对以下代码进行改写，要求采用过零点光波信号区间分解的方法将去噪后的仿真声波信号划分为M个区间：% 生成测试信号 t = linspace(0, 1, 1000); y = sin(2pi20t) + sin(2pi40t) + sin(2pi60t); y_noise = y + 0.5randn(size(y)); % 小波去噪 thresh = 5*std(y_noise); % 设置阈值为 5 倍噪声标准差 [C, L] = wavedec(y_noise, 3, 'db9'); % 3 层小波分解，使用 db9 小波基 C_thresh = wthresh(C, 's', thresh); % 软阈值去噪 y_denoised = waverec(C_thresh, L, 'db9'); % 小波重构 % 绘制结果 subplot(2,1,1) plot(t, y_noise) title('含噪信号') subplot(2,1,2) plot(t, y_denoised) title('小波去噪后的信号')

以下是改写后的代码，使用过零点光波信号区间分解方法将去噪后的信号划分为M个区间：

% 生成测试信号
t = linspace(0, 1, 1000);
y = sin(2*pi*20*t) + sin(2*pi*40*t) + sin(2*pi*60*t);
y_noise = y + 0.5*randn(size(y));

% 小波去噪
thresh = 5*std(y_noise); % 设置阈值为 5 倍噪声标准差
[C, L] = wavedec(y_noise, 3, 'db9'); % 3 层小波分解，使用 db9 小波基
C_thresh = wthresh(C, 's', thresh); % 软阈值去噪
y_denoised = waverec(C_thresh, L, 'db9'); % 小波重构

% 过零点光波信号区间分解
M = 10; % 将信号分为 M 个区间
N = length(y_denoised);
interval_len = floor(N/M);
intervals = zeros(M, interval_len);
for i = 1:M
start_idx = (i-1)*interval_len + 1;
end_idx = i*interval_len;
intervals(i,:) = y_denoised(start_idx:end_idx);
intervals(i,intervals(i,:)>0) = 1; % 将正值设为 1
intervals(i,intervals(i,:)<=0) = -1; % 将负值设为 -1
end

% 将区间还原为信号
y_reconstructed = reshape(intervals', [], 1);

% 绘制结果
subplot(2,1,1)
plot(t, y_noise)
title('含噪信号')

subplot(2,1,2)
plot(t, y_reconstructed)
title('小波去噪并过零点光波信号区间分解后的信号')