小波信号去噪--武延亮.pptVIP

噪声的能量的计算: SSNF方法中各尺度下递归过程的结束条件 在尺度j下, 当从 中已抽取 噪声能量阈值该如何取值？ 个边缘点时， 含噪信号的噪声方差 的估计: 噪声主要分布在小尺度上，所以可以从最小的两个尺度层的小波变换估计 。如果 ，则将该点的小波系数 置为0。 对每个小波系数做这样的一轮处理后，我们用 表示对 处理的结果,则 基于小波变换尺度间相关性的去噪 改进算法: 1．引入系数比较的权重 3. 从大尺度到小尺度提取边缘信息 2．引入噪声能量的权重 目的: 避免在小尺度上将许多噪声作为边缘被提取出来. 考虑到信号与噪声在不同尺度下的能量大小的不同变化，需引入 一个噪声能量权重，以使噪声阈值更加合理 . 为避免从小尺度到大尺度的提取方法由于在小尺度上将过多的 噪声作为边缘提取而影响去噪的质量。 基于小波变换尺度间相关性的去噪 基本原理 主要理论依据是， 系数幅值. 经小波分解后，信号的小波系数幅值要大于噪声的 具体处理过程为：将含噪信号在各尺度上进行(正交)小波分解，保留大尺度（低分辨率）下的全部分解值；对于小尺度（高分辨率）下的分解值，可以设定一个阈值，幅值低于该阈值的小波系数置为零，高于该阈值的小波系数或者完整保留，或者做相应的“收缩（shrinkage）” 处理。最后将处理后获得的小波系数利用逆小波变换进行重构，恢复出有效的信