北京理工大学高级数字信号处理实验报告(优选.).doc

精品word. 精品word. PAGE / NUMPAGES 精品word. 最新文件 仅供参考已改成word文本 方便更改 赠人玫瑰，手留余香。 高级数字信号处理实验报告 实验名称：基于小波变换的信号去噪实验 实验时间：2013/5/17 姓 名： 学 号： 班 级 实验二 基于小波变换的信号去噪实验 实验内容： 利用函数wnoise ，产生2 种不加噪声的信号，分别是 blocks 和doppler ，观察这 两个信号的特点，对每一个信号，进行如下处理： 一、产生信号的长度为512点，给信号加上不同信噪比的噪声，即把wnoise 中的SQRT_SNR 参数值分别设为3、5和7，观察在不同信噪比情况下，有噪信号的特点。 1.实验结果 2.分析： 单独地，对于blocks信号而言，信噪比很低时“平台”部分受到噪声的污染很严重，原本十分平坦的部分变得起伏很明显；对doppler信号的波形而言，高的信噪比尤其能使信号的高频部分可分辨程度提高。 总而言之，从blocks和doppler函数的原信号与三种信噪比信号对比图中看出，信噪比越高，含噪信号的波形就与原波形越接近，换句话说噪声对于信号的影响就越小。 二、当SQRT_SNR 参数值设为5 时，对加噪后的信号进行3 级的小波分解，对小波系数进行硬阈值和软阈值处理，比较软硬阈值处理的结果。 1.实验结果 表格 SEQ 表格 \* ARABIC 1 blocks信号硬阈值和软阈值处理的比较 类型项目 标准差std deviation 标准误差 std error 硬阈值处理 5.049 11.7867 软阈值处理 4.82 18.9646 注：标准差从MATLAB中figure界面数据分析工具中直接读取；标准误差为编程计算所得 (后同)。 表格 SEQ 表格 \* ARABIC 2 doppler信号硬阈值与软阈值处理的比较 类型 项目 标准差std deviation 标准误差 std error 硬阈值处理 5.001 20.8414 软阈值处理 4.844 25.8745 2.分析 首先明确硬阈值处理与软阈值处理各自的特点。对于硬阈值，绝对值超出阈值部分的分解系数直接取其原值，这样的好处是能够较完整的保留原信号的细节和局部信息，但造成的问题是会产生振铃或者说是冲激。 对于软阈值处理，绝对值超出阈值的部分要和阈值相减，相当于让超出阈值不多的分解系数趋于零值，或者说是对取阈值后的分解系数又进行了一次处理。这样的优点在于使处理后的分解系数有较好的连续性，能减弱离散“冲激”的幅度，增加了信号的平滑程度。但其缺点也很明显：大幅值系数的处理与小波分解的目的相悖。具体而言就是小波分解的目的就是吧噪声和有用信号通过幅度的不同区分开来，并且认为幅度越大，越可能是有用信号(这也是阈值处理的依据)，按照这样的标准，大幅值的分解系数应当得到完整的保留，而不应该与阈值t做减法。因此软阈值处理会损失部分有用信号，从而造成信号的误差增大。 其次，分析blocks图形。软阈值处理后的图形确实看上去更加平滑。具体体现在50~100点、200~250点、350~400点区间内，硬阈值处理有多处较为明显的冲激，然而在软阈值处理图形的相应位置，要么没有冲激，要么冲激幅度显著减小。硬阈值处理的棱角更加分明。其原因是前面分析过的硬阈值可以保留更多的细节信息。 另外分析表格中的数据可知，软处理比硬处理的方差小，即更平滑；但硬处理的误差小于软处理，也和上面的分析相符，在此不再赘述。 最后，分析doppler图形 。与blocks的情况大致相同，软处理的线条更平滑，相应地其方差更小，但误差稍大；硬处理虽然方差大，但是较好的保留了doppler曲线小幅度(起始处)部分的信息。 综上，建议在信号幅度变化较大，且小幅度信号也同样重要时(时小时大)，采用硬处理，从而较完整地保留小幅度部分的信息；而在不太重视小幅度信号时可以考虑用软处理，以得到更平滑的波形。 三、当SQRT_SNR 参数值分别设为3、5和7时，对加噪后的信号进行3级的小波分解，采用软阈值处理方法，比较不同信噪比情况下的去噪效果。 1.实验结果 表格 SEQ 表格 \* ARABIC 3 三种信噪比下的阈值对比 项目 信噪比 SNR=9 SNR=25 SNR=49 阈值 3.5 3.7 4.1 噪声标准差 1.05 1.15 1.23 注：该表数据是通过运行十次相同程序得到的统计平均值。 2.分析 观察上图，不难看出信噪比越大，处理后的信号整体上越接近原信号。为了更好的分析实验现象，对三种信噪比下的阈值如上表所示，SNR越大，相对于噪声而言阈值也相应越高，从而对噪声的分