小波分析PPT.ppt

2 0 1 4 小波分析及其应用 参与者：李明洪 李子东 丁均匀 朱一鸣 目录 1 小波分析简单介绍 2 小波分析在信号去噪中的应用 3 小波分析在图像处理上的应用 小波分析的简单介绍 发展历程 发展历程：小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际经验的需要建立了反演公式 ?基础：现代调和分析理论 ?背景：泛函、傅里叶理论、数字信号等 ?历程：FT或FFT—STFT—WT与WPT 小波分析是当前应用数学和工程学科中一个迅速发展的新领域，经过近10年的探索研究，重要的数学形式化体系已经建立，理论基础更加扎实。与Fourier变换相比，小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析 工程上的应用 ?非平稳信号的分析和模拟 ?小波系数平方——量图 ?描述信号的隐藏性质 ?反映信号在时间-尺度域的信号能量 ?能量的流动、谱的演变 小波分析在信号除燥上的应用 PICTURE 如果一个信号()fn被噪声污染后为()sn，那么基本的噪声模型就可以表示为?()()()snfnen????式中：()en为噪声；?为噪声强度。最简单的情况下()en为高斯白噪声，且?=1。小波变换就是要抑制()en以恢复()fn，从而达到去除噪声的目的。从统计学的观点看，这个模型是一个随时间推移的回归模型，也可以看作是在正交基上对函数()fn无参估计。小波去噪通常通过以下3个步骤予以实现：?a)小波分解；?b)设定各层细节的阈值，对得到的小波系数进行阈值处理；?c)小波逆变换重构信号。?小波去噪的结果取决于以下2点：?a)去噪后的信号应该和原信号有同等的光滑性；?b)信号经处理后与原信号的均方根误差越小，信噪比越大，效果越好。?如何选择阈值和如何利用阈值来量化小波系数，将直接影响到小波去噪结果。 　依据所处理信号类型的不同 , 对小波变换与短时傅立叶变换进行了比 较 , 说明小波变换适用于非平稳信号和奇异信号的处理. 简要介绍了连续小波变换、 离散小波变换和小波包理论的基本内容 , 讨论了小波变换实际应用中的采样和快速 算法等几个关键问题. 结合矢量量化技术 , 给出了一种用小波变换对星载 SAR(Syn2 thetic Aperture Radar) 原始数据进行压缩的方法 ,结果表明 , 与传统的方法相比 , 由该 方法压缩后的原始数据生成的 SAR 图像 具有更大的信噪比. 同时 对小波变换用于雷 达目标识别和 SAR 图像分类的性能进 行了初步分析 小波分析在信号除燥上的应用 PICTURE 如果一个信号()fn被噪声污染后为()sn，那么基本的噪声模型就可以表示为?()()()snfnen????式中：()en为噪声；?为噪声强度。最简单的情况下()en为高斯白噪声，且?=1。小波变换就是要抑制()en以恢复()fn，从而达到去除噪声的目的。从统计学的观点看，这个模型是一个随时间推移的回归模型，也可以看作是在正交基上对函数()fn无参估计。小波去噪通常通过以下3个步骤予以实现：?a)小波分解；?b)设定各层细节的阈值，对得到的小波系数进行阈值处理；?c)小波逆变换重构信号。?小波去噪的结果取决于以下2点：?a)去噪后的信号应该和原信号有同等的光滑性；?b)信号经处理后与原信号的均方根误差越小，信噪比越大，效果越好。?如何选择阈值和如何利用阈值来量化小波系数，将直接影响到小波去噪结果。 小波分析在信号除燥上的应用 PICTURE 如果一个信号()fn被噪声污染后为()sn，那么基本的噪声模型就可以表示为?()()()snfnen????式中：()en为噪声；?为噪声强度。最简单的情况下()en为高斯白噪声，且?=1。小波变换就是要抑制()en以恢复()fn，从而达到去除噪声的目的。从统计学的观点看，这个模型是一个随时间推移的回归模型，也可以看作是在正交基上对函数()fn无参估计。小波去噪通常通过以下3个步骤予以实现：?a)小波分解；?b)设定各层细节的阈值，对得到的小波系数进行阈值处理；?c)小波逆变换重构信号。?小波去噪的结果取决于以下2点：?a)去噪后的信号应该和原信号有同等的光滑性；?b)信号经处理后与原信号的均方根误差越小，信噪比越大，效果越好。?如何选择阈值和如何利用阈值来量化小波系数，将直接影响到小波去噪结果。 小波分析在信号除燥上的应用 PICTURE 如果一个信号()fn被噪声污染后为()sn，那么基本的噪声模型就可以表示为?()()()snfnen????式中：()en为噪声；?为噪声强度。最简单的情况下()en为高斯白噪声，且?=1。小波变