小波变换理论及在降噪中的应用.pptVIP

小波变换及其在降噪中的应用 刘 怡 马春浩 何丽珍 方启超 2011.6.16 小波变换的发展历史 1822年傅里叶发表“热传导解析理论”，傅里叶变换成为传统信号处理的基本方法。其基本思想是将信号分解成许多不同频率的正弦波的叠加，将信号从时间域转换到频率域。但是，这种变换丢失时间信息，不利于分析非平稳信号，如实际信号中的偏移、趋势、突变等。 小波变换的发展历史 为了研究信号在局部时间段得频域特征，1946年Gabor提出了著名的Gabor变换，之后发展成为短时傅里叶变换（STFT）。其基本思想是对信号加窗，然后对窗内的信号进行傅里叶变换，因此它可以反映信号的局部特征。 小波变换的发展历史 1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的统一方法——多尺度分析。它继承了STFT的思想，它的窗口大小不变，但窗口形状可以改变，是一种时间窗和频率窗都可以改变的视频分析方法。简单来说，小波分析在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低分辨率，在时频域都具有很强的表征信号局部特征的能力。 小波理论 小波理论 小波理论 常用小波函数 常用小波函数 常用小波函数 快速小波变换（FWT） 小波分析主要是在信号降噪（一维小波变换）和图像处理（二维小波变化）方面有着重要的应用，本篇所讲的主要是利用一维离散小波变换在信号降噪方面的应用。 一维离散小波变换实现的算法一般是mallat算法，即先对较大尺度的信号进行小波变换，再选取其中的低频部分在原尺度的1/2尺度上再进行小波变换。此种算法又称快速小波变换（FWT）。 小波分析的应用 快速小波变换（FWT） 第一步：给定一个长度为N的信号s，那么整个算法之多在log2N步内完成，第一步从原始信号s开始，产生两组参数，一组是作用低通滤波器Lo_D得到的近似信号cA1，另一组是作用高通滤波器Hi_D得到的细节信号cD1，这两个信号都是原始信号在滤波器作用下以尺度为2的下采样。 第二步：把其中的低频部分cA1再次分解，直到所需要的层数。 快速小波变换（FWT） 快速小波变换（FWT） 在MATLAB中实现多尺度分解的函数是wavedec，该函数的使用方式如下： [C,L]=wavedec(s,N,vname) 其中，s表示信号，N为分解层数（必须是一个正整数），‘vname’表示选用的小波基。这个函数返回的是一个分解向量C和长度向量L。 快速小波变换（FWT） 快速小波变换（FWT） 小波变换在降噪中的应用 光滑性：在大部分情况下，降噪后的信号应该至少和原信号具有相同的光滑性。 相似性：降噪后的信号和原信号的方差估计应该是最坏情况下的最小值。 小波变换在降噪中的应用 上图所示为含有噪声的原始信号，其在初始阶段的振荡频率很高，可以看做是系统的特性。相对于有用信号，噪声是高频信号，我们分别用FFT变换滤波和小波滤波来观察两种滤波效果的不同。 小波变换在降噪中的应用 小波变换在降噪中的应用 上图自上而下分别是原始信号、经过FFT变换删除其中大于10Hz、30Hz、50Hz部分再经过傅里叶逆变换得到信号。可以看到，虽然达到滤波效果，但是初始阶段的振荡也被滤掉了，即有用信号也被滤掉了。 小波变换在降噪中的应用 上图是利用sym4小波分别使用全局阈值和分层阈值对原始信号进行滤波得到的结果。从图中可以看出，用小波进行降噪，不仅滤除了噪声，还很好的保留了信号发展初期的高频特性。 谢谢！ 宝山壁画 宝山壁画是引人注目的昂贵文物。此壁画发现于阿鲁科尔沁旗东沙布乡境内。1994年列为“全国十大考古新发现”之一。宝山壁画中最引人注目的是《杨贵妃教鹦鹉图》。该画高0.7米、宽2.3米，用于笔重彩绘制，最突出的表现了 晚唐风格。唐代擅长绘贵妇仕女的大师周昉绘制了《杨贵妃教鹦鹉图》，不仅享誉中原，而且还影响全国各地。发现于阿旗宝山古墓里的这幅画，就是契丹人聘请中原画家按照周氏风格绘制的， 技法深得周氏画风的真传。在唐人真迹稀如星风的今天，能够从中完整了解唐代人物画的杰出成就，堪称美术史研究的辛事。这幅壁画现今保存在阿鲁科尔沁旗博物馆，历经千年，恍如新绘，是该馆的镇馆之宝。 欢迎大家观看！ * * 小波函数定义 L2(R)指R上平方可积（或能量有限）函数构成的函数空间 连续伸缩、平移 离散伸缩、平移 小波变换的定义 1. Haar小波 2.Daubechies(dbN)小波 Daubechies小波由著名小波学者Ingrid Daub