基于自适应小波阈值收缩算法的冲击消噪·1·基于自适应小波阈值收缩.doc

基于自适应小波阈值收缩算法的冲击消噪 姜磊 （北京航天长征飞行器研究所，北京 100076） 摘 要：冲击信号属于非平稳随机信号，在分析冲击信号之前信号消噪非常重要。本文基于Donoho提出的小波阈值收缩算法，提出了一种新的自适应于原信号的折中收缩函数。不同于经典阈值消噪方法，新方法克服了硬阈值算法造成的信号不连续的缺点，也弱化了软阈值算法中原信号小波系数与消噪后小波系数的固定偏差。应用结果表明，自适应小波阈值算法对冲击信号消噪比常用的软阈值或硬阈值算法具有更好的直观效果。 关键词：小波变换；冲击信号；自适应；消噪 中图分类号：TP274 文献标示码：A 文章编号：1000-8829(出版年)期数Adaptive Wavelet Denoising of Shock Signal JIANG Lei (Beijing Institute of Space Long March Vehicle, Beijing, 100076, China) Abstract: Shock signal belongs to non-stationary random signal, and the signal denoising is an important task before analyzing it. Based on wavelet thresholding denoising method presented by Donoho, we proposed a new compromising threshold function which is self-adaptive to the signal. Unlike classical thresholding denoising methods, the new method overcomes the discontinuity of the hard-thresholding method and reduces the fixed deviation between the estimated wavelet coefficients and the decomposed wavelet coefficients of the soft thresholding method. The results show that the improved method gives better Signalthan the two classic methods. Key words: wavelet transform; shock signal; self-adaptive; denoising 冲击信号是一类持续时间极短、频率范围宽、动态范围大的速变信号，且具有时变性，为了准确测量到冲击的峰值，通常以很高的采样率（几十KHz）对信号采样，信号中不可避免的存在噪声污染。在对冲击信号进一步进行损伤势研究之前，需要将有效信号提取出来。由于在信号的分析频带范围内，信号与噪声是混杂在一起的，所以应用傅立叶低通滤波的方法不能将信号和噪声分离。 近年来，信号分析领域最大的进展就是小波变换（Wavelet Transform，WT其中，j是从－∞+∞的整数，j值越小空间越大，V称为尺度空间（在频域对应着低频），W称为小波空间（在频域对应着高频）。j=4的离散小波变换的空间分解情况如图1所示。 图1 j=4时函数空间的逐级二分图 由于连续小波变换在本质上是二维的[1]，以二维变换来表征一维信号存在信息冗余，所以通常要对小波变换离散化。尺度因子和平移因子的二进制离散化公式分别为 与之对应的二进制离散小波基为 离散小波变换系数为 (公式1) 其重构公式为 式中： c是与信号无关的常数。 1989年，Mallat在小波变换多分辨率分析与图像处理的应用中受塔式算法的启发，提出了信号的塔式多分辨率分析与重构的快速算法，即马拉特（Mallat）算法。Mallat算法是二进制离散小波变换的快速算法，对小波变换的应用起到了很大的推动作用，这一算法在小波变换中的地位相当于FFT算法在傅里叶变换中的地位。运用Mallat算法,可以将信号进行二进离散小波分解,每一层分解的结果是将上一层分解得到的低频信号分解成低频和高频两部分。离散小波变换具有近似的频率二分性。假如信号的采样率为Fs，则分解前信号的频带范围为0～Fs/2,一次分解后得到的低频信号频带范围为0～Fs/4,高频信号的频带范围为Fs/4～ Fs/2, 二次分解后得到的低频信号频带范围为0～ Fs/8,高频信号的频带范围为Fs/8～Fs/4。每一次分解后的数据经2抽取,分