基于小波分析的信号去噪技术.docVIP

基于小波分析的信号去噪技术 [摘要] 介绍了小波变换的基本思想和优点及多分辨率分析的过程, 并在MA TLAB 下利用小波变换工具箱, 编写程序实现信号去噪处理。充分显示了小波变换在处理非平稳信号中的优势。 [关键词] 小波变换　信号去噪　模极大值　李普西兹指数 在通信及计算机过程控制系统中，对信号进行实时采样是很重要的环节。但由于信号在Matlab软件在计算机上实现了信号的噪声消除， 1.小波变换与多分辨率分析　　设是定义在上能量有限的函数，Ψ构成平方可积信号空间，记为ΨL2(R)，则生成函数族{ }：　　 （1） 　　Ψ(t)称为小波函数，由Ψ(t)伸缩和平移生成，为小波基函数。a为伸缩因子，b为平移因子。对任一信号L2(R)的连续小波变换可定义为信号 （2）　　连续小波变换具有线性、平移不变性、伸缩共变性、自相似性和冗余性等重要　　在工程上利用小波变换对信号进行处理，应用最广泛的是二进小波变换，即取，，则f(t)的二进小波变换为：　　　　二进小波对尺度参数进行离散化，而对时间域上的平移参量保持连续变化，　　1988年，Mallat在构造正交小波基时提出了多分辨率分析的概念，从空间的概念上形象地Mallat算法。　　若为信号的离散采样数据，如果，则有：　　….N-1 (4) N为离散采样数据；h,g为脉冲响应，即分解各列滤波器组系数；为信号的逼近系数；为在分辨率下的连续逼近；为信为在分辨率下的离散细节。信号的Mallat重 和分别为和的共轭转置，实际上也是滤波器的脉冲响应，即重构各滤波器组系数。　　Mallat算法使离散的采样信号通过低通滤波器H后得逼近原始信号的数据；通过高通滤G后得信号边缘细节信息的数据，所以小波变换的实质是滤波运算。随着小波变换尺度 2.小波消噪的基本原理及方法　　运用小波分析进行信号噪声消除是小波分析的一个非常重要的应用之一。　　一个含噪声的一维信号的模型可表示为：　　 (6) 式中，为真实信号；为噪声；为含噪信号。这里以一个简单的噪声模型加以为高斯白噪声N（0，1），噪声级为1。在实际工程中，有用信号通常表现稳的信号，噪声信号则表现为高频信号，所以消噪过程可按以下方法进行处理。　　首先对实际信号进行小波分解，选择小波并确定分解层次为N，则噪声部分通常包含N层1～N层高频系数进行小波重构，达到消除噪声的目的，即抑制信　　小波消噪的方法一般有3种：　　强制消噪处理该方法把小波分解结构中的高频部分全滑，但易丢失有用信号。　　默认阈值消噪处理在Matlab中利用ddencmp函数产生信号默认阈wdencmp函数进行消噪处理。　　给定软或硬阈值消噪处理在实际消 3.小波消噪的Matlab实现　　Matlab软件是Mathwork公司于1982年推出的一套高性能的数值计算可视化软件。他解决实根据，通过Matlab编制程序并运行，可以得到如图所示结果。 ? 图中，在小波抑制后的信号中对应t=处的是人为添加的，所含的噪声是一个白噪声，但实际的噪声大多不是白噪可以看到利用小波抑制真实噪声仍有不错的小波消噪对非平稳信号的噪声消除具有无可比拟的优点。在实际工程应用中，所分析Fourior分析显得无能为力。因为Fourior分析是将信号变换到频域中进行分析，不能给出信号在某 和噪声，从而实现非平稳信号的消噪。4．结语　　小波变换是一种信号的时频分析方法，具有多分辨率分析的特点，很。通过Matlab编制程序进行给定信号的噪声抑制和非平稳信号的噪声消除实验表明：基于小波变换的消噪方法是一种提取有用信号、展示噪声和突变信号的优越方法，具有广阔的实用价值。 % mallet_wavelet.m [l,h]=wfilters(db10,d); low_construct=l; L_fre=20; %滤波器长度 low_decompose=low_construct(end:-1:1); %确定h0(-n)，低通分解滤波器 for i_high=1:L_fre; %确定h1(n)=(-1)^n,高通重建滤波器 if(mod(i_high,2)==0); coefficient=-1; else coefficient=1; end high_construct(1,i_high)=low_decompose(1,i_high)*coefficient; end high_decompose=high_construct(end:-1:1); %高通分解滤波器h1(-n) L_signal=100; %信号长度 n=1:L_signal; %原始信号赋值 f=10; t=0.001; y=10*cos