基于小波变换的信号去噪技术及实现.doc

基于小波变换的信号去噪技术及实现　?摘　要：阐述了小波变换去除信号噪声的基本原理和方法。研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声，然后利用Matlab软件编制程序实现了基于小波变换的正弦信号噪声抑制和非平稳信号的去噪仿真分析。 仿真结果表明小波变换去除噪声的效果比传统的Fourir变换方法具有极大的优越性。The elimination of noise and realization based on wavelet transform Dingchao Yuan (School of Ocean and Earth science, Shanghai Tongji University, Shanghai) Abstract: expatiated the principle and method to remove the noise inside the signals based the Wavelet transform. Suppresses and removes the non- steady noise using the wavelet transform, then go to chirp the simulation analysis of sine signal based on the wavelet transform 。The simulation result indicates the effect of the wavelet transform to remove the noise has the enormous superiority compared to the traditional Fourier transform method. Keyword: Fourier transform; Wavelet Transform; Mallat Algorithm; Matlab 在对地震数据进行处理和解释之前，对信号进行实时采样是很重要的环节。但由于信号在激励、采集过程中，可能不同程度地受到随机噪声的污染，特别在小信号采集和测量中，噪声干扰显得尤其严重。因此，如何消除实际信号中的噪声，从混有噪声的信号中提取有用信息一直是数据处理研究的焦点之一。 从fourier发表热传导解析理论以来,fourier变换一直是信号处理领域中应用最广泛的一种分析手段.fourier变换[1]的基本思想是将信号分解成一系列不现频率的连续正弦波的叠加,或者从另外一个角度来说是将信号从时间域转化到频率域. (a) (b) 图1: a为S(t)在时间域的显示，b为s(t)在频率域的显示 FIG.1. (a)S(t) in time domain,(b)s(t)in frequency domain . 但是Fourier变换有一个严重的不足,那就是在做变换的时候丢掉了时间信息,无法根据Fourier变换的结果判断一个特定的信号是在什么时候发生的.也就是说,Fourier变换只是一个纯频域的分析方法,在时域无任何分辨能力.另外,Fouirer变换是全局变换,对信号的局部性质的表现显得无能为力. 在实际中,大多数信号均含有大量的非稳态成分,如偏移,突变,信号的起始与终止等.而这些情况是相当重要的,反映了信号的重要特征.例如,音乐信号在不同时间演奏不同音符;地震信号发生突变对应地下的复杂构造.对于这类信号进行分析通常需要提取某一段时间(或瞬间)的频域特征或某一频率段的时间信息.所以需要寻求一种对时间域和频率域都具有良好的适应力的方法来分析时变信号[2]. 小波变换是近年来迅速发展起来的一个新的数学分支, 在信号分析和图像处理等方面具有广泛的应用, 并且已经取得了显著的效果[3]. 小波在继承和发展了STFT(Short Time Fourier Transform)的局部化思想的基础上,克服了窗口大小不随频率变化,缺乏离散正交基的缺点, 是一种比较理想的信号处理方法.因而, 就信号去噪问题而言, 它比经典的频率域滤波方法更具有灵活性. 以小波变换为基础的处理方法不但能够获得较高的信噪比, 而且能够保持良好的分辨率[4-5]. 1.1 小波分解与重构 若是平方可积函数(记作是指平方可积, 即能量有限的函数空间), 并且满足式 （1） 则称为母小波函数, 对进行伸缩和平移变换, 设伸缩因子为a, 平移因子为b,且a, bR, a0, 可