(小波去噪).doc

1. 定义 小波分析是近年来发展起来的一种新的信号处理工具，这种方法源于傅立叶分析，小波（wavelet），即小区域的波，仅仅在非常有限的一段区间有非零值，而不是像正弦波和余弦波那样无始无终。小波可以沿时间轴前后平移，也可按比例伸展和压缩以获取低频和高频小波，构造好的小波函数可以用于滤波或压缩信号，从而可以提取出已含噪声信号中的有用信号。 2. 公式描述 设Ψ(t)∈L 2( R) ( L 2( R) 表示平方可积的实数空间，即能量有限的信号空间) ，其傅立叶变换为Ψ(t)。当Ψ(t)满足条件： 时，我们称Ψ(t)为一个基本小波或母小波，将母小波函数Ψ(t)经伸缩和平移后，就可以得到一个小波序列： 其中a为伸缩因子，b为平移因子。 对于任意的函数f(t)∈L 2( R)的连续小波变换为： 其逆变换为： 小波变换的时频窗是可以由伸缩因子a和平移因子b来调节的，平移因子b,可以改变窗口在相平面时间轴上的位置，而伸缩因子b的大小不仅能影响窗口在频率轴上的位置,还能改变窗口的形状。小波变换对不同的频率在时域上的取样步长是可调节的，在低频时，小波变换的时间分辨率较低，频率分辨率较高：在高频时，小波变换的时间分辨率较高，而频率分辨率较低。使用小波变换处理信号时，首先选取适当的小波函数对信号进行分解，其次对分解出的参数进行阈值处理，选取合适的阈值进行分析，最后利用处理后的参数进行逆小波变换，对信号进行重构。 小波去噪实际上是特征提取和低通滤波的综合 ,其流程框图如图所示： 小波分析的重要应用之一就是用于信号消噪 ,一个含噪的一维信号模型可表示为如下形式： k=0.1…….n-1 其中 ,f( k)为有用信号,s(k)为含噪声信号,e(k)为噪声,ε为噪声系数的标准偏差。 假设e(k)为高斯白噪声,通常情况下有用信号表现为低频部分或是一些比较平稳的信号,而噪声信号则表现为高频的信号,下面对 s(k)信号进行如图结构的小波分解,则噪声部分通常包含在Cd1、Cd2、Cd3中,只要对 Cd1,Cd2,Cd3作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的。 3. 仿真代码 F = imread(C:\Users\....\Desktop\0.jpg); subplot(2,2,1); imshow(F); title(原始图像); noise = 0.1*randn(size(F)); Noise = imadd(F, im2uint8(noise)); subplot(2,2,2); imshow(Noise); title(加噪图像); [thr,sorh,keepapp] = ddencmp(den,wv,im2double(Noise)); Restore = wdencmp(gbl,im2double(Noise),sym2,2,thr,sorh,keepapp); subplot(2,2,3); imshow(Restore); title(小波去噪图像); 4. 仿真图像