conbar(wavethresh)
conbar()所属R语言包：wavethresh
Performs inverse DWT reconstruction step
执行逆DWT重建步骤
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Wrapper to the C function conbar which is the main function in WaveThresh to do filter convolution/reconstruction with data. Although users use the wr function to perform a complete inverse discrete wavelet transform (DWT) this function repeatedly uses the conbar routine, once for each level to reconstruct the next finest level. The C conbar routine is possibly the most frequently utilized by WaveThresh.
包装的C函数conbar这是的主要功能WaveThresh，过滤卷积/重建数据。虽然用户使用wr函数来执行一个完整的逆离散小波变换（DWT）此功能重复使用conbar常规，针对每一次成功，重建未来最好的水平。 Cconbar的例行可能是最经常使用的WaveThresh。
用法----------Usage----------
conbar(c.in, d.in, filter)
参数----------Arguments----------
参数：c.in
The father wavelet coefficients that you wish to reconstruct in this level's convolution.
的父亲，你想在这个级别的卷积重建的小波系数。
参数：d.in
The mother wavelet coefficients that you wish to reconstruct in this level's convolution.
的母亲，你想在这个级别的卷积重建的小波系数。
参数：filter
A given filter that you wish to use in the level reconstruction. This should be the output from the filter.select function.
一个给定的过滤器，您要使用的水平重建。这应该是从filter.select函数的输出。
Details
详细信息----------Details----------
The wr function performs the inverse wavelet transform on an wd.object class object.
wr函数进行逆小波变换的wd.object类对象。
Internally, the wr function uses the C conbar function. Other functions also make use of conbar and some R functions also would benefit from using the fast C code of the conbar reconstruction hence this WaveThresh function. Some of the other functions that use conbar are listed in the SEE ALSO section. Many other functions call C code that then uses the C version of conbar.
在内部，wr函数使用Cconbar功能。其它功能还可以使用conbar和一些R的功能也将受益于快速的C代码的conbar重建，因此WaveThresh的功能。在请参阅部分列出了一些其他的功能，使用conbar。许多其他的功能调用C代码，然后使用C conbar版本的。
值----------Value----------
A vector containing the reconstructed coefficients.
一个向量包含重建的系数。
（作者）----------Author(s)----------
G P Nason
参见----------See Also----------
av.basis InvBasis.wp wr
av.basisInvBasis.wpwr
实例----------Examples----------
#[]
# Let's generate some test data, just some 32 normal variates.[让我们来生成一些测试数据，只是一些32例正常变异值。]
#[]
v <- rnorm(32)
#[]
# Now take the wavelet transform with default filter arguments (which[现在让我们小波变换的默认的过滤器参数（]
# are filter.number=10, family="DaubLeAsymm")[是filter.number = 10，家庭=“DaubLeAsymm”）]
#[]
vwd <- wd(v)
#[]
# Now, let's take an arbitrary level, say 2, and reconstruct level 3[现在，让我们说，任意水平，并重建第3级]
# scaling function coefficients[尺度函数系数]
#[]
c.in <- accessC(vwd, lev=2)
d.in <- accessD(vwd, lev=2)
#[]
conbar(c.in, d.in, filter.select(filter.number=10, family="DaubLeAsymm"))
#[1] -0.50368115 0.04738620 -0.90331807 1.08497622 0.90490528 0.06252717[[1] -0.50368115 0.04738620 -0.90331807 1.08497622 0.90490528 0.06252717]
#[7] 2.55894899 -1.26067508[[7] 2.55894899 -1.26067508]
#[]
# Ok, this was the pure reconstruction from using only level 2 information.[好了，只用2级信息，这是纯粹的重建。]
#[]
# Let's check this against the "original" level 3 coefficients (which get[让我们来看看这对“原始”的3个系数（得到]
# stored on the decomposition step in wd)[存储WD上的分解步骤）]
#[]
accessC(vwd, lev=3)
#[1] -0.50368115 0.04738620 -0.90331807 1.08497622 0.90490528 0.06252717[[1] -0.50368115 0.04738620 -0.90331807 1.08497622 0.90490528 0.06252717]
#[7] 2.55894899 -1.26067508[[7] 2.55894899 -1.26067508]
#[]
# Yep, the same numbers![是的，相同的号码！]
#[]
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-10-1 17:15:40
