小波分析和其应用.docVIP

小波分析及其应用 学 院 理学院 专业名称 信息与计算科学 班 级 2010级1班 学生姓名 李志淳 学 号 1007110114 摘要 小波分析是传统傅里叶分析发展史上里程碑式的发展，近年来成为众多学科共同关注的热点。文章在小波变换的基础上将其应用于信号去噪中，利用小波方法去噪，是小波分析应用于实际的重要方面。小波去噪的关键是如何选择阈值和如何利用阈值来处理小波系数，通过对几种去噪方法不同阀值的选取比对分析和基于MATLAB信号去噪的仿真试验，比较各种阀值选取队去噪效果的影响。 小波分析是当前数学中一个迅速发展的新领域，它同时具有理论深刻和应用十分广泛的双重意义。它与Fourier变换、 窗口Fourier变换(Gabor变换) 相比， 是一个时间和频率的局域变换，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对函数或信号进行多尺度细化分析(Multiscale Analysis)解决了Fourier变换不能解决的许多问题， 从而小波变化被誉为 “数学显微镜” ， 它是调和分析发展史上里程碑式的进展。 一、小波变换的概念 设(表示平方可积的实数空间，即能量有限的空间信号)其Fourier变换为，当满足容许条件： 此时，称为基小波或母小波(Mother Wavelet)。由容许条件可以推论出：基小波至少满足，也即。也就是说，必须具有带通性质。 将母小波经伸缩和平移得小波序列，又称子小波： 其中，为伸缩因子或尺度因子，将基本小波做伸缩；b为平移因子，将基本小波做移位。 信号f(t)的小波变换定义为： 取，，，,则信号f(t)的离散小波变换为： 由上式知，对不同的频率成分，在时域上的取样步长为，是可调的，高频者(对应小的m值)采样步长小，低频者(对应大的m值)采样步长大。也就是说，小波变换能实现了窗口的大小固定，形状可变的时频局部化，正是这个意义上小波变换被誉为数学“显微镜”。 二、小波变换在去噪中的应用 1、 小波去噪模型的建立 如果一个信号被噪声污染后为，那么基本的噪声模型就可以表示为 式中：为噪声；为噪声强度。最简单的情况下为高斯白噪声，且=1。小波变换就是要抑制以恢复，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。 2、小波系数的阈值处理 2．1由原始信号确定阈值 小波变换中，对各层系数降噪所需的阈值一般是根据原信号的信噪比来决定的。在模型里用这个量来表示，可以使用MATLAB中的wnoisest函数计算得到值，得到信号的噪声强度后，根据下式来确定各层的阈值。 式中n为信号的长度。 2．2基于样本估计的阈值选取 1)无偏似然估计(rigrsure)：是一种基于Stein无偏似然估计原理的自适应阈值选择。对于给定的阈值T，得到它的似然估计，再将似然T最小化，就得到了所选的阈值，这是一种软件阈值估计。 2)阈值原则(sqtwlolg)：固定阈值T的计算公式为。 3)启发式阈值原则(heursure)：是无偏似然估计和固定阈值估计原则的折中。如果信噪比很小，按无偏似然估计原则处理的信号噪声较大，在这种情况下，就采用固定阈值形式。 4)极值阈值原则(minimax)：采用极大极小值原理选择阈值，它产生一个最小均方误差的极值，而不是没有误差。统计学上，这种极值原理用来设计估计器。因为被消噪的信号可以看作与未知回归函数的估计器相似，这种极值估计器可在给定的函数中实现最大均方误差最小化。 2．3软阈值和硬阈值 在确定阈值后，可以采用硬阈值或软阈值的处理方法对小波系数做阈值处理。硬阈值法只保留大于阈值的小波系数并将其他的小波系数置零，其表达式如下： 软阈值法将小于阈值的小波系数置零，并把大于阈值的小波系数向零做收缩，其表达式如下： 3 、小波去噪的MATLAB仿真对比试验 给定函数作为原始信号，然后加一组随机噪声，然后分别选取不同阀值对信号用小波以为信号的自动消噪进行