改进小波双阈值双因子函数去噪.docVIP

改进小波双阈值双因子函数去噪 　　摘要： 　　针对传统的小波阈值函数在阈值处不连续、小波估计系数存在偏差等不足，导致去噪后的信号产生吉布斯振荡、失真和信噪比（SNR）无法提高等问题，提出了一种改进的小波阈值函数去噪方法。与传统的软、硬阈值和半软阈值等函数相比，该函数不仅在阈值处连续，便于运算处理，而且由于双阈值变量和双可变因子的引入，使得该函数既兼容了传统阈值函数的优点，还可以通过调节双阈值和双因子，来提高实际应用的灵活性。为了验证该阈值函数的优越性，通过仿真实验并对比几种小波去噪方法的信噪比和均方根误差，实验结果表明，经本阈值函数去噪后的信号在平滑度和失真度上有较大改善，相比软阈值函数，信噪比提高了22.2%，均方根误差减小了42.6%。 　　关键词：小波变换；阈值函数；信噪比；均方根误差；去噪 　　中图分类号： TP391.41文献标志码：A 　　0引言 　　在现代电子测量和传感测试领域中，采集到的数据经常会无法避免地被各种噪声，特别是非平稳噪声干扰，为了提高数据测量准确度，对采集到的数据进行去噪处理是很有必要的。小波分析[1]是一种新型信号处理方法，具有时频域、局部化、多分辨率、去相关和选基函数灵活等特性，非常适合用来消除非平稳噪声[2-3]。目前小波去噪方法大致包括基于小波模极大值去噪法、基于小波系数相关性去噪法和小波阈值去噪法。其中，小波阈值去噪由于具有简单、灵活、效率高等特点，因而使用最为广泛。 　　小波阈值去噪思想从提出到现在，已有许多人对此做了研究[4-7]，其中最为经典的是Donoho等[5]提出软、硬阈值函数去噪法，虽然这两个函数在Besov空间上有一定的去噪效果， 但是也存在许多不足之处，对于硬阈值函数，由于在阈值处函数不连续，导致去噪后的信号产生吉布斯振荡现象；而对于软阈值函数，虽然函数连续，但是由于估计的小波系数和实际小波系数之间存在着一定的恒差，导致去噪后重构的信号产生失真。针对软、硬阈值函数的不足，国内外很多学者相继提出了一些改进的小波阈值去噪函数[5-7]，主要包括软硬阈值折中法、半软阈值法和多项式插值法等，这些函数虽??在一定程度上兼顾了软硬阈值函数的特点，但是也存在一些如函数阈值选取相对固定、最优参数选取较困难、缺乏灵活性等不足。因此，针对以上各函数的不足，本文提出了一种新的小波阈值函数和最佳阈值判定算法，与传统软硬阈值函数相比，该函数在阈值处连续可导，既可以消除去噪硬阈值函数不连续引起的吉布斯振荡，又可以减小软阈值函数去噪带来的偏差，而且与同类型改进的阈值函数相比，由于双阈值变量和双可变因子的引入，大大提高了该阈值函数实际应用的灵活性。通过仿真实验，并比较不同小波阈值去噪法的信噪比和均方根误差，充分地验证了本文提出的小波新阈值函数去噪法的有效性。 　　1小波多尺度分析 　　先用传统Donoho的硬、软阈值函数对原始含噪声Heavysine信号进行去噪，得到的去噪后信号分别如图4（a）、（b）所示。从图4（a），可以看出去噪后的信号产生了几处较明显的吉布斯振荡现象，这正是由于硬阈值函数缺乏连续性造成的。而从图4（b），可以看出去噪后的信号与原始信号有较大差异，尤其在信号峰谷处。 　　然后再采用一些改进型的阈值函数进行去噪，首先采用Gao提出的半软阈值函数[6]对原始含噪声Heavysine信号进行去噪，其去噪结果如图4（c）所示。从图4（c）看到，去噪后的信号在多处存在小振荡现象，与原始无噪声信号相比，去噪效果明显不佳。同时，为了与其他同类型改进阈值函数进行比较，本文分别选用了文献[2-3]中两种改进型的阈值函数，其去噪结果分别如图4（d）和 （e）所示。从图4（d）和 （e）中，可以看到其去噪效果虽然好于硬、软阈值和半软阈值函数，但是在信号峰谷处也存在一些失真，尤其在小尖峰处表现得更加突出。 　　最后使用本文提出的新阈值函数对含噪声Heavysine信号进行去噪，其中新阈值函数双因子取值为α=β=0.5，去噪结果如图4（f）所示。与其他几种改进型函数相比，该函数去噪效果明显好了许多，不仅消除了吉布斯振荡现象，而且信号失真度也大大减少了，尤其在小尖峰处，基本与原始无噪声信号保持一致，同时信号平滑度也得到了提高。 　　5结语 　　在利用小波阈值法去噪时，针对传统小波软硬阈值、半软阈值等函数的不足，本文提出了一种新的小波阈值函数，该函数不仅在所有阈值点连续，并且减少了估计小波系数和原始小波系数的偏差，很好地克服了传统阈值函数的缺点。同时由于双阈值变量（λ1和λ2））和双可变因子（α和β））的引入，使得该改进的阈值函数的使用灵活性大幅度提高。通过仿真实验来比较几种不同的阈值函数去噪效果并计算对比了各自的信噪比和均方根误差，结果充分验证了本文提出的新小波阈值函数在去噪效果