小波分析原理及其工程应用.pptVIP

小波去噪声 一般噪声特点： （1）高频成分（细节） ，（2）幅度小：用阈值； 去噪声过程： 去除原始信号高频成分（细节）中幅度小于阈值部分。 对2级小波，设定2个阈值，称“阈值2” 和 “阈值1” 。 去除1级噪声：去除1级小波细节分解中小于“阈值1”部分。 去除2级噪声：去除2级小波细节分解中小于“阈值2”部分。 恢复： 将小波近似分解，加上去噪声后小波细节分解，即获得去除噪声的信号 噪声去除 两级分解 噪声去除， 括号内保留部分数据 原始信号 (红),去噪后 (黄) wd1 两级小波系数 wd2 小波去噪声16点 [6 5 9 8 3 7 8 5 6 5 9 8 1 3 3 9 ] |wd1 | 1级去噪前绝对值 |wd1 | 1级去噪后绝对值 |wd2 | 2级去噪后绝对值 |wd2 | 2级去噪前绝对值 原始信号 (红),去噪后 (黄) 1 级细节小波系数 2 级细节小波系数 0.707×[1,1,-4,3,1,1,-2,-6] 0.5×[-6,-3,-6,-8] 两级小波系数 阈值1 wd1 wd2 阈值2 Haar小波去噪声 （16点信号） 16点原始信号 [ 6 5 9 8 3 7 8 5 6 5 9 8 1 3 3 9 ] 小波去噪声 两级分解 一维信号的小波变换例子 2 （电压曲线） 通过MATLAB实现(wavemenu) 波形图 ( MATLAB \ toolbox \ wavelet \ wavedemo\ leleccum.mat ) 是 “电网监视的电压曲线”， 有4570个点 Haar小波变换 haar 小波 (s= a2+ d2+d1) (wavemenu) leleccum Level 2 (s-原始信号，a2-近似，d1-d2细节) 1 级细节分解 (奇偶数值的差) 2 级 细节分解 (前2和后2的差) 原始信号 (红) 2 级近似分解值 2 级小波分解 波形中的毛刺 (见下页) 1 级细节分解 (奇偶数值的差) 2 级细节分解 (前2和后2的差) 原始信号 (红) 2 级近似分解值 2 级小波分解（放大） 波形中的毛刺 图-5 haar (s= a5+ d5+..+d1) (wavemenu) leleccum Level 5 a5-近似， d5-d1细节 附录-5 (wavemenu) leleccum haar Level 5 leleccum.mat 是有36560个点的一维电压信号(s-原始信号，a1-近似，d1-细节) 信号前2和后2的差---细节2 信号奇偶数值的差---细节1 原始信号 信号---近似值 5 级小波分解 小波去噪声 leleccum haar 小波 两级小波系数 1 级细节小波系数 2 级细节小波系数 黄虚线表示阈值 wd1 wd2 原始信号 (红), 去噪后 (黄) |wd1 | 1级去噪前绝对值 |wd1 | 1级去噪后绝对值 |wd2 | 2级去噪后绝对值 |wd2 | 2级去噪前绝对值 小波压缩 leleccum haar 黄虚线表示阈值 1 级细节小波系数 2 级细节小波系数 wd1 wd2 原始信号 (红), 压缩后 (黄) 两级小波系数 |wd1 | 1级去噪前绝对值 |wd1 | 1级去噪后绝对值 |wd2 | 2 级去噪后绝对值 |wd2 | 2 级去噪前绝对值 小波压缩效果 leleccum haar 黄色虚线—全局阈值（自动分配两级阈值） 紫色线—相对能量百分比（能量尽量保持） 绿色线—零数目百分比 (零数目愈大，压缩愈明显) 小波分析及其应用 Wavelet Analysis andIt’s Applications同济大学 计算机系宣国荣2019年 6月10日 星期二 研究生讲座：小波分析及其应用 1、小波的特点和发展 2、小波分析在一维信号处理中的应用 3 、小波分析在图象分析中的应用 图象特征抽取 图象压缩 数据隐藏和图象水印 1、小波的特点和发展 “小波分析” 是分析原始信号各种变化的特性，进一步用于数据压缩、噪声去除、特征选择等。 例如歌唱信号：是高音还是低音，发声时间长短、起伏、旋律等。从平稳的波形发现突变的尖峰。小波分析是利用多种 “小波基函数” 对 “原始信号” 进行分解。 小波的时间和频率特性 运用小波基，可以提取信号中的“指定时间”和“指定频率”的变化。 时间：提取信号中“指定时间