在电子屏幕上显示的产品，（包括游戏UI，网页端，手机，以及目前比较火的VR,AR，其他设备端等）比如微信界面、里面的图标 文字 图片整个操作点击 都属于UI设计师要设计的范畴。所以UI设计一直存在于我们的生活！UI设计起源于美国硅谷，UI设计是2012年由硅谷传入中国，UI设计随着互联网行业的兴起和智能手机的普及而火的一发不可收拾。UI设计是最近几年在国内火起来的，目前UI设计师的平均薪资是国内设计界薪资最高的行业，在北上广深杭这些一线城市UI设计师的平均薪资1万以上。从薪资不难看出UI设计这个行业目前在国内真的很火。UI设计师需要做的工作有，APP界面图标设计，视觉设计，运营插画设计，交互动效设计，原型图设计，平面设计，小程序设计等。好的UI设计不仅是让软件变得有个性有品位，还要让软件的操作变得舒适简单、自由，充分体现软件的定位和特点。UI设计按行业一般分为4种行业分别是移动端UI设计，PC端UI设计，游戏端UI设计，以及其它端UI设计。第一种：移动端UI设计那么什么叫移动端UI设计呢，移动端UI设计就是手机平板上的APP设计，比如微信聊天界面，QQ聊天界面，手机桌面，手机上看到的所有图标界面点了后会有反应的我们都可以理解成移动端UI设计。那么我们来讲解一下移动端UI设计师的工作内容有哪些？移动端UI设计师的工作就是我们的APP界面图标文字按钮等，这一块就是我们移动端UI设计师要做的工作，要做好这份工作的话我们需要学习的东西有很多，比如说要懂理论，要懂用什么颜色，要用什么字体，要用什么版试这些都是需要学习的，看似简单的一个设计往往来说难度性都挺高的，并没有看上去那么简单。不然现在的UI设计师的工资也不会这么高了。第二种：PC端UI设计PC端UI设计就是我们电脑上的软件和网页按钮，比如电脑版的QQ，微信，电脑管家和网页的一些按钮图标等都属于PC端UI设计。其实移动端UI设计和PC端UI设计是差不多的，只不过平台不一样。PC端的载休是电脑，移动端的载体是手机。第三种游戏UI设计那么什么是游戏端UI设计咧？比如王者荣耀，英雄联盟和一些其它游戏中的登录界面、都是属于游戏端UI设计。目前游戏端UI设计在近几年发展并以前没有那么好了，主要是因为现在腾讯网易这些大公司已经把游戏的市场站领了，其它的都是一些小公司，所以这个行业发展没有之前那么好了。而且游戏UI对美术基础要求也比较高。这就是类似游戏的界面，这里面的按钮就是游戏UI设计师用手绘板画出来的，做这个工作的话必需要有美术基础，大公司还要求科班出身，所以这个工作也是比较累的，所以我建议大家做UI工作的话可以选择移动端UI设计，因为目前移动端UI设计比较火。第四种：其它UI设计最后一种就是其它端UI设计，像VR界面、AR界面、银行取款机界面、这些都属于其它端UI设计，其它端UI设计用户较少，但又需要，未来有可能很火，有可能保持现状。

叫你几个吐烟圈的方法！一、吐烟圈的方法1、先深吸一口电子烟，屏住呼吸，让口腔保持封闭；2、口内，舌头微卷起，使舌尖在口的中间，让嘴唇形成O字型，保持O字型；3、将下颌收紧，使口腔变小，嘴唇放松，然后将烟挤出(注意，不要吹出去！)缓慢、轻快地移动；4、连续吐烟圈时，新手不妨试试食指有节奏的轻点腮帮子。二、吐烟圈的技巧1、口型当你的唇部做O字型时，你的嘴唇只是覆盖了牙齿而不是包住。慢慢的实际操作就知道有什么不一样了，吐烟圈也是由下由上，不要往一个方向变。2、咳嗽咳嗽是一种短促的咳嗽，初期可以不用太用力，先轻轻咳到喉咙轻咳的感觉，然后再一点一点的加大力道。咳嗽时，发力一定要短，不能拖，一拖尾烟就多了，所以咳要快速而有力，发现这个口型大小配合上力度大小咳出来的圈是会往前跑的话，基本功基本可以了。3、练习吐烟圈必须要多练，要熟练掌握方式方法，并且必须要站稳练习，不要坐姿，坐姿会使热气上升而使气流散开，所以要练习站着练习。

阴阳家是指说话方式奇怪的人。阴阳家是指说话方式奇怪，不轻易说话，没事就爱讽刺别人的人。也指说话做事没有规矩，立场不明或者根本没有立场，要面对的事情一套，背后的事情一套，人一说话就胡说八道，阴阳转换自如的人或机构。游戏炉石里有一个叫鲍勃的NPC，总是在不合适的时候说些香喷喷的话。因为他的话太阴阳，而包是阴，鲍勃是阳，鲍勃叫阴阳，意思是说他讲阴阳。

河北东方学院有哪些专业？看这里就知道！河北东方学院是河北省的一所省属重点大学，专业设置多样，有许多优秀的专业。下面就来简单介绍一下河北东方学院有哪些专业吧！一、文学类专业河北东方学院文学类专业主要有：中国语言文学、汉语言文学、外国语言文学、新闻学、广播电视新闻学、编辑出版学、应用语言学、翻译硕士等。二、理学类专业河北东方学院理学类专业主要有：数学、信息与计算科学、物理学、应用物理学、化学、应用化学、生物科学、环境科学与工程、心理学、统计学等。三、管理类专业河北东方学院管理类专业主要有：工商管理、市场营销、会计学、财务管理、人力资源管理、物流管理、国际商务、电子商务、工程管理、信息管理与信息系统、房地产经营管理、公共事业管理等。四、工学类专业河北东方学院工学类专业主要有：机械设计制造及其自动化、机械电子工程、车辆工程、电子信息工程、自动化、计算机科学与技术、软件工程、网络工程、光电信息科学与工程、环境工程、资源勘查工程、土木工程、建筑环境与能源应用工程、安全工程、生物医学工程、电气工程及其自动化、测控技术与仪器、材料成型及控制工程、材料科学与工程等。五、农学类专业河北东方学院农学类专业主要有：植物保护、园艺、植物科学与技术、植物病理学、蔬菜学、茶学、葡萄与葡萄酒工程、园林、草业科学、水土保持与荒漠化防治、动物科学、动物医学、水产养殖学、农业资源与环境、农业机械化及其自动化、农村区域发展、农业经济管理等。六、医学类专业河北东方学院医学类专业主要有：临床医学、口腔医学、麻醉学、医学影像学、放射医学、眼视光学、康复治疗学、精神医学、护理学、公共卫生与预防医学等。自考/成考有疑问、不知道自考/成考考点内容、不清楚当地自考/成考政策，点击底部咨询官网老师，免费领取复习资料：https://www.87dh.com/xl/

阴阳人就是双性人、雌雄同体者、两性体。 是指既有男性特征又有女性特征的人。医学上把这些具有男女两性特征的人，叫做“两性畸形”。“两性畸形”的人，又可分为“真两性畸形”和“假两性畸形”人。真与假之分，是根据体内的主性腺来判断的。造成两性畸形大多数是性染色体异常造成的。

广东区域的，但可以看到广州的企业。1 000100 *STTCL TCL集团股份有限公司 惠州 广东省惠州市鹅岭南路6号TCL工业大厦 0752-33313811,33313801 2 000150 *ST宜地 宜华地产股份有限公司 惠州 广东省汕头市金砂路汕头国际大酒店 0754-5899788 3 000429 粤高速A 广东省高速公路发展股份有限公司 广州 广东省广州市白云路85号 020-83731365,83731388*233 4 000502 绿景地产 绿景地产股份有限公司 广州 广东省广州市天河区林和中路136号天誉花园二期四楼D区 020-38791075,38934855 5 000507 粤富华 珠海经济特区富华集团股份有限公司 珠海 广东省珠海市九洲大道中1146号5楼 0756-3838066,3838088 6 000513 丽珠集团 丽珠医药集团股份有限公司 珠海 广东省珠海市拱北桂花北路132号丽珠大厦 0756-8135993 7 000522 白云山A 广州白云山制药股份有限公司 广州 广东省广州市白云区同和街云祥路88号 020-87062599 8 000523 广州浪奇 广州市浪奇实业股份有限公司 广州 广东省广州市天河区黄埔大道东128号 020-82161128*6228,82162933 9 000524 东方宾馆 广州市东方宾馆股份有限公司 广州 广东省广州市流花路120号 020-86662791,86669900 10 000527 美的电器 广东美的电器股份有限公司 佛山 广东省佛山市顺德区美的工业城 0757-26338779,26338823 11 000529 S*ST美雅 广东美雅集团股份有限公司 江门 广东省鹤山市人民西路40号 0750-8888888 12 000531 穗恒运A 广州恒运企业集团股份有限公司 广州 广东省广州开发区开发大道235号恒运大厦6～6M层 020-82068252 13 000532 力合股份 力合股份有限公司 珠海 广东省珠海市唐家大学路101号清华科技园创业大楼东六楼 0756-3612810,3612833 14 000533 万家乐 广东万家乐股份有限公司 佛山 广东省佛山市顺德大良顺峰山工业区 0757-22321218,22321232 15 000534 汕电力A 汕头电力发展股份有限公司 汕头 广东省汕头市珠池路23号光明大厦B幢8楼 0754-8857191,8857382 16 000539 粤电力A 广东电力发展股份有限公司 广州 广东省广州市天河东路2号粤电广场南塔23-26楼 020-87570276,87570251 17 000541 佛山照明 佛山电器照明股份有限公司 佛山 广东省佛山市禅城区汾江北路15 号 0757-82966098,82810239 18 000573 粤宏远A 东莞宏远工业区股份有限公司 东莞 广东省东莞市宏远工业区宏远大厦16层 0769-22412655 19 000576 广东甘化 江门甘蔗化工厂(集团)股份有限公司 江门 广东省江门市甘化路62号 0750-3277650,3277651 20 000601 韶能股份 广东韶能集团股份有限公司 韶关 广东省韶关市惠民南路148号 0751-8153162 21 000602 金马集团 广东金马旅游集团股份有限公司 潮州 广东省潮州市潮枫路旅游大厦四层 0768-2268969,2262628,86932221 22 000636 风华高科 广东风华高新科技股份有限公司 肇庆 广东省肇庆市风华路18号风华电子工业城 0758-2844724 23 000637 S茂实华 茂名石化实华股份有限公司 茂名 广东省茂名市官渡路162号 0668-2276176 24 000651 格力电器 珠海格力电器股份有限公司 珠海 广东省珠海市前山金鸡西路6号 0756-8614883*2416,8614883*3232,8668416,8669232 25 000659 珠海中富 珠海中富实业股份有限公司 珠海 广东省珠海市香洲区湾仔镇第一工业区 0756-8821350 26 000685 公用科技 中山公用科技股份有限公司 中山 广东省中山市兴中道18号财兴大厦三楼 0760-8380018 27 000690 宝新能源 广东宝丽华新能源股份有限公司 梅州 广东省梅州市梅县华桥城香港花园香港大道宝丽华综合大楼 0753-2511298,38773338 28 000712 锦龙股份 广东锦龙发展股份有限公司 清远 广东省清远市方正二街1号锦龙大厦 0763-3369393 29 000717 韶钢松山 广东韶钢松山股份有限公司 韶关 广东省韶关市曲江区 0751-8787265 30 000782 美达股份 广东新会美达锦纶股份有限公司 江门 广东省新会市会城镇江会路上浅口 0750-6107981 31 000823 超声电子 广东汕头超声电子股份有限公司 汕头 广东省汕头市兴业路21号 0754-8245666*4379,8610992 32 000828 东莞控股 东莞发展控股股份有限公司 东莞 广东省东莞市东城区莞樟大道55号 0769-22083320 33 000861 海印股份 广东海印永业(集团)股份有限公司 茂名 广东省茂名市环市西路61号 0668-2111000,2178008 34 000893 广州冷机 广州冷机股份有限公司 广州 广东省广州市白云区人和镇人和大街68 号 020-86451188 35 000921 ST科龙 海信科龙电器股份有限公司 佛山 广东省佛山市顺德区容桂区容港路8号 0757-28362570 36 000973 佛塑股份 佛山塑料集团股份有限公司 佛山 广东省佛山市汾江中路82号 0757-83988189 37 000975 科学城 南方科学城发展股份有限公司 广州 广东省广州市科学城彩频路广东软件科学园综合楼5楼 020-61397318 38 000976 春晖股份 广东开平春晖股份有限公司 江门 广东省开平市长沙港口路10号 0750-2276949,2228111*286 39 000987 广州友谊 广州友谊集团股份有限公司 广州 广东省广州市越秀区环市东路369 号 020-83577980,83483216 40 002005 德豪润达 广东德豪润达电气股份有限公司 珠海 广东省珠海市香洲区唐家湾镇金风路1号 0756-3390188 41 002016 威尔科技 广东威尔医学科技股份有限公司 珠海 广东省珠海市昌盛路155号 0756-8681601 42 002017 东信和平 东信和平智能卡股份有限公司 珠海 广东省珠海市南屏科技工业园屏工中路8号 0756-8682893 43 002027 七喜控股 七喜控股股份有限公司 广州 广东省广州市黄埔区埔南路63号一号厂房 020-82250627,82058139 44 002030 达安基因 中山大学达安基因股份有限公司 广州 广东省广州市高新区科学城香山路19号 020-32290420 45 002031 巨轮股份 广东巨轮模具股份有限公司 揭阳 广东省揭阳市揭东经济开发试验区5号路 0663-3271838 46 002035 华帝股份 中山华帝燃具股份有限公司 中山 广东省中山市小榄镇小榄工业基地工业大道南华园路1号 0760-2139888*8613,2139888*8611 47 002045 广州国光 国光电器股份有限公司 广州 广东省广州市花都区新华镇镜湖大道8号 020-28609688 48 002054 德美化工 广东德美精细化工股份有限公司 佛山 广东省佛山市顺德区容桂广珠公路海尾路段 0757-28399088 49 002060 粤水电 广东水电二局股份有限公司 广州 广东省广州市经济技术开发区科学城彩频路11号A栋601 020-61776666 50 002063 远光软件 广东远光软件股份有限公司 珠海 广东省珠海市港湾大道科技一路3号 0756-3399888*682,3399888*681 51 002076 雪莱特 广东雪莱特光电科技股份有限公司 佛山 广东省佛山市南海区狮山工业科技工业园A区 0757-86695590 52 002084 海鸥卫浴 广州海鸥卫浴用品股份有限公司 广州 广东省广州市番禺区市桥镇禺山西路联邦工业城内 020-34808178,84896096*8809 53 002101 广东鸿图 广东鸿图科技股份有限公司 肇庆 广东省肇庆市高要市金渡世纪大道168号 0758-8512963,8512658 54 002141 蓉胜超微 广东蓉胜超微线材股份有限公司 珠海 广东省珠海市金湾区三灶镇三灶科技工业园 0756-7512120 55 002152 广电运通 广州广电运通金融电子股份有限公司 广州 广东省广州市天河区黄埔大道西平云路163号 020-38696517,38698900 56 002167 东方锆业 广东东方锆业科技股份有限公司 汕头 广东省汕头市澄海区莱美路宇田科技园 0754-5502988 57 002169 智光电气 广州智光电气股份有限公司 广州 广东省广州市天河区五山路248号金山大厦南塔三楼 020-38468499*8188 58 002177 御银股份 广州御银科技股份有限公司 广州 广东省广州市天河区五山路248号金山大厦26楼 020-38468722 59 002180 万力达 珠海万力达电气股份有限公司 珠海 广东省珠海市高新区科技创新海岸科技一路万力达继保科技园 0756-3395968 60 002181 粤传媒 广东九州阳光传媒股份有限公司 广州 广东省广州市环市东路362号好世界广场19楼1902室 020-83752128 61 002187 广百股份 广州市广百股份有限公司 广州 广东省广州市越秀区西湖路12号 020-83322348 62 002192 路翔股份 广州路翔股份有限公司 广州 广东省广州市高新技术产业开发区科学城西区办公楼206 房之三 020-38289256,38289258*805 63 002198 嘉应制药 广东嘉应制药股份有限公司 梅州 广东省梅州市东升工业园B 区 0753-2321916 64 002212 南洋股份 广东南洋电缆集团股份有限公司 汕头 广东省汕头市珠津工业区珠津二街1号 0754-6332188 65 200168 雷伊B 广东雷伊(集团)股份有限公司 揭阳 广东省深圳市东门中路东方大厦12楼 0755-82250045 66 200986 粤华包B 佛山华新包装股份有限公司 佛山 广东省佛山市季华五路经华大厦18楼 0757-83981729,83992076 67 600004 白云机场 广州白云国际机场股份有限公司 广州 广东省广州市白云国际机场南工作区机场综合办公楼南楼 020-36063593,36063595 68 600029 南方航空 中国南方航空股份有限公司 广州 广东省广州市机场路278号 020-86124738,86124736 69 600048 保利地产 保利房地产(集团)股份有限公司 广州 广东省广州市海珠区阅江中路688号保利国际广场北塔29-33层 020-89898000,89898833 70 600083 *ST博信 广东博信投资控股股份有限公司 东莞 广东省东莞市南城区莞太大道255号广东福地5号楼 0755-86278080 71 600098 广州控股 广州发展实业控股集团股份有限公司 广州 广东省广州市珠江新城临江大道3号发展中心28-30楼 020-37850968,37850978 72 600143 金发科技 金发科技股份有限公司 广州 广东省广州市天河区柯木塱高唐工业区 020-87011288,87037333 73 600183 生益科技 广东生益科技股份有限公司 东莞 广东省东莞市万江区莞穗大道411号 0769-22271828*8225 74 600242 S*ST华龙 广东华龙集团股份有限公司 阳江 广东省阳江市桔子西路十巷二号 0662-3229088 75 600323 南海发展 南海发展股份有限公司 佛山 广东省佛山市南海区桂城南海大道建行大厦 0757-86280996 76 600325 华发股份 珠海华发实业股份有限公司 珠海 广东省珠海市拱北丽景花园华发大楼 0756-8282111,8131632 77 600332 广州药业 广州药业股份有限公司 广州 广东省广州市沙面北街45号 020-81218084,81218086 78 600382 广东明珠 广东明珠集团股份有限公司 梅州 广东省兴宁市兴城镇赤巷口 0753-3338549,3337589 79 600393 东华实业 广州东华实业股份有限公司 广州 广东省广州市寺右新马路170号四楼 020-87393888,87397172 80 600428 中远航运 中远航运股份有限公司 广州 广东省广州市五羊新城江月路颐景轩2-3楼 020-62621288,62621398 81 600433 冠豪高新 广东冠豪高新技术股份有限公司 湛江 广东省湛江市经济技术开发区高新技术区昌平路 0759-2820938 82 600499 科达机电 广东科达机电股份有限公司 佛山 广东省佛山市顺德区陈村镇广隆工业园环镇西路1号 0757-23833869 83 600518 康美药业 广东康美药业股份有限公司 揭阳 广东省普宁市流沙镇长春路中段 0663-2917777*8009,2917777*8006 84 600589 广东榕泰 广东榕泰实业股份有限公司 揭阳 广东省揭阳市榕城区新兴东二路1号 0663-8676616 85 600684 珠江实业 广州珠江实业开发股份有限公司 广州 广东省广州市环市东路362-366号好世界广场30楼 020-83752828*808,83752439 86 600685 广船国际 广州广船国际股份有限公司 广州 广东省广州市芳村大道南40号 020-81891712*2962，81891712*2995 87 600728 SST新太 新太科技股份有限公司 广州 广东省广州市天河高新技术产业开发区工业园建中路51-53号 020-85550260 88 600866 星湖科技 广东肇庆星湖生物科技股份有限公司 肇庆 广东省肇庆市工农北路67号 0758-2291130,2291184 89 600868 梅雁水电 广东梅雁水电股份有限公司 梅州 广东省梅州市湾水塘梅雁大楼 0753-2218286 90 600872 中炬高新 中炬高新技术实业(集团)股份有限公司 中山 广东省中山市中山火炬高技术产业开发区火炬大厦 0760-5596818*2033 91 600894 广钢股份 广州钢铁股份有限公司 广州 广东省广州市荔湾区白鹤洞广州钢铁股份有限公司科技大楼501房 020-81809182 92 600978 宜华木业 广东省宜华木业股份有限公司 汕头 广东省汕头市澄海区莲下槐东工业区 0754-5100989 93 600988 *ST宝龙 广州东方宝龙汽车工业股份有限公司 广州 广东省广州增城市新塘镇宝龙路1号 020-8260888

一、原理不同1、电生磁：通电导体周围存在磁场。 可以判定磁场方向和电流的关系。2、磁生电：闭合电路的一部分导体做切割磁感线运动时，在导体上就会产生电流的现象叫电磁感应现象。二、发现的科学家不同1、电生磁：电生磁是奥斯特发现的。2、磁生电：磁生电是英国科学家法拉第发现的。扩展资料：电生磁的磁场的方向：如果一根直的金属线通过电流，就会在金属线周围的空间产生圆形磁场。流过导线的电流越大，产生的磁场就越强。磁场是圆形的，环绕着导线。磁场的方向可以根据“右手螺旋定则”（又称安培定则）来确定：右手拇指伸出，其它四个手指折叠在一起，朝手掌中心弯曲。此时，四个手指的方向是磁场的方向，拇指的方向是电流的方向。事实上，由直线产生的磁场类似于在导线周围放置一圈小磁铁，并在末端连接NS极。参考资料来源：百度百科-磁生电参考资料来源：百度百科-电生磁

浙江经贸职业技术学院里面分为7个系，电子商务分在其中的信息技术系，这么说吧，经贸的电子商务是省级重点，有其独特的优势和特色，建有东方电子商务园、下沙电子商务园、浙大网新恒天软件有限公司、杭州网轩科技有限公司、杭州先动卡通科技有限公司等20余家校外紧密型实训基地。师生获得的市级省级奖项就不赘述了，有点多，也是学校会资源倾斜的专业，设备也是相当齐备的，如果单单拿电子商务来说，下沙这边应该是首屈一指的。浙江金融职业技术学院分为7个系，其中信息技术学院（互联网金融学院）属于新信息，其中有计算机信息管理、信息安全技术、计算机多媒体技术等，但是金融电子商务并没有经贸的电子商务好，因为金融是财会类实力很强大在就业更多的也是面向银行证券公司等。浙江经济职业技术学院是全日制省属公办高职院校，前身为浙江省物资学校（隶属于原浙江省物资局），创建于1978年，2002年1月，经浙江省人民政府批准正式升格为高职学院。学院主要面向现代物流业为主的生产性服务业开设了29个专业。

参股券商概念股有：（截止2015年10月26日）　　参股国泰君安的大众交通、中大股份、泸州老窖、华电能源、泰达股份、焦作万方、中华企业、航天机电、华茂股份、大冷股份、深圳能源、西飞国际、陆家嘴、浦东金桥；　　参股广发证券的辽宁成大、吉林敖东、中山公用、华茂股份、闽福发A；　　参股长江证券的武钢股份、湖北金环、葛洲坝、长江电力、保定天鹅、锦江股份、海欣股份、华工科技、襄阳轴承；　　参股光大证券的大众交通；　　参股招商证券的中粮地产、中海海盛、中集集团、深圳华强、中国医药；　　参股东方证券的上海建工、浦东金桥、百联股份、上海九百、长城信息；　　参股华泰证券的宏图高科、华西村；　　参股华安证券的黄山旅游、浙江东方、东方创业、江苏舜天、皖能电力；　　参股华鑫证券的上海金陵、上海贝岭、飞乐音响、飞乐股份；　　参股方正证券的哈投股份、现代投资、正虹科技、*ST亚华；　　参股东莞证券的锦龙股份；　　参股国联证券的威孚高科；　　参股华创证券的杉杉股份、振华科技；　　参股广州证券的穗恒运A；　　参股太平洋证券的外高桥、闽福发A；　　参股中投证券的万家乐；　　参股红塔证券的云南白药；　　参股宏源证券的华茂股份；　　参股东北证券的亚泰集团、中钢吉炭；　　参股国元证券的模塑科技、皖能电力；　　参股中信证券的雅戈尔、两面针、南京高科；　　参股联合证券的葛洲坝；　　参股国金证券的九芝堂、友利控股；　　参股天风证券的人福科技；　　参股民族证券的东方集团；　　参股银河证券的川化股份；　　参股西南证券的*ST珠江、太极集团、九龙电力、亚盛集团、重庆路桥、长安汽车；　　参股海通证券的大众交通、世茂股份、东方创业、申能股份、厦门国贸、兰生股份、浦东金桥、华银电力、百联股份、双钱股份、南方汇通、外高桥、银泰股份；　　参股申银万国的大众交通、爱使股份、豫园商城、东方明珠、飞乐音响、陆家嘴、中华企业；　　参股兴业证券的中国平安、福建水泥、厦工股份、青山纸业、福建南纺、大众公用、交大昂立；　　参股南京证券的南京高科；　　参股渤海证券的泰达股份；　　参股国信证券的北京城建；　　参股恒泰证券的华资实业；　　参股国海证券的桂东电力、河池化工；　　参股华西证券的乐山电力、泸州老窖、明星电力；　　参股宏源证券的华茂股份；　　参股长城证券的深圳能源；　　参股湘财证券的华升股份、电广传媒、长城信息。

现在杂七杂八的园区很多，据我知道做的好就几个吧。西湖区那边有杭州电子商务园。江干区这边比较多，电子商务比较集中也很热，有东方电子商务园、新月电子商务园、下沙电子商务。