基于信号处理的三种小波滤波算法简述.pdfVIP

基于信号处理的三种小波滤波算法简述 孙洁1 陈伟2 (西南石油大学理学院，四川省成都市610500) (西南石油大学计算机科学学院，四川省成都市610500) 摘要：小波滤波是近些年来小波分析在信号处理技术中应用的一个重要领域，与传统的滤波 方法相比，具有独特的优势。该文是在对目前小波滤波文献进行理解和综合的基础上，通过 对小波滤波问题的描述，系统论述了小波滤波的基本原理、算法和滤波特点；并把小波滤波 方法分为三类，即：Mallat提出的模极大值重构滤波算法、Donoho提出的小波域阈值滤波 算法、Xu提出的空域相关滤波算法，进而分别从计算量、稳定性、滤波效果、适用范围四 个方面对它们做了分析和比较，最后对它们的滤波特点及适用的信号类型进行了总结。 关键词s小波分析；小波滤波：模极大值重构滤波；小波域阈值滤波：空域相关滤波 1引言 小波分析(wavelet)是在应用数学的基础上发展起来的一门新兴学科，近十几年来得到 了飞速的发展。作为一种新的时频分析工具的小波分析，目前已成为国际上极为活跃的研究 领域。从纯粹数学的角度看，小波分析是调和分析这一数学领域半个世纪以来工作的结晶； 从应用科学和技术科学的角度来看，小波分析又是计算机应用，信号处理，图形分析，非线 性科学和工程技术近些年来在方法上的重大突破。由于小波分析的“自适应性”和“数学显 微镜”的美誉，使它与我们观察和分析问题的思路十分接近，因而被广泛应用于基础科学， 应用科学，尤其是信息科学，信号分析的方方面面。而数字信号处理的方法又有很多，小波 变换作为一种时一频分析工具，在其滤波应用中有很多方法，本文主要介绍其中三种比较具 有代表性的滤波算法，并对这三种算法的特点和它们分别适用的信号类型做了分析比较。 2小波滤波的基本思想 一般地，有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号则通常表 现为高频信号。所以消噪过程主要进行以下处理：首先对原始信号进行小波分解，则噪声部 分通常包含在高频系数中；然后对小波分解的高频系数以门限阈值等形式进行量化处理；最 后再对信号重构即可达到消噪的目的。对信号消噪实质上是抑制信号中的无用部分，恢复信 号中有用部分的过程。 3小波基本滤波算法 小波滤波可按以下特征分类：(1)按所采用的变换方法分为：进行基变换、利用框架变 换和通过选取最优基变换。(2)按所利用的小波性质分为：能量集中性、多分辨率特性、尺 度内相关性和时频局部化特性。(3)按使用的模型分为：贝叶斯方法、非贝叶斯方法等。其 中非贝叶斯方法又可分为三种：①Malhu提出的模极大值重构滤波；(虿)Donoho提出的小波 域阈值滤波；⑧Xu提出的空域相关滤波。下面的讨论就按非贝叶斯方法的三个分类进行， 这其中用区域相关的阈值滤波算法来替代空域相关滤波算法． 3．1小波模极大值滤波算法 由于小波变换在信号和噪声中有着不同的传播特性，即随着尺度的增大，信号和噪声所 对应的模极大值分别是增大和减小，因此，连续做若干次小波变换之后，由噪声对应的模极 大值已基本去除或幅值很小，而所余极值点主要由信号控制。基于这一原理，有如下滤波算 法： (1)对加噪信号进行二进小波变换，一般为4—5个尺度，并求出每一尺度上小波变换 系数的模极大值： (2)从最大尺度(设为4)开始，选一阈值A，若极值点对应的幅值的绝对值小于A。 则去掉该极值点：否则予以保留。这样就得到最大尺度上新的模极大值点； 18 (3)在尺度为J-l(j=4,3)上寻找尺度为．『上小波变换模极大值点的传播点，即保留 由信号产生的极值点，去除由噪声引起的极值点，具体方法如4； (4)在尺度为歹上的极大值点位置，构造一个邻域D研五，Ej)，其中，九为尺度-『上 的第i个极值点，Ej为仅与尺度j『有关的常数。在尺度为j-1上的极大值点中保留落在每一 邻域O(n，，￡，)上的极大值点，而去除落在邻域外面的极值点，从而得到j-t尺度上新的极 值点。然后令j=j-I，重复步骤4，直至j=2为止； (5)在j=2时存在极值点的位置上，保留j=l时的相应极值点，在其余位置将极值点 置为0； (6)将每一尺度上保留下来的极值点利用适当的方法重构小波系数，然后利用重构得 到的小波系数对信号进行恢复。 3．2小波域阈值滤波算法 思想：小波变换具有一种“集中”的能力。信号经过