阈值选择的的实证分析.docVIP

阈值的选择 摘要：在选择特定的小波基函数的同时，通过进行阈值的最优选择，从而进行原始信号同去噪信号的对比，以及不同阈值选择后的信号的比较得到最优的阈值选择。本文采用硬阈值与软阈值作为研究对象，通过比对两种阈值处理过后的信号平滑性以及稳定性等指标得到针对特定信号源的最佳阈值选择。 关键词：小波基函数、硬阈值、软阈值 1引言 阈值又称阈强度， 为了分析的方便以及后续分析的要求，特此选取7年的上证综指数据（2006.11.13-2013.11.13）进行分析，根据股指每日以收盘价结尾的原则，选取收盘价为分析指标，并将所得数据导入Matlab中，得出如下原信号。 3.2 最佳小波基的选择 通过查阅相关文献中小波基的特性比较表的介绍可以看出，在haar、daubachies、biorthgonal、coiflets、symlets、meyr的小波基选择过程中根据其特性的不同进行比较，从而选取最合适的小波基进行信号的处理。根据原信号图形不存在对称性的特征，选取biorthgonal小波基最符合原数据特征。 表1-1 常用小波基的特性比较表 特性比较 haar daubachies biorthgonal coiflets symlets meyr 小波缩写 表示形式 haar haar db dbN bior BiorNr.Nd coif coifN Sym SymN meyr meyr 正交性 有 有 无 有 有 有 双正交性 有 有 有 有 有 有 紧支撑性 有 有 有 有 有 无 对称性 对称 近似对称 不对称 近似对称 近似对称 对称 支撑长度 1 2N-1 重构2Nr+1 分解2Nd+1 6N-1 2N-1 有限长度 小时矩阶数 1 N Nr-1 2N N ---- 通过选定bior小波基进行处理后得出五层的分解图像 由上图可以看出，在进行降噪处理后，突出了原信号的轮廓部分并且弱化了细节部分，即剔除了少数误差值。由于只有通过降噪处理才可以有效的表现出原信号中有用的信息。因为小波的多分辨特征能够将信号在不同尺度下进行多分辨的分解，即分层进行降噪操作，所以通过上述步骤，有效的进行了原信号与噪声分离的处理过程。 3.3 硬阈值与软阈值的比较 硬阈值函数定义为:Y=X.*（|X|T）,其中|X|为小波变换的系数,T是预先选定的阈值，软阈值函数定义为:Y=X-T,X≥TX+T,X≤-T0,|X|小波变换的系数,T是预先选定的阈值. 硬阈值降噪图像 根据以上两图的比较可以看出软阈值的处理相比硬阈值的处理结果更为平滑，然而硬阈值的降噪处理相比则更为凸显尖峰特征，不难看出，软阈值的处理更加注重整体的连贯性以及一致性的特征，从而得出的结果较为实用并且美观，但是相比硬阈值而言就忽略了大部分极值点的显示，硬阈值的处理能有效的将特殊值保留但是整理图像稍显粗糙。 4结论 通过之前的一系列分析得出的结果可见如果是针对实际问题的分析，在阈值的选取方面更为偏向软阈值的选取，软阈值的处理能够将大范围的特征进行分析描述，在忽略不影响总体特征的前提下进行实证分析。如果是针对学术问题的探究而言，在阈值的选取上更应该偏向硬阈值的选取，硬阈值的处理能将特殊值的特征进行展示，从而分析特殊值对整体有无重大影响等过程。两者比较见表1-2 表1-2 硬阈值以及软阈值处理结果比较 特性比较 软阈值 硬阈值 整体美观性 美观 粗糙 连贯、一致性 信号连贯一致 信号参差不齐 极值的显示 剔除 保留 理论性与实际性选择 实际性 理论性 参考文献 [1]吕瑞兰、吴铁军、于玲.《采用不同小波母函数的阈值去噪方法性能分析》.光谱学与光谱分析[J].2004.24(7). [2]魏宝萍、李白萍.《最优小波基的选取原则》.甘肃科技[J].2007.23(10). [3]裴萍、卞继承.《基于一种新阈值函数在信号去噪中的应用》,电子测试[J]. 2013(07). [4]兰芸、樊可清.《基于小波阈值去噪方法的研究》.科技信息[J].2008(2).