倾角传感器的小波阈值消噪.pdfVIP

山西电子技术 应用实践 2010年第3期 文章编号2010)03-0402~3 倾角传感器的小波阈值消噪 李 海，王 慧 (中山职业技术学院，广东 中山528404) 摘 要：针对非平稳信号进行小波阈值消噪方法，提出了一种将广义交叉确认 (GCV)规则和遗传算法结合的 新方法，利用这种方法，可以求得近似最佳闽值。接着，将方法应用到倾角传感器信号消噪中，取得到 了很好的 效果。 关键词：小波；阁值；GCV；遗传算法 中图分类号~TP84 文献标识码：A O 引言 号S进行N个尺度的小波分解后得到每层的小波系数； (2)高频系数的阈值处理：对每一层高频系数选择一个 倾角传感器是测量平面倾斜角度的工具，由于制造原理 阈值进行量化处理 ； 自身的限制，在动态测量中会引入各种干扰信号，如加速度、 (3)信号重构 ：利用低频系数和经过量化处理后的高频 振动、电磁以及高斯白噪声等，这使得传感器信号具有随机、 系数 ，进行信号的小波重构。 非平稳的特点，传统的傅立叶分析方法对这种类型的信号并 第二步中阈值处理一般有软、硬阈值方法：设tt，为分解 不适用。小波变换是一种有效的非平稳信号处理方法，通过 所得的第_层『小波系数，A为阈值，则硬阈值处理的方法为： 将信号在小波域上进行多分辨分析，我们可以得到信号的不 fwi， I I≥A 同频率成分。由于小波变换中的窗函数是 自动随尺度成反 ‘ I IA。 () 比变化的，从而可以在低频 (较大尺度)处用较大时间窗取 得较好频率分辨率，而在高频处用较小时间窗取得好的时间 而软阈值则为： 分辨率。 sig．(wj) ’ = O， A ‘ z l 小波阈值消噪 阈值消噪来源于小波变换的多分辨分析思想。图 1是 这两种方法有各自的缺点。硬阈值由于在A点处不连 信号进行三层小波分解的示意图。从图中我们可以看出，通 续，所以会导致在重构信号时出现Pseudo--Gibbs现象 ，软阈 过对信号s进行小波分解，我们将信号首先分解为低频 A1 值函数虽然整体连续性好，但是l￡I，和 ，之间总是存在固 和高频Dl两部分，接下来再将低频部分进一步分