基于MATLAB小波阈值滤波与应用.docVIP

基于MATLAB小波阈值滤波与应用 　　摘要：小波对分析信号滤波有其独特的优势，本文介绍了小波滤波的原理和常用的小波阈值滤波法，分析了阈值滤波的理论基础和阈值函数数学表达式。最后通过MATLAB实现小波阈值滤波器的设计与仿真，最终利用高低通滤波器来分解和重构有噪声的信号。 　　关键词：小波阈值滤波；滤波器；分解；重构 　　中图分类号：TP391.41 文献标识码：A DOI：10.3969/j.issn.1003-6970.2015.10.027 　　引言 　　小波滤波与传统滤波相比因小波变换具有时频局部化特性和多分辨的特性，使其在去除噪声方面有独特的优势。对于信号与噪声频谱重叠时，传统的基于傅立叶变换的信号滤波法已经没有办法实现去噪。然而，小波变换可以根据重叠的信号和噪声的小波系数在单层或多层尺度上的不同性质，采用相应的规则，对含有噪声信号的小波系数进行取舍、抽取或切削等非线性处理，达到滤波目的。大量的事实证明，小波在信号去噪处理方面已经取得较好的效果。 　　l 小波滤波的原理 　　小波变换除了具有时频局部化、多分辨的重要特性外，还具有去相关特性和选基灵活的特点。因此在去除噪声的同时，还能很好地保留信号的突变部分或图像的边缘部分。 　　小波滤波的原理过程可以简单的描述为；（1）选择合适的小波并确定变换层数；（2）对实际信号（含噪信号）进行小波分解；（3）通过一定的规则对信号和噪声的小波系数进行非线性处理；（4）用新的小波系数重新构造信号，即得到滤除噪声后的信号。但是在用小波进行滤波时还应注意如下几点：（1）非平滑性。小波滤波是尽可能的去除含噪信号中的所有噪声，而保留所有信号，因此在滤波过程并不考虑频率范围，不能兼顾平滑性（平滑性特指去除高频信息而保留低频信息）；（2）小波滤波是小波变换域对小波系数进行非线性处理。 　　小波滤波常见的滤波法有：（1）基于信号奇异性的模极大值重构滤波，其思想是根据信号和噪声在小波变换各尺度上的不同传播特性，剔除由噪声产生的模极大值点，保留信号对应的模极大值点，然后利用剩余模极大值点重构小波系数，恢复信号。（2）基于信号尺度间相关性的空域相关滤波，其思想是信号的突变点在不同尺度的同一位置有较大的峰值出现，噪声能量却随着尺度的增大而减小。（3）基于小波变换相关特性的小波域阈值滤波，其思想是通过在不同尺度上选取合适的阂值，并将小于该阈值的小波系数置零，而保留大于阈值的小波系数，从而使信号中的噪声得到有效的抑制，最好进行小波逆变换，得到滤波后的重构信号。鉴于小波阈值滤波法实现具有简单、计算量小、滤波效果好、适用于低信噪比信号处理等优点，本文主要详细介绍小波阈值滤波法。 　　2 小波阈值滤波的理论基础 　　2.1 常见的阈值形式 　　（1）通用阈值（也称为DJ阈值），由Donoho和Johnstone提出的统一阈值（VisuShrink）： 　　其中σ为噪声标准方差，N为信号的尺寸或长度。这算法是假设在噪声是正态高斯模型，并且是多维独立正态变量联合分布，在维数趋向无穷时的研究得出的结论，即大于该阈值的系数含有噪声信号的概率无限趋于零。该阈值由于与信号的尺寸对数的平方根成正比，所以当N值较大时，阈值将所有小波系数趋向置零，因此小波滤噪器退化为低通滤波器。 　　（2） SureShrink阈值，在本阈值算法中假设W为一向量，其向量为小波分解系数的平方，并且该小波分解系数按从小到大的顺序排列可以表现为W= [Wl，wz，…，Wn而且Wl《W2《…《Wn，；再假设向量R，其向量可以表达为：其中以R向量中的最小值rmin作为风险值，通过rmin的下标min求出向量的Wmin，可以得到阈值表达式为： 　　（3）HeurShrink阈值，在通用阈值和SureShrink阈值的基础上，假设S为N个小波系数的平方和，则可以令，可以得到阈值表达式为： 　　（4） MinimaxShrink阈值（最小极大方差阈值），与前面三种阈值不一样，它是一种固定的阈值，在所选定的阈值中使它们产生最小的极大方差。其表达式如下： 　　（5）基于零均值正态分布的置信区间阈值，表达式如下： 　　TH5=3σ～4σ 　　（5） 　　这个阈值的思想是根据大量的实验发现：零均值正态分布变量落在[-3σ，3σ]之外的概率非常小，因此绝对值大于30的系数一般都会被认为主要由信号系数构成。 　　上述几种阈值有其优点，也有其缺点，其中VisuShrink阈值计算量简单，因此在实际中得到了广泛的应用，但是通常计算得到的阈值过大，从而会导致信号中过多的高频信息丢失。SureShrink和HeurShrink阈值，是以估计重建均方误差最小阈值的作为阈值，在该过程要寻找趋向于多个小波系数，阈值的选择存在风险。MinimaxS