第六章小波方法在滤波和消噪方面的应用解说.pptVIP

第六章 小波分析方法在滤波和消噪方面的应用 6.1 小波分析在常规滤波方面的应用 低通滤波 要求：要求保留原信号中特定的低频范围信号，去掉高频分量。 方法：使用小波包算法，保留需要低频部分，高频部分置零。 高通滤波 要求：保留原信号中的高频范围信号，去掉低频分量。 方法：使用小波包算法，保留需要高频部分，低频部分置零。 带通滤波 要求：保留原信号中的某个特定频带，去掉其他频率成分。 方法：使用小波包算法，保留需要频率部分，其他的部分置零。 6.2 小波分析在消噪方面的应用 1 白噪声的特点 白噪声是随机性的。不同的 和 不相关。不同时刻的采样值不相关； 零均值且能量无限； 时域表现是均匀密集的； 包含有全部频谱。 白噪声的小波分析特点 1）实际工程中有用信号通常为低频信号或一些比较平稳的信号，噪声通常为高频信号。通过小波分解，噪声表现在高频部分，且衰减严重。各尺度上不相关； 2）消噪方法可分为强制消噪和门限消噪 强制消噪直接将小波分解的高频系数置零，然后进行信号重构。 门限消噪根据经验和某种依据设定门限值（阈值），对高频部分系数用门限值处理，大于门限的保留，低于门限的置零。 门限消噪又可分为硬阈值和软阈值消噪，前者设定固定阈值，后者根据估计计算自动获取。 一维信号的消噪步骤 一维信号的小波分解。选择一个小波并确定一个小波分解的层次，然后对信号进行N层小波分解； 小波分解的高频系数的阈值量化。对第一到第N层的每一个高频系数，选择一个阈值进行软阈值量化处理； 一维小波的重构。根据小波分解的第N层低频系数和经过量化的各层高频系数，进行一维信号的小波重构。 用于信号消噪的主要小波指令 一维小波重构函数 一维小波消噪和压缩函数 thselect THR = THSELECT(X,TPTR) returns threshold X-adapted value using selection rule defined by string TPTR. 举例 init=2055415866; rand(seed,init); x=randn(1,1000); plot(x); thr1=thselect(x,rigrsure); thr2=thselect(x,sqtwolog); thr3=thselect(x,heursure); thr4=thselect(x,minimaxi); 执行程序后输出： [thr1 thr2,thr3,thr4]＝ 2.7316 3.7169 3.7169 2.2163 wthresh Y = wthresh(X,SORH,T) returns soft (if SORH = s) or hard (if SORH = h) T-thresholding of the input vector or matrix X. T is the threshold value. Y = wthresh(X,‘s’,T) returns Y = SIGN(X).(|X|-T)+, 把信号的绝对值与阈值比较，小于和等于阈值的点变为0，大于阈值的点变为值与阈值之差。 Y = wthresh(X,h,T) returns Y = X.1-(|X|T), 与阈值比较，大于阈值等于原值，小于等于阈值置零，hard thresholding is cruder. 举例 y=linspace(-1,1,100); figure(1); subplot(311); plot(y) title(原始信号) grid; thr=0.4; ythard=wthresh(y,h,thr); subplot(312); plot(ythard); title(硬阈值信号); grid; ytsoft=wthresh(y,s,thr); subplot(313); plot(ytsoft); title(软阈值信号); grid; wthcoef 进行一维信号小波系数阈值处理。 nc = wthcoef(‘d’,c,l,n,p)，返回小波分解结构nc，n为尺度向量，p是一个包含把较小系数置零的百分比信息向量，与n同长度。 nc = wthcoef(‘d’,c,l,n)将指定尺度的高频系数全部置零； nc = wthcoef(‘a’,c,l)将低频系数全部置零。 nc = wthcoef(‘t’,c,l,n,t,sorh)返回经阈值处理后的分解向量。n为指定尺度向量，t为对应的阈值向量，sorh用来指定硬或软阈值。 load noissin; s=noissin(1:1000); subplot(421) plot(