小波阈值降噪方法的基本思想是对含噪声信号f(t)作小波分解后的各层系数中,对大于和小于某一阈值的小波系数分别进行处理,然后再利用处理后得到的小波系数重构原信号,达到降噪的目的。
设ωj,k是观测信号f(t)的小波系数,记为ω。η(ω)表示阈值处理后的系数,即阈值函数,表示对ω的模大于或小于阈值T的不同处理结果。在阈值降噪方法中,有两个关键问题:一是阈值函数的选取;二是对阈值的具体估计。
4.1.3.1 阈值函数的选取
常用阈值函数有硬阈值函数和软阈值函数。硬阈值函数[图4.1.1(a)]:
软阈值函数[图4.1.1(b)]:
这两种阈值函数在实际中经常使用,也取得了较好的效果。但方法本身也存在着一些缺点,如硬阈值函数方法在ω=T,η(ω)不连续,用η(ω)重构信号时会产生振荡;软阈值函数方法得到的η(ω)虽然连续性好,但在|ω|>T时,η(ω)与ω存在着恒定偏差,直接影响重构信号的性质。因此为了克服上述阈值函数的一些缺点,有必要对阈值函数进行一些改进,常用的效果较好的阈值函数有:
(1)由多项式插值法构造:
式中,P(|ω|)为插值多项式,可取一次、二次或三次多项式。其插值条件分别为
(www.xing528.com)
式(4.1.13)表示的阈值函数克服了硬阈值函数在点T处不连续,软阈值函数在|ω|较大时,η(ω)与ω总有一定偏差的缺点,因而使得降噪效果比较理想,但要估计两个阈值T1、T2比较困难。
(2)软、硬阈值折中法构造:
折中法构造的阈值函数如图4.1.1(c)所示,当λ=0和1时,式(4.1.15)就成为硬阈值函数和软阈值函数。当0<λ<1时,η(ω)的值介于软、硬阈值函数得出的值之间,因而这种阈值函数降噪效果较好。它使得η(ω)的值更接近原信号的小波变换值,并通过调整λ值以获取更好的降噪效果。
图4.1.1 阈值函数
4.1.3.2 阈值的估计
对阈值的具体估计是关系到信号降噪效果的一个关键问题,阈值太小,达不到降噪效果,阈值太大,信号的一些重要特征又将被虑掉,重构信号会引起偏差。阈值的估计比较复杂,常用的一种简单估计为
在实际应用过程中,T值的估计应是自适应的,即应考虑到信号的相对平稳性和信噪比的大小。对于平稳性较差的信号,T值应取得小一些,相反情况T值应取得较大。对于同一信号,信噪比大时,噪声功率小,则T值可取得小些。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。