小波变换理论与方法教程分析.ppt

2.2.3小波包分解 小波分析是将信号分解为近似与细节两部分，近似部分又可以分解成第二层近似与细节，可以这样重复下去。对于一个N层分解来说， 有N+1个分解信号的途径。而小波包分析的细节与近似部分一样，也可以分解，对于N层分解，它产生2N个不同的途径。 三 小波变换的一些应用 3.1小波包去噪 加噪信号数学模型为f(t)=s(t)+n(t)，s(t)是原信号，n(t)是随机白噪声，满足E[n(t)]=0和D[n(t)]=σ2。设Ψ(t)为小波函数，n(t)的小波包变换为 Wn(j,t)=n(t)·Ψj(t)= n(t)的小波包系数的期望和方差分别为： E(|Wn(j,t)|2)=0 D(|Wn(j,t)|2)= 3.1.1小波包去噪步骤 选择小波基并确定最佳分解的层次,对信号 进行小波包分解; 对步骤(1)获得的小波包树,选择一定的嫡标准,计算最优树; 估计阈值,并应用该阈值对最优树的小波包系数进行阈值量化; 将经量化处理的小波包系数,重构回原始信号。 小波包阈值消噪有两个关键点：1、如何估计阈值；2 如何利用阈值量化小波包系数。 熵的确定 熵：用来确定最优树的标准，熵值越小，对应的小波包基越好。 1）香农熵：约定0log(0)=0，则香农熵定义为： 2）P范数熵：若P≥1，在lp范数意义上定义E(s)= ,则： E(s)= 3)对数能量熵 E(si)= ，0log(0)=0,则有 E(s)= 4)阈值熵： E(s)= 式中，?是阈值，且? 0. 阈值选择准则 (1)基于无偏似然估计原理的Rigrsure规则； W为一向量，其元素为小波系数的平方，并按由小到大的顺序排列，W=[w1,w2,…,wn]，且w1≤w2≤…≤wn，再设一向量R，其元素为： ri=[ n-2i-(n-i)w+ ]/n (i=1,2,….,n) 以R元素中的最小值rb为风险值，由rb的下标变量b求出对应的wb，则 阈值T1为： T1= ? （2）通用阈值T1(sqtwolog准则) T2= （3）启发式的stein无偏风险阈值T3（Heursure）准则 设∑为n个小波系数的平方和，令η= ，μ= ，则 T3= ?(4)基于极大极小原理的Minimax方法 该准则采用的也是一种固定阈值，它产生一个最小均方误差的极值。具体的阈值选取规则为： T4= 阈值量化函数的选取 阈值量化是应用所估计的阈值T，对小波系数进行的处理。目前，阈值量化函数主要采用两种方法。 一种是硬阈值法，当小波系数大于该阈值时，保留原值，否则置零，其公式为： 另一种是软阈值法，当小波包系数大于该阈值时，向着减小系数幅值的方向作一个收缩δ，否则置零，其公式为： 式中，sgn（）为符号函数。 阈值准则 heursure sqtwolog rigrsure mininmax SNR 11.0062 28.7143 11.0062 21.9542 rmse 1.7976 0.7416 1.7976 1.0398 阈值量化函数 硬阈值法 软阈值法 SNR 13.9391 28.7143 RMSE 1.5524 0.7416 系统性干扰信号探测 阈值准则 噪声消除和系统干扰处理 小波包阈值消噪 SNR 43.4135 28.7143 RMSE 0.3556 0.7416 3.2 小波时频图 可将多分辨分析与连续小波变换结合起来分析信号的特征 3.3 识别信号发展趋势 3.4 无参回归估计 随机设计模式 固定设计模式 * 主要内容 傅里叶变换 小波变换 小波变换的一些应用 一 傅里叶变换 ◆ 1822年，法国数学家傅里叶(J.Fourier)发表的研究热传导理论的“热的力学分析”,提出“每一个周期函数都可以表示成三角函数之和” ，奠定了傅里叶级数的理论基础。 ◆ 1829年，