信号的属性分析方法初探谈猫狗分离思想在信号滤波中的应用.ppt

熊 刚 2014年3月27日 小波阈值收缩滤波器中的分解级数以及小波长度都只能是整数，这样其去噪性能参数不能连续可调。然而如果像表1中那样设置参数，也可以得到一个相对满意的去噪结果，其指标RMSE_F =1.3436 、SNR_F= 31.4137 dB。因此为了保证相同的去噪能力，我们取小波阈值收缩滤波器中的RMSE_F和SNR_F的值为参考值。 由于Savitzky-Golay滤波器以及中位值滤波器的RMSE_F值和SNR_F值不能达到设定的参考值范围之内，因此调整参数使其得到最小的RMSE_F值和最大的SNR_F值。 尽管Savitzky–Golay过滤器和中位值过滤器的RMSE_F值高于其他方法，但是它们的SNR_G值却低于其他方法。 对于其他的方法，该图展示了当它们保持大体相当的RMSE_F值和SNR_F值时，三元ADWA滤波器可以获得最低的RMSE_G、RMSE_D值和最高的SNR_G、SNR_D值。 对于ADWA法，当RMSE_F值和SNR_F值保持不变时，随着属性元次的增加，其RMSE_G、RMSE_D值不断减小，SNR_G、SNR_D的值不断增加。虽然一元ADWA法在特征保持上不如LMS AF法，但是二元ADWA法通过增加“幅值”属性后，特征保持性能超过了LMS AF。同样，在信号细节集中区域的特征保持上二元ADWA法不如NA diffusion法和wavelet TS法，但是，通过增加“梯度”属性，三元ADWA也同样超过了他们。 当滤波曲线在平坦区域不变、整体滤波曲线大体保持相似的平滑度时，ADWA法的过滤结果曲线随着其元次的增加越来越接近原始信号曲线。表明对于ADWA法，当保持几乎相同的除噪能力时，它的特征保持能力随着特征属性元次的增加而变得越来越强大。 在信号的局部平直区域，比如信号的平坦区、第一个三角信号的上下斜坡中部、矩形波信号底部和顶部平坦区域中部、Chirp信号的前方低频区，所有三个属性元次的ADWA的滤波结果曲线都是相互重叠在一起的。这表明，在这些局部平直区域，滤波成果已由1-ADWA/L获得；对于“位置”属性所获得的这种滤波成果，“幅值”和“梯度”的引入并没有产生什么影响和作用，只是保持了这种滤波成果而已。 对于2-ADWA/LV和3-ADWA/LVG，在1-ADWA/L的基础上引入“幅值”属性后，它们的噪声去除性能都得到了保持（即滤波结果曲线保持几乎同样的平滑度）；同时，在信号的陡峭区域，比如第二个三角信号的下降沿、矩形信号的两个阶跃边缘，Chirp信号后部高频区的上升下降沿，它们的信号特征保持性能也都立即得到了明显的提高。在信号的这些陡峭区域，这两个属性元次的ADWA的滤波结果曲线也都很好地重合在了一起。 对于3-ADWA/LVG，在2-ADWA/LV的基础上引入“梯度”属性后，前两个属性元次的ADWA所获得的噪声去除效果继续得到了保持；而在诸如图5?17中标记了“A”、“B”和“D”的这类信号梯度快速变化的转折区域，它的滤波结果又更进一步地向原始无噪信号靠近了，信号特征保持性能由此得到了更进一步的提高。特别是在Chirp信号的高频区，3-ADWA/LVG的滤波结果曲线几乎保持了和原始无噪信号相同的幅度。事实上，在信号转折越剧烈的区域，3-ADWA/LVG的滤波结果就越靠近原始信号。这正是由于在这些区域，滤波窗口所覆盖信号采样点之间的“梯度”距离更大，因而“梯度”属性对滤波性能的贡献也更大。 由于ADWA对属性具有开放性，只要有合适的、充分的显著性属性能被挖掘出来并引入到ADWA中，综合滤波性能就有望被提高到充分理想的程度。 最后，我们考查一下图5?15中“梯度”脉冲对滤波结果的影响。图5?17表明，在3-ADWA/LVG的滤波结果中，有一个“毛刺”出现在矩形信号顶部靠近负阶跃的位置。出现这个“毛刺”的原因是，正如图5?15中“梯度”脉冲所示，靠近负阶跃的各数据点之间在“梯度”方向相互离得都很远，它们之间的“梯度”距离远大于“梯度”正规化系数；在这种情况下，滤波窗口只能覆盖极少量的信号点，导致噪声无法被加权平均掉，因而噪声本身形成了这个“毛刺”。但对于图5?17中正阶跃附近的信号点，由于“梯度”脉冲被去掉而使这些点的“梯度”近于相等，如图5?15所示，它们之间的接近于0并远小于σG ；这样，3-ADWA/LVG的滤波窗口可以覆盖很多的信号点，从而使噪声能被很好地加权平均掉。因此，在正阶跃附近，滤波结果获得了很满意的信号特征保持效果。 在平坦区域具有比较强的除噪能力的情况下，在NA diffusion滤波器的滤波曲线中出现了明显的阶梯状波动，在wavelet TS滤波器的滤波曲线中也同样出现了震荡和振幅衰减。 在滤波曲线中，为了得到比较强的除噪能力，Savitzky–