基于自適應提升小波的信號去噪技術研究.pdf

1、由于現(xiàn)實中的信號都是含噪信號，干擾噪聲信號會導致原始信號發(fā)生畸變，甚至面目全非，因此如何從含噪信號中恢復原始信號實現(xiàn)信噪分離，提高信號的信噪比成為一項重要的研究課題。本文深入研究了對含噪信號進行去噪所涉及的問題，并提出如下三種基于提升小波變換的信號去噪方法： 首先，傳統(tǒng)的小波變換方法用于信號去噪存在這樣幾個缺點：現(xiàn)實中的信號是多樣的，傳統(tǒng)的單一小波變換無法滿足信號多樣性的要求；傳統(tǒng)小波變換在自身構造以及對信號進行時-頻-時變換需

2、要耗費大量的系統(tǒng)資源。針對上述問題，本文提出一種基于Laurent多項式歐幾里德算法的提升小波變換方法來構造正交小波庫，能夠根據(jù)采樣信號的特征自適應選取合適的小波，并將其應用到信號去噪中。該方法有如下特點：構造的小波庫滿足了信號多樣性的要求；提升方法構造的小波變換僅在時域?qū)π盘栠M行分析，大大減少了計算量；基于提升方法構造有著良好的靈活性、實時性和自適應性。 其次，典型的提升方法將信號處理過程分為三個階段：分解、預測和更新。原有的

3、自適應預測方法是推導出多項式預測算子中的設計參數(shù)，通過自適應算法得出該參數(shù)，該方法把算子參數(shù)設計與自適應算法完全分離，彼此相互獨立。在這種條件下，本文的卡爾曼自適應預測算法表現(xiàn)出了良好的實時性和靈活性?？柭A測算法在對信號預測的過程中能夠自適應地調(diào)整增益矩陣參數(shù)，使得被預測誤差滿足最小均方誤差準則，此方法將預測與自適應有機的結(jié)合在一起，也大大減少了實時分析信號過程中的運算量。 最后，在自適應預測的基礎上，本文提出一種雙自適應提

4、升方法，即在提升過程中采用自適應的方法設計更新算子和預測算子。原有的自適應提升方法是先預測后更新的方法，當預測算子為空間變化或者非線性算子時，這種非線性因素會傳遞到更新算子當中，從而影響更新算法的性能。因此本文采用先更新后預測的方法，可以有效的避免由于預測算法的非線性因素導致更新算法的不準確。采用先更新后預測的方法，處理后信號的信噪比有所提高。 原有的閾值去噪方法有各自的特點：硬閾值函數(shù)能夠很好的保留信號邊緣的局部特征，對突變信