用librealsense的matlab接口来对其深度图和彩色图
其实文档看懂了还是相当简单，奈何本人对matlab还是相当不熟悉，于是浪费了一些时间，在这里简单的做个记录，align.m是align在matlab里的封装，可以看到它的构造函数需要一个stream对象，而stream.m里介绍了stream这个对象，里边有几个枚举值，于是我们就可以知道如何使用align函数了
这里通过修改 librealsense 里的depth_example.m来举例
    % Make Pipeline object to manage streaming
    pipe = realsense.pipeline();
    
    % Start streaming on an arbitrary camera with default settings
    profile = pipe.start();

    % Get frames. We discard the first couple to allow
    % the camera time to settle
    for i = 1:5
        fs = pipe.wait_for_frames();
    end
    
    % Stop streaming
    pipe.stop();
	
	% Align
	to_depth  = realsense.stream(1) 
	align = realsense.align(to_depth)
	a_fs = align.process(fs)
	
    % Select depth frame
    depth = a_fs.get_depth_frame();
    color = a_fs.get_color_frame();
    
    % Get actual data and convert into a format imshow can use
    % (Color data arrives as [R, G, B, R, G, B, ...] vector)
    depth_data = depth.get_data();
    color_data = color.get_data();
    
    depth_img = permute(reshape(depth_data,[1,depth.get_width(),depth.get_height()]),[3,2,1]);
    color_img = permute(reshape(color_data,[3,color.get_width(),color.get_height()]),[3,2,1]);

    % Display image
    %imshow(color_img);

自己要解决的问题是，用小波分解对时间序列进行多尺度分解，再分别对各系数进行预测，最后重构得到最后的预测结果。
因为对系数进行了新的处理，所以不能直接用waverec函数重构原始信号，而需要先构造C，再用waverec函数重构原始信号。
所以这里主要解决的问题是如何用新的系数构造C，进而用waverec函数重构原始信号。
如果有哪个地方理解错误，还望指正


%%首先是不对系数进行另外处理的直接重构原始信号
%小波分解与重构
gasload=importdata('load_new.xls');

loaddata=gasload.data.Sheet2; 
a=loaddata(:,4);
a=a';

ls=length(a);

%多尺度一维分解
[C,L]=wavedec(a,3,'db1');
%提取系数
cA3=appcoef(C,L,'db1',3);

cD3=detcoef(C,L,3);

cD2=detcoef(C,L,2);
cD1=detcoef(C,L,1);
%重构系数

A3=wrcoef('a',C,L,'db1',3);

D1=wrcoef('d',C,L,'db1',1);

D2=wrcoef('d',C,L,'db1',2);

D3=wrcoef('d',C,L,'db1',3);

%重构原始信号

A0=waverec(C,L,'db1');

%重构最大误差
Err=max(abs(a-A0));
------------------------------------------以上是直接重构原始信号--------------------------
------------------------------------------以下是对系数进行处理后，构造C，再用waverec函数重构原始信号--------------------------

%%%省略对系数的处理过程
%%%。。。。。。。
%%%用新的系数构造C
这里之所以构造C，是因为waverec函数的参数C里存放的是原始的系数，而不是经过处理的新的系数；所以需要得到由新的系数构造的C。
现在需要了解C的构造方式，以便以正确的结构用新的参数构造C。在matlab里用help函数查看wavedec函数，可以看到关于C的结构介绍。从而反向来构造C。
help wavedec




已在matlab里通过size函数计算得到，
size (a)  为1*1000; size(C)为 1*1000；  size（L）为1*5；L=[125,125,250,500,1000];
size（cA3）为1*125；size（cD3）为1*125；size（cD2）为1*250；size（cD1）为1*500；


则依据help的结果，C的组成结构为【cA3,cD3,cD2,cD1】;
L1为近似系数cA3的长度（125），L2为细节系数cD3的长度（125）；L3为cD2的长度（250），L4为cD1的长度（500），L5为a的长度（1000）。


则用处理过的系数重构C就变得很简单；
C=[cA3,cD3,cD2,cD1]
再用waverec函数重构原始信号


A0=waverec(C,L,'db1');

%重构最大误差

Err=max(abs(a-A0));

								            
						

自己要解决的问题是，用小波分解对时间序列进行多尺度分解，再分别对各系数进行预测，最后重构得到最后的预测结果。
因为对系数进行了新的处理，所以不能直接用waverec函数重构原始信号，而需要先构造C，再用waverec函数重构原始信号。
所以这里主要解决的问题是如何用新的系数构造C，进而用waverec函数重构原始信号。
如果有哪个地方理解错误，还望指正


%%首先是不对系数进行另外处理的直接重构原始信号
%小波分解与重构
gasload=importdata('load_new.xls');

loaddata=gasload.data.Sheet2; 
a=loaddata(:,4);
a=a';

ls=length(a);

%多尺度一维分解
[C,L]=wavedec(a,3,'db1');
%提取系数
cA3=appcoef(C,L,'db1',3);

cD3=detcoef(C,L,3);

cD2=detcoef(C,L,2);
cD1=detcoef(C,L,1);
%重构系数

A3=wrcoef('a',C,L,'db1',3);

D1=wrcoef('d',C,L,'db1',1);

D2=wrcoef('d',C,L,'db1',2);

D3=wrcoef('d',C,L,'db1',3);

%重构原始信号

A0=waverec(C,L,'db1');

%重构最大误差
Err=max(abs(a-A0));
------------------------------------------以上是直接重构原始信号--------------------------
------------------------------------------以下是对系数进行处理后，构造C，再用waverec函数重构原始信号--------------------------

%%%省略对系数的处理过程
%%%。。。。。。。
%%%用新的系数构造C
这里之所以构造C，是因为waverec函数的参数C里存放的是原始的系数，而不是经过处理的新的系数；所以需要得到由新的系数构造的C。
现在需要了解C的构造方式，以便以正确的结构用新的参数构造C。在matlab里用help函数查看wavedec函数，可以看到关于C的结构介绍。从而反向来构造C。
help wavedec




已在matlab里通过size函数计算得到，
size (a)  为1*1000; size(C)为 1*1000；  size（L）为1*5；L=[125,125,250,500,1000];
size（cA3）为1*125；size（cD3）为1*125；size（cD2）为1*250；size（cD1）为1*500；


则依据help的结果，C的组成结构为【cA3,cD3,cD2,cD1】;
L1为近似系数cA3的长度（125），L2为细节系数cD3的长度（125）；L3为cD2的长度（250），L4为cD1的长度（500），L5为a的长度（1000）。


则用处理过的系数重构C就变得很简单；
C=[cA3,cD3,cD2,cD1]
再用waverec函数重构原始信号


A0=waverec(C,L,'db1');

%重构最大误差

Err=max(abs(a-A0));





























            
                

MATLAB的FDATOOL滤波算法

在matlab中使用不同的窗函数构造FIR数字低通滤波器
基于MATLAB的filter的使用，低通、带通和高通滤波器设计
教你如何使用matlab中的FDATOOL来设计滤波器
利用Matlab filterDesigner 工具生成FIR滤波器函数，并调用实现低通滤波
利用FilterDesigner设计滤波器
Matlab fdatool设计滤波器
关于Matlab中用fdatool设计滤波器
用Matlab的FDAtool生成IIR滤波器参数
加窗FIR滤波器设计实验
加窗FIR滤波器设计实验【内含实际使用filter的例子，讨论了filter、fftfilt、filtfilt的差别】
FIR高低通滤波器设计（用matlab）
FIR数字滤波器设计窗函数法MATLAB仿真(Hamming)
matlab进行FIR滤波器设计（一）
matlab的FIR滤波器设计
基于Matlab的FIR滤波器设计与实现
FIR滤波器的Matlab实现
简单的FIR滤波器设计（Matlab）