论文首页哲学论文经济论文法学论文教育论文文学论文历史论文理学论文工学论文医学论文管理论文艺术论文 |
摘要:针对一类非平稳信号的小波系数的非高斯分布特征,提出了基于软、硬阈值的自动一维信号除噪法和非平稳信号小波变换除噪法。前者使用[XD,CXD,LXD]=wden(Xtptr,sorh,scal,n,’wavename’)的语法应用Matlab程序辅助工具对非平稳信号进行小波直接分解结构除噪;后者则利用离散小波分解函数DWT将非平稳信号分解为高频成分和低频成分,即细节(小尺度)和近似(大尺度)。因此这两种方法可以获得比常规的小波去噪方法更好的去噪效果。仿真信号和实际信号的实验都验证了这两种方法的有效性。
关键字:非平稳信号 去噪 小波软硬阈值 DWT Matlab
一、引言
语音信号大多是非平稳信号,研究非平稳信号的去噪在许多领域具有重要的意义。自从小波问世以来,基于小波变换的去噪方法便层出不穷。Donoho和Johnslone提出了硬、软阈值法和阈值收缩法,就是用阈值的方法来保留大于阈值的小波系数而达到去噪的目的。它们在小波去噪领域应用极其广泛,并在阈值及阈值函数的选取方面不断有新的方法提出。再者,利用离散小波变换分解非平稳信号为低频成分和高频成分,对于许多信号,低频成分常蕴涵着信号的特征:而对于高频成分,常给出信号的细节或差别。例如。人的语音,如果除去高频成分,语音听起来有所不同,但仍能知道所说的内容,然而除去足够的高频成分,则听到的是一些无意义的声音。在小波分析中常用大的近似与细节。近似表示信号的大尺度,低频率成分;而细节表示的是小尺度,高频成分,因此原始信号通过两个互补滤波器产生两个信号。
二、小波消噪的基本原理方法
运用小波分析进行信号噪声消除是小波分析的一个非常重要的应用之一。
一个含噪声的一维信号的模型可表示为:
利用小波进行自动一维信号除噪。
程序清单如下:
winrect=[100 100 600 600];
figure;
[W,Fs,bits]=wavread('C:\Documents and Settings\ÕÔÑô\×ÀÃæ\456.wav');
tptr='sqtwolog';n=5;
[thr,sorh,keepapp]=ddencmp('den','wv',W(:,1));
scal='one';
[XD,CXD,LXD]=wden((W(:,1)),tptr,sorh,scal,n,'db5');
subplot(4,2,1);plot(W(:,1));
subplot(4,2,3);plot(XD);
subplot(4,2,4);plot(W(:,1)-XD);
scal='sln';
[XD,CXD,LXD]=wden((W(:,1)),tptr,sorh,scal,n,'db5');
subplot(4,2,5);plot(W(:,1)-XD);
subplot(4,2,6);plot(W(:,1)-XD);
[XD,CXD,LXD]=wden((W(:,1)),tptr,sorh,scal,n,'db5');
subplot(4,2,7);plot(W(:,1)-XD);
subplot(4,2,8);plot(W(:,1)-XD);
小波进行自动一维信号除噪如图1
(图1)
五、基于小波变换分解的信号去噪技术及实现
研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声,然后利用Matlab软件编制程序实现了基于小波分解非平稳信号的去噪仿真分析。仿真结果表明小波去除噪声的效果比传统的Fourior变换方法具有极大的优越性。
对于非平稳信号进行不断