基于一种新阈值函数小波阈值去噪方法探究.docVIP

基于一种新阈值函数小波阈值去噪方法探究摘要：在分析了D.L.Donoho提出的硬阈值、软阈值小波去噪算法存在问题的基础上，构造了一个新阈值函数。新阈值函数的小波阈值去噪方法克服了硬阈值函数不连续的缺点，解决了软阈值函数中存在恒定偏差的问题。仿真实验结果表明，该方法可以有效地去除白噪声干扰，在信噪比和均方误差等方面均优于常用的软、硬阈值及改进的软硬阈值折中算法，去噪后的信号与原始信号的近似性也较好，充分体现出小波阈值去噪方法的优越性。 摘要：小波去噪 阈值函数 信噪比 均方误差 中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2012）09-0043-03 信号在产生、传输以及接收过程中，会不可避免的受到各种噪声的污染，因此信号去噪无论在工程应用还是理论研究中一直是研究的热门话题。小波变换是近十年来发展起来的一种新的信号处理工具，由于其特有的多分辨率分析技术，可以方便地从混有强噪声的信号中提取原始信号，使它在信号处理方面应用非常广泛[1]。Donoho在小波变换的基础上提出了小波阈值去噪方法，并证明了该方法在最小方差意义下可达到最佳估计值，而其它线性估计则无法达到同样的效果[2]。但是，阈值法中的阈值函数存在着一定的缺陷，如软阈值函数中得到的小波系数与信号的小波系数之间存在着恒定偏差，硬阈值函数具有不连续性，对大于阈值的小波系数不处理等，这些都在不同方面影响着去噪的效果[3-4]。为了克服软、硬阈值函数的缺点，取得更好的去噪效果，本文提出了一种新的阈值函数，新阈值函数在保持了很好的连续性的同时，对不同值的小波系数也做了更为合理的收缩处理，使其与信号真实值更加逼近。仿真实验表明， 新阈值函数去噪重构后得到的估计信号既能很好地保留信号细节，又具有较好的光滑性，去噪效果要明显优于其他阈值函数。 1、小波阈值去噪原理 假设有如下一观测信号 其中为含噪信号，为原始信号，为方差为的高斯白噪声，服从分布[6]。 对作离散小波变换，可得： 其中，，，分别为含噪信号，原始信号和噪声在第层上的小波分解系数；为小波变换的最大分解层数；为信号的长度。 小波变换是线性变换，因此对含噪信号作离散小波变换后，得到的小波系数，为方便起见记为，仍由两部分组成：一部分是原始信号的小波系数，记为，另一部分是噪声对应的小波系数，记为。 Donoho提出的小波阈值去噪方法的基本思想是[2]：当小于某个临界阈值时，认为这时的主要由噪声引起的，可将其舍去；当大于这个临界阈值时，认为这时的小波系数主要由信号引起的，那么就把这一部分的直接保留下来（硬阈值法）或者按照某一个固定量向零收缩（软阈值法），然后用新的小波系数进行小波重构得到去噪后的信号。此方法可通过以下3个步骤实现： （1）选定合适的小波基及小波变换的分解层数对带噪信号作小波变换，可以得到一组不同分解层数的小波变换系数； （2）确定各层高频系数的阈值及阈值函数，通过对小波分解高频系数进行阈值量化处理，得出估计小波系数，使得尽量小； （3）小波重构，利用进行小波重构，得到去噪后的估计信号。 小波阈值去噪方法的关键步骤是阈值处理，这部分包括阈值的估计和阈值函数的选取，本文只针对阈值函数的选取进行研究。 D.L.Donoho提出的硬阈值函数为： 软阈值函数为： 其中，为符号函数，阈值取为。Donoho在文献[2]中证明了由此方法得到的估计信号在最小均方差意义上是有效的。 硬阈值函数表明，大于阈值的小波系数主要是由真实信号引起的，对这些系数予以全部保留，认为其他的系数主要是由噪声贡献的，故将它们全部置零[2-5]。其图形如图1所示。软阈值函数对小波系数采用另外一种处理策略，它把大于阈值的系数按从到零进行收缩的办法予以保留，把其他的置零，因此软阈值函数也被称为小波收缩函数[2-5]。其图形如图1所示。 2、一种新的阈值函数构造 尽管软硬阈值去噪方法在实际中得到了广泛的应用，也取得了一定的效果，但它们本身还是存在着缺点[6]。由图1可以看出，软阈值法得到的小波系数整体连续性比较好，不存在间断点，这会使去噪效果变得平滑，但是软阈值函数的导数是不连续的，因而在求高阶导数时会存在困难。另外软阈值对大于阈值的小波系数采取恒定值压缩，这与噪声分量随着小波系数增大而逐渐减小的趋势不相符，会直接影响重构信号与真实信号的逼近程度；硬阈值法能较好的抑制噪声，但硬阈值处理函数在和处存在间断点是不连续的，这与实际应用中常常要对阈值函数进行求导运算存在矛盾，这样利用小波重构信号时很可能会出现突变的震荡点，从而所得到的估计信号会产生附加的振荡，不具有同原始信号一样的光滑性，同时，它只对小于阈值的小波系数进行处理，对大于阈值的小波系数不加处理，这与实际情况下