高级数字信号处理实验2实验报告..docxVIP

高级数字信号处理实验二实验报告——基于小波变换的信号去噪班级 姓名：柯晟 学号验目的通过对给定信号进行小波阈值去噪处理，加深对小波变换基本概念和基本原理的了解。实验环境Matlab 2012b 实验原理基于小波变换的信号去噪程序结构如下图：本实验主要实现基于小波阈值的去噪方法，这些方法的基本流程图如图1所示。假设一个叠加了高斯白噪声的有限长信号可以表示成则去噪方法的步骤是：选择合适的小波和小波分解层数J，对含噪声信号y(n)进行离散小波变换DWT，得到一组小波分解系数。选取一个合适的阈值，对分解得到的小波系数进行阈值处理，得到修正后的小波系数。硬阈值处理：软阈值处理：其中，表示修正后的小波系数。（3）对修正后的小波系数进行逆小波变换，得到去噪后的信号。VisuShrink方法是由Donoho D.L.和Johnstone I.M.在1994年提出的。该方法适用于正交小波变换和加性零均值高斯白噪声的情况。阈值的表达式为其中，表示第一级小波分解的系数，是根据第一级小波系数估计出的噪声标准差，M为第一级小波系数的个数。实验步骤与结果blocks信号加信噪比不同时的时域波形对不同信噪比的信号进行3级小波分解后，硬阈值处理的结果分别如下三图（从上到下依次对应SNR=3，SNR=5，SNR=7）。对不同信噪比的信号进行3级小波分解后，软阈值处理的结果分别如下三图（从上到下依次对应SNR=3，SNR=5，SNR=7）。由上面的结果可以看出，软阈值处理得到的波形更加平滑，与原信号相关度较大。但是对两种处理方法得到的结果进行统计，可以得到下表：SNR加噪声后信号误差硬阈值处理后信号误差软阈值处理后信号误差330.9876713.24690188815214.37623218249812.1783120.44547从表格中可以看出，硬阈值处理得到的信号的均方误差要比软阈值的小。同时，也观察到去噪的结果同信噪比没有直接关系。对加噪后的信号进行5级小波分解。重复上述步骤。只列出SNR=3的结果。硬阈值处理、软阈值处理的结果分别如下左图和右图。由图中明显可以看出，信号的失真非常严重。这是由于小波分解级数增大时，被滤掉的细节信号增多。因此，剩余信号的失真会随着分解级数增大而严重。bumps信号加信噪比不同时的时域波形对不同信噪比的信号进行3级小波分解后，硬阈值处理的结果分别如下三图（从上到下依次对应SNR=3，SNR=5，SNR=7）。对不同信噪比的信号进行3级小波分解后，软阈值处理的结果分别如下三图（从上到下依次对应SNR=3，SNR=5，SNR=7）。对加噪后的信号进行5级小波分解。重复上述步骤。只列出SNR=3的结果。硬阈值处理、软阈值处理的结果分别如下左图和右图。heavy sine信号加信噪比不同时的时域波形其小波变换结果类似1、2，在此不予列出。Doppler信号加信噪比不同时的时域波形五、实验结论1. 软阈值处理得到的信号比硬阈值处理得到的信号光滑，但后者比前者的均方误差小。2. 小波分解的级数越大，信号的失真越严重。与此同时去噪声的能力更强。3. 选取小波基函数时，选取的小波基函数与所要处理的信号应有较大的相关度，以便将能量集中到较少的小波系数上，使得处理后信号的失真较小。实验心得由于这学期在学习泛函分析这门课，在学习小波变换前，我开始思考是否存在一种新的空间，它与时域和频域都正交，通过定义空间中的范数，使得在这个空间中信号本身也有有较好的正交性。学习了小波变换以后，特别是正交小波变换，从某种意义上解答了我这个问题，至少知道了这种问题前人已经考虑过，为未来的研究学习打了一些基础。通过这次试验，我对于小波变换的理解和应用更深了一层。但是，对于小波变换的性质、以及小波基的性质并没有理解的很深入，对于小波变换的计算过程也有点迷惑。希望这些问题在未来的学习过程中能够得到解答。