资源描述：
《基于新的阈值函数的小波阈值去噪方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第5卷第4期江南大学学报(自然科学版)Vol.5No.42006年8月JournalofSouthernYangtzeUniversity(NaturalScienceEdition)Aug.2006文章编号:1671-7147(2006)04-0476-04基于新的阈值函数的小波阈值去噪方法3李玉,于凤芹,杨慧中,李从宏(江南大学系统工程研究所,江苏无锡214122)摘要:在分析了硬阈值、软阈值小波去噪算法存在问题的基础上,构造了一个新的阈值函数,仿真实验结果显示,与硬、软阈值去噪方法相比,基于新的阈值函数的小波阈值方法能够得到较小的均方误
2、差,并提高了重建信号的信噪比,且去噪后的信号与原始信号的近似性也较好.关键词:小波去噪;阈值函数;均方误差;信噪比中图分类号:TN911.72文献标识码:AWaveletOBacedDenoisingbyaNewThresholdingFunction3LIYu,YUFengOqin,YANGHuiOzhong,LICongOhong(InstituteofSystemEngineering,SouthernYangtzeUniversity,Wuxi214122,China)Abstract:Basedonthestudyofthedisa
3、dvantagesofthetraditionalthresholdfunctionOthehardthresholdfunctionandthesoftthresholdfunction,weproposeanewthresholdfunctionthatcantaketheplaceofthetraditionalones.ThesimulationresultsshowthatthenewthresholdfunctionpresentsbetterMSEperformanceandSNR.Besides,thedenoisedsign
4、alsusingthenewfunctionalsofollowtheoriginalsignalveryclosely.Keywords:waveletdeOnoising;thresholdfunction;MSE;SNR信号在产生、传输及接收过程中,难免会被噪领域.声污染,因此去噪在信号处理中是必不可少的一个信号和噪声在小波域中有不同的性态表现,它环节.现在已有多种信号去噪的方法,如维纳们的小波系数幅值随尺度变化的趋势不同.随着尺(Wiener)滤波法、卡尔曼(Kalman)滤波法、减谱法度的增加,噪声的幅值很快衰减为零,而真实信号等.
5、小波分析是近年来发展起来的一种优良的数学系数的幅值基本不变.小波去噪就是利用信号的先工具,小波变换可以获得信号的多分辨率描述,这验知识,根据真实信号和噪声的小波系数在不同尺种描述符合人们观察世界的一般规律,它克服了傅度上具有不同性质的机理,在小波域采用有效的数立叶变换无法描述信号的局部特征的不足,可以从学方法尽量多地剔除由噪声产生的系数,同时最大局部到任意细节观察信号,因此它已成为信号处理限度地保留真实信号的系数,最后由经过处理的小的优良工具.利用小波去噪是小波变换的重要应用波系数重建信号,此信号即是去噪后的信号.小波收稿日期:2006-01
6、-28;修订日期:2006-06-29.作者简介:李玉(1981-),男,河南商丘人,检测技术与自动化装置专业硕士研究生.3通讯联系人:于凤芹(1962-),女,辽宁锦州人,教授,工学博士,硕士生导师.主要从事语音信息处理研究.Email:yufq@sytu.edu.cn第4期李玉等:基于新的阈值函数的小波阈值去噪方法477[5]去噪算法简单地描述可分为3步:第一步对观测信象尤为明显.软阈值函数虽然整体连续性好,但号进行小波变换;第二步对变换后的小波系数进行是由于当小波系数较大时,处理过的系数与原系数非线性处理;第三步对处理后的小波系数施行小
7、波之间总存在恒定的偏差,这将直接影响重构信号与反变换.其中第二步是小波去噪的核心.小波去噪真实信号的逼近程度,给重构信号带来不可避免的[1][6]方法的数学模型:假设观测数据误差.为了克服二者的不足,受Gao的semisoft阈[7]f(k)=s(k)+n(k)k=0,1,2,3,⋯,N-1(1)值函数和nonOnegativegarrote阈值函数的启发,由真实信号s(k)和加性噪声n(k)组成,其向量形文中构造了一个新的阈值函数.式:F=S+N,设对观测数据经过小波变换后,得W(f)=W(s)+W(n)(2)1新的阈值函数的构造-1设W(
8、3)和W(3)分别表示小波变换和逆变换算子,前述去噪过程的3个步骤可描述为1.1硬、软阈值函数-1[8]w=W(f),wt=D(w,t),^g=W(wt)(3)硬阈
