-
第
24
卷
,
第
7
期
p>
光谱学与光谱分析
2004
年
7
月
Spectroscopyand
SpectralAnalysisVol124,No17,pp8262829
July,2004
采用不同小波母函数的阈值去噪方法性能分析
吕瑞兰
,
吴铁军
,
于
玲
浙江大学智能系统与决策研究所
,
杭州
310027
摘
要
以用于测定汽油辛烷值的红外吸收
光谱分析为背景
,
评估采用小波去噪方
法时各种小波和阈值组
合的去噪能力。文章构造了一个理想的
原始光谱信号
,
考虑到小波去噪后信噪比以
及原始光谱信号保留率这两者之间的协调关系
,
基于信噪比
(SNR)
定义了一个评价
去噪优劣的
评估系数
η,
在此基础上采用三种小波族系
(Symlets,Daubechies,Coiflet)
、四种阈值选取方法
(Rigrsure,Sqtwolog,Heursure
和
Manimaxi)
和三种阈值重调方法
(One,Sln,Mln)
对理想原始光谱信号进行了基于小波
变换的信号去噪处理实验
,
以评价各种小波函数和阈值选取
及重调方法的优劣。通
过一系列的试验表明
,
< br>对于该类型的信号
,
在实验所考察的小波族系和阈值选取
及
重调方法的范围内
,
采用
Daubechies9
或
Symlet7,11
,14,15
小波
,Rigrsure
阈值选取规
则和
Sln
阈值重调方法<
/p>
,
可以得到最优的去噪性能。
主题词
红外光谱分析
;
辛烷值
;
小波分析中图分类
号
:TN91117
文献标识码
:A
文章编号
:100020593(204
值选取方法的优劣。实验结果表明
,
对于这种类型的信号<
/p>
,
采用
Daubechies9
和
Symlet7,11,14,15
小波<
/p>
,Rigrsure
阈值选取规则和
‘S
ln’
阈值重调
方法
,
可以得到最优的去噪性能。
引
言
p>
在各种数据分析技术中
,
一个不可避免的问
题是
,
数据
中存在着各种不易消除的噪声。噪声不仅影响了系统的分辨率和稳定性
,
而且噪声
严重时
,
会淹没正常
的信号
,
导致无法正常工作。因此
,<
/p>
首先要解决的一个问题就是
如何消除信号中夹杂着的噪声。
小波分析由于能同时在时频域中对信号进行分析
,
所以它能有效地区分信号中的突
变部分和噪声
,
从而实现对信号的去噪。这是小波分析的一个重要的应用领域。有
关这方面的论述
,
参见文献
< br>[123]
。但是
,
由于可用于
去噪的小波母函数是一个集合
,
在小波去噪的实际应用中采用哪
一种小波函数才有最好的去噪效果
,
是一个有待解
决的、同时很有实际价值的研究课题。文献
[4,5]
分别对理想心音图和流量分馏信
号的小波选取给出了一些建议
,
但是不同的信号小波去噪的结果也不尽相同。在实
际应用中<
/p>
,
由于通常无法区分真实的信号和污染它的噪声
< br>,
因此难以评估各种小波
函数的去噪效果。
本文通过在构造给定
信号并附加已知噪声的基础上进行实验测试
,
来评估各种小波<
/p>
和阈值的组合的去噪能力。文中以用于测定汽油辛烷值的红外光谱分析为背景
,
以
理想原始光谱信号为基准
,
以去噪后的信噪比为指标
,
采用三
种小波族系、四种阈
值选取方法和三种阈值重调方法对其进行了基于小波变换的信号去噪
处理实验
,
以
评价各种小波函数和阈<
/p>
收稿日期
:2002206228,<
/p>
修订日期
:2002211228
1
基于阈值选取的小波去噪原理
对于给定信号
f
∈
L2(R),
其积分小波变换的定义如下
(L2
为可积实数空间
)
(WΨf)(b,a)=
(t)dtf(t)Ψ
∫
(t)Ψ=(a)
a∫
R
b,a
2
R
dt
实
际应用的计算中
,
一般采用离散小波变换。即对尺度参数
a
和位移参数
b
进<
/p>
行离散化处理。因此上述信号
f(t)
可
以表示成级数的形式
,
即
∞
f(t)=
j,k=-
∞
∑c
j,k
Ψj,k(t)
其中
Ψj,k
(t)
为离散小波函数
,cj,k
是离散小波系数
[3]
。
基于阈值选取的小波去噪原
理
[3]
是
选用一个小波母函数
Ψj,k(t)
将待处理的信号进行离散小
波变换
,
并选择一
个阈值将变换得到的
小波系数
{cj,
k}j∞,k=1
进行阈值选取
,
阈值选取方法包括两类
:
硬阈值方法和软阈值方法。这两
种阈值方法的定义如
下
:
硬阈值方法
:
作者简介
:
吕瑞兰
,
女
,1976
年生
,
浙江大学智能系统与决策研究所硕士研究生
p>
? 1995-2005 Tsinghua Tongfang
Optical Disc Co., Ltd. All rights reserved.
第
7
期
光谱学与光谱分析
x,
xx
827
s=
>x0
0,≤x0
,
x
用
5
层分解去噪后可以得到相当令人满意的信噪比
,
因此在
实验中采用的小波分解层次为
5
级。
>x0
软阈值方法
:
s=
sign(x)x-x0
对于去噪结果的评定
,
一般采用信噪比作为标准。信噪
< br>比
(SNR)
是测量信号中的噪声量的传统方法。在本文
的实验中信噪比定义为
SNR=10×log10(powe
rsignalΠpowe
rnoise)
0,
x≤x0
其中
x0
是阈值
,x
< br>是小波变换后的小波系数
,s
是阈值选取后的小波系数。
换句话说
,
硬阈值是把绝对值小于阈值的小
波系数置
0
。软阈值是把绝对值
小于阈值的小波系数置
0,
剩下的非
0
的系数向
0
压缩。然后根据阈值选取后
的系数进行信号重构
,
得到去噪后的信号。
由于小波分解是分层次逐级进行的
,
阈值选定后
,
每一层系数采用的阈值是否需要
重新调整
,
就是阈值重调问题。
);2)
< br>只调整一般有三种情况
:1)
不需要重新调整
(
记为
“One”
p>
);3)
在每一层都重新调小波分解的第一层的阈值
(
记为
“Sln”
)
。整阈值
(
记为
p>
“Mln”
有关这方面的论述
,
参见文献
[3]
。
p>
因此
,
小波去噪的效果受到两方面因素的影
响
:1)
采用哪一种小波母函数进行小波变
换和信号重构
;2)
采用哪一种阈值选取和重调方法来处理
小波系数。
其中
powersign
al
为真实信号的功率
,powernoise
为噪声的功率。按上式计算的信
噪比单位是分贝。
a)
不同小波去噪性能的比较
在去噪过程中
,
通常既希望尽可能多地去除噪
声
,
同时又希望原始信号信息丢失得
尽
可能的少。为了考察它们之间的关系进行了两个试验
:
实验一
:
对于加入标准白噪声的理想原始信号
,
在其他条件相同的情况下分别采用
Symlets
小波系、
Daubechies
小波系、
Coiflet
小波系进行去噪处理。然后计算去噪
后的信号和理想原始信号的信噪比。信噪比越高
,
噪声越少
。去噪结果如表
1
所
示。
Table11Effectofdenoisingontheidea
lspectrumsignalpolluted
2
基于光谱分析数据的小波去噪实验
211
实验数据集
bystandardG
ausswhitenoiseviadifferentkindsofmotherwavelets
p>
SymletsDaubechiesCoiflet
分析采样到的
光谱数据可以发现
,
信号中包含许多尖峰
或突变部分
,
在这里噪声也是未知
的。由于原始信号模型和噪声模型均不知道
,
因此我
们无法判断到底哪种小波去噪方法的效果比较好。为此
,
我们先
将光谱数据
用
Sym8
小波、
Rigrsure
阈值选取方法和
One
阈值重调方法进行小波去噪
,
得到光
滑曲线
,
把该曲线作为理想原始光谱曲线。然后
以这个原始曲线为基准
,
加入标准
高斯
白噪声
(
参见图
1),
用以分析各种小波去噪方法的优劣。
采用的小波信噪比
-Sym2
小波
Sym3
小波
S
ym4
小波
Sym5
小波
Sym6
小波
Sym7
小波
Sym8
小波
Sym9
小波
-22598227230
< br>Sym10
小波
2215936Sym11
小波
2216391Sym12
小波
2213275Sym13
小波
2211042Sym
14
小波
2214847Sym15
小
波
2312021
采用的小波
db1
小波
db2
小波
db3
小波
db4
小波
db5
小波
db6
小波
p>
db7
小波
db8
小波
db9
小波
db10
小波
db11
小波
db12
小波
db13
小波
db14
小波
db15
小波信噪<
/p>
比
2397422585226
2241
42118600
采用的小波
coif1
小波
coif2
小波
coif3<
/p>
小波
coif4
小波
coif5
小波
----------
信噪比
237442215489
----------
实验二
:
将小波去噪技术应用于理想原始光谱信
号
,
然后计算生成信号和理想
原始信号
的信噪比。这个测试考察在去噪过程中原始信号信息的丢失情况。小波
变换后越多原始光
谱信号保留越好。结果如表
2
所示。
Fig11
Signalsusedintheinvestigation
(a),SampledIRspectrum;(b),Idealspectrumprototype afterdenoising;(c),StandardGausswh
iteno
ise;(d),SpectrumsignalpollutedbystandardGausswhite
noise
信号去噪的基本目标
是
:
既希望尽可能多地去除噪声
,
p>
同时又希望原始信号信
息丢失得尽可能的少。然而这两者并不统一<
/p>
,
有时候甚至是矛盾的。因此本文构造
了
一个去噪结果的评估系数
η,
定义为
3
-
-
-
-
-
-
-
-
-
上一篇:读书心得怎么写
下一篇:老鹰捉小鸡写作文10篇