基于小波变化去除噪声pdf.docxVIP

基于小波变换和维纳滤波的半导体器件1 /f 噪声滤波1. 引言1 / f 信号最早是在1925 年对真空管的研究中作为一种超低频噪音被发现和研究的，它具有非平稳性、自相似性、持久相关性和1 / f 类型的功率谱密度等特性，广泛地存在于各类半导体器件中［1，2］．对于1 / f 噪声具体的产生机理以及影响1 / f 噪声的物理机理，前人针对晶体管、结型场效应管和金属氧化物半导体场效管等器件进行了深入而广泛的研究［3，4］，而如何从1 / f 噪声中提取有用信号是在半导体器件的使用过程中经常遇到的问题，比如对用于信号调理的模拟电路而言，当有用信号的频率较低时，用于放大、滤波的半导体器件产生的1 / f 噪声是主要噪声，如果不能滤除，1 / f 噪声将直接导致输出信号的低频漂移．考虑到1 / f 信号的小波变换域特性，本文首先估计了1 / f 噪声的参数，提出对叠加了1 / f 噪声的有用信号进行提升小波变换，而后利用有限冲击响应( FIR) 型维纳滤波器处理每一个尺度下的小波变换系数，最后进行逆提升小波变换重建有用信号的方法．2. 1 /f 噪声及其小波变换域特性1 / f 噪声通常是以它的功率谱定义，如果半导体器件的某种噪声电压信号f( x) 的能量主要集中在低频阶段，其功率谱Sf( ω) 满足Sf( ω) = AIσωγ， ( 1)式中σ和γ是常数，A 是由器件结构决定的参数，I表示通过器件的电流，则称f( x) 为1 / f 噪声［5］．值得注意的是，( 1) 式中当γ＞ 1 时，Sf( ω) 的积分为无穷大，通常假设存在一个很低的频率，低于该频率功率谱的形状发生变化，Sf( ω) 变得可积，对实际器件的测试表明，这个很低的频率确实存在［5］． Tewfik等［6］利用分数布朗运动模型研究了1 / f 噪声在小波变换域的信号特征，他们已经证明，如果正交小波的消失矩R 满足R ＞γ/2，利用该小波对1 / f 噪声进行离散小波变换，得到的细节系数序列的持久相关性和自相似性被大幅度地削弱，可以认为是相互独立的随机变量，也就是小波变换能够将1 / f 噪声“白化”．这就提供了一种有效滤除1 / f 噪声的方法: 在对1 / f 噪声初步分析之后选择适合的正交或双正交小波，而后分别对每一层的小波系数进行滤波，最后通过小波逆变换就可得到滤除1 / f 噪声后的有用信号序列［7，8］．3. 基于提升小波变换和维纳滤波的1 /f噪声滤波方法3. 1. 1 / f 噪声功率谱参数的估计为了利用基于小波变换的方法滤除1 / f 噪声，需要首先估计噪声的功率谱参数．对( 1 ) 式取对数，( 2)从( 2) 式中可见当电流I 是定值时lg［Sf( ω) ］与lgω之间是线性函数关系，通常都是用传统的最小二乘法进行直线拟合以获得γ等参数［1，7］．然而，最小二乘法缺乏鲁棒性，这是因为它是基于残差是独立且正态分布这样一个假设，即使存在少量残差较大且不遵从正态分布的数据，也会导致拟合的直线与实际情况不符．不同于传统的最小二乘法，重新加权迭代最小二乘法( IRLS ) 受离群点的影响较小［9，10］． IRLS 的原理是对残差ri的平方加权wi使得Σr2iwi最小．为了使直线拟合的结果对原始数据中的离群点具有鲁棒性，IRLS 需要选择合适的权函数．由于实际信号中不可能仅存在1 / f 噪声，当频率稍高一些时半导体器件中还会有较显著的白噪声和g-r 噪声，这将导致lg［Sf( ω) ］随着lgω的增大而弯曲，此外还可能有固定频率的干扰，并且还可能由于采集信号所用的模数转换器的采样精度不够高或者量化精度不够高导致lg［Sf( ω) ］曲线上会出现很多尖锋．基于上述分析，本文选用Tukey 重加权函数［11］式中hi是来自于最小二乘拟合的平均值函数，d 设定为4. 685，r s由残差绝对值的中值除以一个常数计算，即常数0. 6745 使IRLS 对正态分布的估计无偏．在IRLS 中，每个残差的平方都乘以一个在每次迭代中不断变化的权值，这个权值决定了每一对原始数据( lgω，lg［Sf( ω) ］) 对最终直线拟和结果的影响．如( 3) 式所示，Tukey 重加权函数赋以距离估计直线最近的数据点以最大的权重，而对距离估计直线较远的数据点则赋以较小的权重( 甚至能够取0) ，这就使得离群点对直线拟和结果的影响随着迭代次数的增加越来越小．3. 2. 提升小波变换Sweldens［12 ，13］提出了一种提升格式的小波构造方法，并且已经证明所有传统的第一代小波都可以采用提升的方法构造出来．与以傅里叶变换为基础的第一代小波变换相比，提升小波变换具有以下优点: 1 ) 提升小波变换提供了一种实现离散小波变换的快速算法，比计算第一代小波变换的Mallat 算法运算量减少