基于小波分析的信号消噪处理.ppt

基于小波分析的信号消噪处理 基于小波分析的一维信号消噪原理如下： 由于在实际的工程应用中，有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号则通常表现为高频信号。所以在进行消噪过程中可以按照如下的方法进行处理：首先对需要处理的信号(有用信号加噪声)进行小波分解，则噪声部分通常包含在每一次分解的高频部分中，因此，可以以门限阈值等形式对小波系数进行处理，然后对信号进行重构即可以达到消噪的目的。 一维信号的消噪过程 所以，一维信号的消噪过程可以分为三个步骤进行： 1一维信号的小波分解。选择一个小波并确定一个小波分解的层次N，然后对信号进行N层小波分解。 2小波分解高频系数的阈值量化。对第1到第N层的每一层高频系数，选择一个阈值进行软阈值量化处理。 3一维小波的重构。根据小波分解的第N层的低频系数和经过量化处理后的第1层到第N层的高频系数，进行一维信号的小波重构。 在上面的三个步骤之中，最关键的就是如何选取阈值和如何进行阈值的量化，从某种程度上说，它直接关系到信号消噪的关键。 基于小波包的信号消噪处理 小波分析是把信号分解为低频和高频两部分，在分解中，低频部分失去的信息由高频部分捕获。在下一层的分解中，又将高频部分分解成低频和高频两部分，同样，在该层的分解中，低频部分失去的信息也由高频部分捕获，这样如此类推下去，可以进行更深层次的分解；小波包分解则不然，它不仅对低频部分进行分解，而且还对高频部分也进行分解，即：小波包分析对上一层的低频部分和高频部分同时进行细分，具有更为精确的局部分析能力。因此，小波包分解是一种比小波分解更为精细的分解方法。对一个信号进行小波包分解，可以采用很多种小波包基，根据所分析信号的要求，从中选择最好的一种小波包基，即最佳基(也叫最优基)，最佳基的选择标准是熵标准。 利用小波包分析进行信号的消噪，通常可以按照如下几个步骤进行： (1)信号的小波包分解。选择一个小波并确定一个小波分解的层次N，然后对信号进行N层小波包分解。(2)计算最佳树(即确定最佳小波包基)。对于一个给定的熵标准，计算最佳树，当然，这一步是可选的。(3)小波包分解系数的阈值量化。对于每一个小波包分解系数(特别是低频分解系数)，选择一个适当的阈值并对系数进行阈值量化。(4)小波包重构。根据第N层的小波包分解系数和经过量化处理系数，进行小波包重构。 小波包的信号消噪处理过程 一维小波分析进行信号的消噪处理 小波工具箱中用于信号消噪的一维小波函数是wden.m和wdencmp.m。???? 小波分析进行消噪处理一般有下述3种方法。???? （1）默认阈值消噪处理。该方法利用函数ddencmp生成信号的默认阈值，然后利用函数wdencmp进行消噪处理。???? （2）给定阈值消噪处理。在实际的消噪处理过程中，阈值往往可以通过经验公式获得，且这种阈值要比默认阈值的可信度要高。在进行阈值量化处理时可利用函数wthresh。???? （3）强制消噪处理。该方法是将小波分解结构中的高频系数全部置为0，即滤掉所有高频部分，然后对信号进行小波重构。这种方法比较简单，且消噪后的信号比较平滑，但容易丢掉信号中的有用成分。 实验结果分析 ? 在本例中，分别利用前面提到的三种消噪方法进行处理。从MATLAB实际运行结果来看：应用强制消噪处理后的信号较为光滑，但是它可能丢掉了信号中的一些有用成分；默认阈值消噪和给定软阈值消噪这两种处理方法在实际中应用的更为广泛一些。 小波分析工具箱 原始电网波形 二次分解 12次分解 降噪波形 压缩波形 统计图 感谢 谢谢各位到场的领导！ 欢迎提出指正意见！ 直方图 * Insert a map of your country. * Insert a picture of one of the geographic features of your country. * Insert a picture illustrating a season in your country. * Insert a picture of an animal and or plant found in your country. * Add key points in the history of your country to the timeline. * Insert a picture illustrating a custom or tradition here. * Insert a picture that illustrates some part of your country’s economy. * Insert a picture of one of the points of