小波分析在信号处理中的应用中英翻译(同名).doc

小波分析在信号处理中的应用中英翻译(同名).doc

  1. 1、本文档共68页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
小波分析在信号处理中的应用中英翻译(同名).doc

毕业设计(论文)外文资料翻译 专 业: 班 级: 姓 名: 学 号: 附 件: 1.外文资料翻译译文;2.外文原文。 指导教师评语: 签名: 年 月 日 一·小波研究的意义与背景 众所周知,由于图像在采集、数字化和传输过程中常受到各种噪声的干扰,从而使数字图像中包含了大量的噪声。能否从受扰信号中获得去噪的信息,不仅与干扰的性质和信号形式有关,也与信号的处理方式有关。在实际应用中,针对不同性质的信号和干扰,寻找最佳的处理方法降低噪声,一直是信号处理领域广泛讨论的重要问题。目前有很多方法可用于信号降噪,如中值滤波,低通滤波,傅立叶变换等,但它们都滤掉了信号细节中的有用部分。传统的信号去噪方法以信号的平稳性为前提,仅从时域或频域分别给出统计平均结果。根据有效信号的时域或频域特性去除噪声,而不能同时兼顾信号在时域和频域的局部和全貌。更多的实践证明,经典的方法基于傅里叶变换的滤波,并不能对非平稳信号进行有效的分析和处理,去噪效果已不能很好地满足工程应用发展的要求。近几年来,许多文献介绍了非平稳信号去噪的小波阈值方法。Donoho和Johnstone提出了通过阈值化小波系数对染有高斯噪声的信号进行去噪的方法。常用的硬阈值法则和软阈值法则采用设置高频小波系数为零的方法从信号中滤除噪声。实践证明,这些小波阈值去噪方法具有近似优化特性,在非平稳信号领域中具有良好表现。阈值法则主要依赖于参数的选择。例如,硬阈值和软阈值依赖于单个参数的选择—全局阈值λ,然而由于小波变换的非线性,λ的调整显得至关重要。阈值太小或太大,都会直接关系到信号去噪效果的优劣。当阈值依赖于多个参数时,问题将会变得更加复杂。实际上,比较有效的阈值去噪方法往往根据小波分解的不同层次确定不同的阈值参数,进而确定相应的阈值法则。与一般的小波分析相对比,小波包分析(Wavelet Packet Analysis)能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时-频分辨率。小波包变换是小波变换的推广,它在表示信号时具有比小波变换更强的灵活性。利用小波包变换给信号作分解时,低频部分和高频部分都被进一步分解。因此小波包与信号去噪的阈值方法相结合具有更加良好的应用价值。 目前,无论在工程应用还是理论研究中,去除信号中的干扰噪声都是一个热门话题。针对被频带较宽的干扰或白噪声污染的信号,从混有噪声的信号中提取有效信号,一直是信号处理中的重要内容。传统的数字信号分析与处理是建立在傅立叶变换的基础之上,傅里叶变换是平稳信号在时域与频域间互相转换的算法工具,但无法准确表述信号的时频局域性质。对于非平稳信号人们使用短时傅立叶变换,但它使用的是一个固定的短时窗函数,是一种单一分辨力的信号分析方法,存在着一些不可弥补的缺陷。小波理论是在傅立叶变换和短时傅立叶变换的基础上发展起来的,它具有多分辨分析的特点,在时域和频域上都具有表征信号局部特征的能力,是信号时频分析的优良工具。小波变换(Wavelet transform)是20世纪80年代中期出现的时频域信号分析工具,自1989年S.Mallat首次将小波变换引入图像处理以来,小波变换以其优异的时频局部能力及良好的去相关能力在图像压缩编码领域得到了广泛应用,并取得了良好的效果。小波变换具有多分辨性、时频局部化特性及计算的快速性等属性,这使得小波变换在地球物理领域有着广泛的应用。如:利用小波变换进行重磁参数的提取,以小波分析后的重构信号与原始信号的误差大小为标准选取小波基进行地 震资料去噪等。随着技术的发展,小波包分析(Wavelet Packet Analysis)方法产生并发展起来,小波包分析是小波分析的拓展,具有十分广泛的应用价值。它能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对离散小波变换没有细分的高频部分进一步分析,并能够根据被分析信号的特征,自适应选择相应的频带,使之与信号匹配,从而提高了时频分辨率。小波包分析(wavelet packet analysis)能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对小波分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地

文档评论(0)

zhangningclb + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档