基于LabVIEW与Matlab混合编程小波去噪方法.docVIP

基于LabVIEW与Matlab混合编程小波去噪方法 　　摘 要：分析了传统滤波器方法在处理非平稳信号时的缺点，研究了小波去噪的原理和方法，研究了利用LabVIEW和Matlab混合编程的方法，将LabVIEW完美的图形编程技术和Matlab强大的的数学解算功能结合起来，实现了小波降噪的数学建模和信号图像显示。通过对振动冲击信号的滤波处理，表明了小波降噪方法在处理非平稳信号时的有效性。 关键词： 小波去噪； 滤波器； LabVIEW； Matlab 中图分类号： TN911.7?34； TP391 文献标识码： A 文章编号： 1004?373X（2013）19?0046?03 0 引 言 信号降噪是信号处理领域的经典问题之一。传统的降噪方法主要包括线性滤波方法和非线性滤波方法，滤波器在工作时对信号进行筛选，只让特定频段的信号通过。当信号中的有用成分和噪声成分各占不同频带，可以将噪声成分有效除去。但如果信号和噪声的频谱重叠，则经典滤波器将不起作用。这些滤波器按滤波的频段可分为高通、低通及带通滤波器，根据设计滤波器的思想可以把滤波器分为巴特沃斯滤波器、贝塞尔滤波器、椭圆滤波器及切比雪夫滤波器等[1]。 此外，传统的滤波器降噪方法的不足在于使信号变换后熵增加，无法刻画信号的非平稳性并且无法得到信号的相关性。为了克服上述缺点，采用小波变换来解决信号降噪的方法应用越来越广泛[2]。但是，由于小波变换数学理论较深，对于初学者而言，使用传统的C语言等编程方法，编程难度很大。本文采用LabVIEW和Matlab混合编程的方法，将LabVIEW完美的图形编程技术和Matlab强大的数学解算功能结合起来，实现了小波降噪的数学建模和信号图像显示。 1 小波变换原理 小波变换的理论主要包括连续小波变换、离散小波变换和多分辨分析[3?6]。 1.1 连续小波变换 设[ψ∈L2（R）?L1（R）]且[ψ（0）=0]，则按如下方式平移和伸缩而生成的函数族[ψa，b]叫分析小波或连续小波（Continue Wavelet Transform，CWT），[ψ]称为基本小波。 [ψa，b=a-12ψt-ba， a，b∈R，但a≠0] （1） 对于[f∈L2（IR）]，信号[f]的连续小波变换[Wψf（a，b）]定义为： [Wψf（a，b）=f，ψa，b=a-12-∞∞f（t）ψt-badt] （2） 式中引入因子[a-12]的原因是规范化，使[ψa，b2=ψ2]对于所有[a，b]成立。 任意函数在某一尺度[a]、平移点[b]上的小波变换系数，实质上表征的是在[b]位置处，时间段[2aΔψ]上包含在中心频率为[ω*a]，带宽为[2Δψ/a]频窗内的频率分量大小，随着尺度[a]的变化，对应窗口中心频率为[ω*a]及窗口宽度[2Δψ/a]也发生变化。 1.2 离散小波变换 在实际应用中，一般分析的信号都是经过离散采样后得到的离散时间序列，需要把连续小波及其变换离散化，以进行数字信号处理。具体作法是通过对其伸缩尺度因子[a]和平移因子[b]的采样而离散化。 [a，b]只取离散值。[a=am0，][b=nb0am0，][m，n][∈][Z]且[a0≠1，][b0≠0。]不失一般性可假设[a01]，则有： [ψm，n（t）=a-m/20ψt-nb0am0am0=a-m/20ψa-m0t-nb0] （3） 从而式（2）的连续小波变换变为如式（4）的离散小波变换： [Wψf（m，n）=a-m/20-∞∞f（t）ψ（a-m0t-nb0）dt] （4） 式中：[m，n]分别称为频率范围指数和时间步长变化指数。 在连续小波变换[Wψf（a，b）]中，由于[a，b]是连续变化的，它是高冗余的，只要母小波[ψ（t）]满足容许条件，则可由[Wψf（a，b）]完全恢复原信号[f（t）]。对于离散小波变换，由于对[a，b]进行了离散采样，为了使[Wψf（m，n）]包含足够的信息以恢复原信号[f（t）]，就需要对变换使用的母小波作出更严格的限制。 在Hilbert空间H中的一族函数[?jj∈J]称为是一个框架，如果存在[A，B∈（0，∞）]时，对于所有[f∈H，]有： [Af2≤j∈Jf，?j2≤Bf2] （5） 并称[A]与[B]为框架界。如果两个框架界相等，则称框架是紧框架。 根据有关的框架理论，当[ψm，n（t）]成为[L2（R）]的框架时，可由离散小波变换[Wψf（m，n）]恢复原信号[f（t）]，其重构公式为： [f（t）=m，nWψf（m，n）ψm，n（t）] （6） 式中[ψm，n（t）]是[ψm，n（t）]的对偶