小波去噪阈值的确定和分解层数的确定.ppt

小波基的选择 ? 小波基的选择 ? 对于连续性较差的信号， Haar 小波的去噪效果要好于 Sym8 小波。 ? 对于连续性和光滑性较好的信号， Sym8 小波的去噪 效果更好。 sym8 小波函数具有紧支集，且具有良好 的连续性和对称性，因此其更适合于对连续性较好的 信号进行去噪。 ? 由于小波基函数在处理信号时各有特点，且没有任何 一种小波基函数可以对所有类型信号都取得最优的去 噪效果。一般来讲， db 小波系和 sym 小波系在语音去 噪中是经常会被用到的两族小波基。 分解尺度的选择 不同信号 , 不同信噪比下都存在一个去噪效果最好或接近最好 的分解层数。分解层数对于消噪效果的影响很大 , 通常分解 层数过多 , 而且对所有的各层小波空间的系数都进行阈值处 理会造成信号的信息丢失严重 , 消噪后的信噪比反而下降 , 同 时导致运算量增大 , 使处理变慢。分解层数过少则消噪效果 不理想 , 信噪比提高不多 , 但不会出现信噪比下降的情况。 小波包阈值去噪的过程 1 Decomposition For a given wavelet, compute the wavelet packet decomposition of signal x at level N. （计算信号 x 在 N 层小波包分解的系数） 2 Computation of the best tree For a given entropy, compute the optimal wavelet packet tree. Of course, this step is optional. The graphical tools provide a Best Tree button for making this computation quick and easy. （以熵为准则，计算最佳树，当然 这一步是可选择的。） 3 Thresholding of wavelet packet coefficients For each packet (except for the approximation), select a threshold and apply thresholding to coefficients. （对于每一个小波包分解系数，选择阈值 并应用于去噪） The graphical tools automatically provide an initial threshold based on balancing the amount of compression and retained energy. This threshold is. （工具箱会根据压缩量和剩余能量提供一个初始化的阈值，不过仍需要不 断测试来选择阈值优化去噪效果） a reasonable first approximation for most cases. However, in general you will have to refine your threshold by trial and error so as to optimize the results to fit your particular analysis and design criteria. 小波包阈值去噪的过程 4 Reconstruction Compute wavelet packet reconstruction based on the original approximation coefficients at level N and the modified coefficients. （根据计算后的小 波包系数重构原信号。） 最优小波包分解树的选择 ? 在对函数或信号进行小波包分解时，由于 W j 有不同的分解方式， 我们面临“最优分解树”的选择问题。 代价函数 M: ? 定义一个序列的代价函数，、寻找使代价函数最 小的分解树 ，对一个给定向量来说，代价最小 就是最有效的表示，此基便为“最优树”。 ? 代价函数的基本要求： 1. 单调性。 2. 可加性（次可加性） 常用代价函数： 1 、数列中大于给定门限的系数的个数。即预先给 定一门限值 ，并计数数列中绝对值大于 的 元素的个数。 0 ? ? ? 2 、范数。 中。） （范数愈小，能量愈集 ＝ 通常选， 0 ) ( } { } { }) ({ 1 ? ? ? p x x x x M p k p k k k k 常用代价函数： 3 、熵 正比。） 信号所需的系数个数成 与均方意义下恢复原始 ( | | log | | }) ({ 2 2 k k k k x x x M ? ? ? 常