小波去噪程序精仪学院1012202044杨守瑞程序目的分析不同小波，不同.doc

小波去噪程序 精仪学院 1012202044 杨守瑞 程序目的 分析不同小波，不同取阈值方法以及不同阈值对信号去噪的影响 算法思想 采用matlab自带程序，由wnosie()函数产生的含标准高斯白噪声比为3的heavy sine信号，采用不同的小波，分别采用采用rigrsure，自适应阈值选择使用Stein的无偏风险估计原理，首先得到一个给定阈值的风险估计，选择风险最小的阈值作为最终选择；heursure，使用启发式阈值选择，它是sqtwolog和rigrsureD Z综合，当信噪比很小时，估计有很大的噪声，这时heursure,采用固定阈值sqtwolog； sqtwolog，阈值等于sqrt(2*log(length(X)))，这种阈值形式在软门限阈值处理中能够得到直观意义上很好的去噪效果；minimaxi，用极大极小原理选择阈值，和sqtwolog一样也是一种固定的阈值，它产生一个最小军方误差的极值。且分别采用硬阈值和软阈值处理后。然后输出各种情况下滤波后小波的图像以及SNR及PMSE值。 实例分析 原信号： 加噪信号： db3去噪信号： sym8去噪信号： SNR: 28.3266826611648 43.9603633625514 50.6928672403042 53.2912060188090 53.4124505532682 51.6542394856458 35.5860235392333 52.8326719232419 PMSE: 0.755987254840015 0.345965992374046 0.247080770291762 0.216978517181903 0.215667123216712 0.235484872596939 0.525871808761479 0.222010583521530 由图像看出，采用sym8小波相比db3可以达到较好的效果，同时可以看出，软阈值法在信号突变的地方会有一些失真，heursure软阈值与sqtwolog硬阈值均可取得较好的效果。 可以看出，由于各小波具有不同的对称性，正交性，紧支撑性得特征，小波的选取会影响滤波效果，同时阈值的选取以及阈值函数的选取都会影响滤波效果。 代码（matlab下） function [SNR,RMSE]= wipenoise(w_name) x=wnoise(3,10); ind=linspace(0,1,2^10); [x,noisyx]=wnoise(3,10,3,2^10); figure;plot(x) figure;plot(noisyx) [C,L]=wavedec(noisyx,6,w_name); %小波分解，层数6，小波采用db3 figure; %自适应阈值选择使用Stein的无偏风险估计原理。 [XD,CXD,LXD]=wden(C,L,rigrsure,h,mln,6,w_name);%硬阈值 subplot(4,2,1) plot(XD); p1=1/length(x)*norm(x)^2; p2=1/length(x)*norm(x-XD)^2; SNR(1,1)=10*log(p1/p2); RMSE(1,1)=sqrtm(p2); [XD,CXD,LXD]=wden(C,L,rigrsure,s,mln,6,w_name);%软阈值 subplot(4,2,2) plot(XD); p1=1/length(x)*norm(x)^2; p2=1/length(x)*norm(x-XD)^2; SNR(1,2)=10*log(p1/p2); RMSE(1,2)=sqrtm(p2); %使用启发式阈值选择。 [XD,CXD,LXD]=wden(C,L,heursure,h,mln,6,w_name);%硬阈值 subplot(4,2,3) plot(XD); p1=1/length(x)*norm(x)^2; p2=1/length(x)*norm(x-XD)^2; SNR(2,1)=10*log(p1/p2); RMSE(2,1)=sqrtm(p2); [XD,CXD,LXD]=wden(C,L,heursure,s,mln,6,w_name);%软阈值 subplot(4,2,4) plot(XD); p1=1/length(x)*norm(x)^2; p2=1/length(x)*norm(x-XD)^2; SNR(2,2)=10*log(p1/p2); RMSE(2,2)=sqrtm(p2); %阈值等于sqrt(2*log(length(X))). [XD,CXD,LXD]=wden(C,L,sqtwolog,h,mln,6,w_name);%硬阈值 subplot(4,2,5)