《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 基于新閾值函數(shù)的小波去噪算法
基于新閾值函數(shù)的小波去噪算法
2016年微型機(jī)與應(yīng)用第17期
張兢,李冠迪,,史文進(jìn),曾建梅
重慶理工大學(xué) 電子信息與自動(dòng)化學(xué)院,,重慶 400054
摘要: 分析了小波去噪的特點(diǎn),針對(duì)軟,、硬閾值的缺陷,,構(gòu)造出一種新的閾值函數(shù)及閾值估計(jì)方法。新閾值函數(shù)連續(xù)可導(dǎo)并且新閾值估計(jì)方法具有優(yōu)良的自適應(yīng)性,。仿真實(shí)驗(yàn)表明,,該方法可以有效去除白噪聲干擾,信噪比更高,,均方根誤差更小,,且重構(gòu)信號(hào)的近似性好。
Abstract:
Key words :

  張兢,李冠迪,,史文進(jìn),,曾建梅
  (重慶理工大學(xué) 電子信息與自動(dòng)化學(xué)院,,重慶 400054)

       摘要:分析了小波去噪的特點(diǎn),,針對(duì)軟,、硬閾值的缺陷,構(gòu)造出一種新的閾值函數(shù)閾值估計(jì)方法,。新閾值函數(shù)連續(xù)可導(dǎo)并且新閾值估計(jì)方法具有優(yōu)良的自適應(yīng)性,。仿真實(shí)驗(yàn)表明,該方法可以有效去除白噪聲干擾,,信噪比更高,,均方根誤差更小,且重構(gòu)信號(hào)的近似性好,。
  關(guān)鍵詞:小波閾值去噪,;閾值函數(shù);閾值估計(jì),;信噪比,;均方根誤差  

0引言
  在信號(hào)的采集、傳輸過(guò)程中,,不可避免地會(huì)受到各種噪聲干擾,,對(duì)信號(hào)去噪處理已成為人們關(guān)注和研究的熱點(diǎn)。小波變換具有多分辨率分析的特點(diǎn),,在時(shí)域和頻域都有表征信號(hào)局部信息的能力[1],,時(shí)間窗和頻率窗都可以根據(jù)信號(hào)的具體形態(tài)動(dòng)態(tài)調(diào)整,能有效區(qū)分非平穩(wěn)信號(hào)中的突變部分和噪聲[2],,可在提高信噪比的同時(shí)保持對(duì)突變信息的良好分辨能力,。
  小波去噪方法有:模極大值法、小波閾值去噪法以及相關(guān)去噪法,。其中,運(yùn)用最為廣泛的是DONOHO D L在1995年提出的小波閾值去噪的算法[3-4],,該方法處理含噪信號(hào)時(shí)采用軟閾值函數(shù)與硬閾值函數(shù),。但傳統(tǒng)軟閾值函數(shù)存在恒定偏差缺陷,以及硬閾值函數(shù)有振蕩現(xiàn)象的缺陷[5],。本文深入分析小波軟硬閾值的優(yōu)缺點(diǎn),,綜合其他學(xué)者提出的閾值函數(shù),在此基礎(chǔ)上構(gòu)造出一種新的閾值估計(jì)與閾值函數(shù),。通過(guò)仿真實(shí)驗(yàn)分析,,新閾值函數(shù)連續(xù)可導(dǎo),既解決了軟閾值函數(shù)存在恒定偏差的問(wèn)題,,又解決了硬閾值函數(shù)存在振蕩現(xiàn)象的問(wèn)題,,具有較好的實(shí)用性。
1小波閾值去噪基本原理
  1.1小波變換

  假設(shè)含噪信號(hào)的觀測(cè)值為f(t),,則:
  QQ圖片20160926204349.png

  其中,s(t)為信號(hào)在時(shí)刻t的真實(shí)值,,n(t)為高斯白噪聲,σ為噪聲標(biāo)準(zhǔn)差。小波變換的目的是抑制n(t)以恢復(fù)s(t),。對(duì)于一維信號(hào)f(t)而言,,首先要對(duì)它進(jìn)行離散采樣,得到N點(diǎn)離散信號(hào)f(n),n=1,2,…,N-1,,其小波變換為:
  QQ圖片20160926204356.png

  ωf(j,k)為小波系數(shù)記為ωj,k,。由于小波變換屬于線性變換,因此對(duì)含噪信號(hào)f(t)=s(t)+σn(t)作離散變換后,,得到的小波系數(shù)j,k仍舊是由真實(shí)信號(hào)s(t)對(duì)應(yīng)的小波系數(shù)和噪聲信號(hào)n(t)所對(duì)應(yīng)的小波系數(shù)兩部分組成,。
  1.2小波閾值去噪
  從數(shù)學(xué)角度分析,小波閾值去噪本質(zhì)上是函數(shù)逼近問(wèn)題,;從信號(hào)處理角度分析,,則為信號(hào)濾波問(wèn)題[6]。在實(shí)際信號(hào)中,,噪聲通常分布在高頻信號(hào)中,,而純凈信號(hào)通常分布在低頻信號(hào)中,則可通過(guò)設(shè)置閾值方法將噪聲信號(hào)分離出去[7],。小波閾值去噪法的流程圖如圖1所示,。 

圖像 001.png

  其中,,f(x)為含噪信號(hào),,f^(x)為重構(gòu)信號(hào)。由以上流程圖可得閾值函數(shù)和閾值的選取直接影響到最終的去噪效果,,閾值選取過(guò)小,,則會(huì)消噪不足,致使信號(hào)的弱特征成份被噪聲淹沒(méi),;反之,,則會(huì)導(dǎo)致“過(guò)扼殺”的現(xiàn)象。
  設(shè)ωj,k為原始小波系數(shù),,ω^j,k為閾值處理后的小波系數(shù),,λ=σ2log(N)為統(tǒng)一閾值,則λ>0,,傳統(tǒng)閾值去噪有:
 ?。?)硬閾值(Hard Thresholding)
  QQ圖片20160926204359.png

  (2)軟閾值(Soft Thresholding)
  QQ圖片20160926204403.png

  為了對(duì)比軟閾值與硬閾值的處理效果,,設(shè)一原始信號(hào)為:
  QQ圖片20160926204407.png

  分別對(duì)其進(jìn)行軟閾值和硬閾值去噪,,仿真結(jié)果如圖2所示。
  

圖像 002.png

  由圖2可知,,硬閾值函數(shù)在ωj,k=±λ處不連續(xù),,去噪時(shí)造成較大方差,,重構(gòu)信號(hào)出現(xiàn)偽吉布斯現(xiàn)象。軟閾值函數(shù)的小波系數(shù)連續(xù)性雖好,,但當(dāng)ωj,k>λ或ωj,k<-λ時(shí),,軟閾值對(duì)小波系數(shù)進(jìn)行壓縮時(shí)存在恒定的偏差,并且軟硬閾值函數(shù)不具有高階可導(dǎo)性,,不易實(shí)現(xiàn)數(shù)字處理,。因此,尋找一種既可以克服軟硬閾值缺陷,,又高階可導(dǎo)的新閾值函數(shù)至關(guān)重要,。
2新閾值函數(shù)與閾值估計(jì)
  2.1閾值函數(shù)的選取

  針對(duì)上述軟閾值與硬閾值的不足,學(xué)者們提出了許多改進(jìn)閾值函數(shù),,較經(jīng)典的如參考文獻(xiàn)[8]提出的一種自適應(yīng)的閾值函數(shù):
 QQ圖片20160926204413.png

  上述的閾值函數(shù)具有很好的自適應(yīng)性,,但是卻存在振蕩和偽吉布斯效應(yīng),在閾值處并不光滑,。為了克服這些弱點(diǎn)本文在此基礎(chǔ)之上構(gòu)造了一種新的閾值函數(shù):
  QQ圖片20160926204424.png

  其中,α為調(diào)節(jié)參數(shù),,由式(7)可以看出,當(dāng)α→0時(shí)為軟閾值函數(shù),,當(dāng)α→∞時(shí)為硬閾值函數(shù),。由此可見(jiàn),構(gòu)造的新閾值函數(shù)同時(shí)具有軟閾值函數(shù)與硬閾值函數(shù)特點(diǎn),,靈活性較好,。因此根據(jù)不同的去噪目的去調(diào)節(jié)α值,可得到較好的去噪效果,。并且當(dāng)ωj,k→±λ時(shí),,j,k→0,j,k在ωj,k=±λ處是連續(xù)的,即與硬閾值函數(shù)相比,,重構(gòu)信號(hào)不會(huì)產(chǎn)生震蕩,。
  構(gòu)造的新閾值函數(shù)不但具有連續(xù)性,并且當(dāng)ωj,k>λ或ωj,k<-λ時(shí)具有高階可導(dǎo)性,,新閾值函數(shù)對(duì)各種數(shù)字信號(hào)處理都很方便,證明如下:
  QQ圖片20160926204428.png

  由式(8)~(12)可知,,f(x)以y=x作為漸近線,,同理可得本文采用的改進(jìn)的閾值函數(shù)以j,k=ωj,k為漸近線,并且ωj,k值越大,,小波系數(shù)估計(jì)值j,k越接近ωj,k,進(jìn)而克服硬閾值的小波系數(shù)不連續(xù),以及軟閾值函數(shù)的j,k與ωj,k存在恒定偏差的缺陷,。
  2.2改進(jìn)閾值估計(jì)
  在小波閾值去噪中不僅閾值函數(shù)是影響去噪效果的關(guān)鍵因素,閾值估計(jì)也至關(guān)重要,。目前,,人們通常采用統(tǒng)一閾值,,但是此閾值與信號(hào)長(zhǎng)度N相關(guān),信號(hào)長(zhǎng)度N越大,,小波系數(shù)被置0的數(shù)目越多,,導(dǎo)致“過(guò)扼殺”現(xiàn)象[9];反之則會(huì)導(dǎo)致消噪不足的現(xiàn)象,。為了避免上述現(xiàn)象發(fā)生,,在統(tǒng)一閾值的基礎(chǔ)上引入了一個(gè)適中的收縮因子,新閾值估計(jì)的數(shù)學(xué)公式為:
 QQ圖片20160926204432.png

  式中,,σ為噪聲標(biāo)準(zhǔn)差,,Nj為各層高頻系數(shù)的長(zhǎng)度,L為分解層數(shù),。由式(13)可得:隨著分解層數(shù)L的不同,,閾值估計(jì)的大小隨之自動(dòng)調(diào)節(jié),因此具有較強(qiáng)的自適應(yīng)性,。
3仿真實(shí)驗(yàn)及分析
  3.1去噪效果的評(píng)價(jià)指標(biāo)

  采用信噪比SNR和均方根誤差RMSE對(duì)去噪效果進(jìn)行比較評(píng)價(jià),,信噪比表示的是信號(hào)中含有噪聲的多少,其值越大,,信號(hào)中噪聲含量越少,;均方根誤差表示測(cè)量樣本的可靠性,其值越小,,測(cè)量的可靠性越高,。表達(dá)式如式(14)和式(15)所示。
  QQ圖片20160926204437.png

  其中,,f(i)為原始不含噪信號(hào),,f^(i)為去噪后的信號(hào),N為信號(hào)長(zhǎng)度,。
  3.2實(shí)驗(yàn)結(jié)果分析
  為了驗(yàn)證新閾值函數(shù)的有效性,,用MATLAB2010對(duì)其進(jìn)行仿真,將一段含有噪聲的Leleccum信號(hào)分別采用硬閾值,、軟閾值,、參考文獻(xiàn)[8]提出的閾值函數(shù)及本文構(gòu)造的新閾值函數(shù)進(jìn)行去噪實(shí)驗(yàn)。經(jīng)多次試驗(yàn)可得,,選取sym4小波分解5層,,且調(diào)節(jié)參數(shù)α取值為5×10-5時(shí)得到的效果最好。所以本實(shí)驗(yàn)選取sym4小波及5層小波分解進(jìn)行實(shí)驗(yàn),。實(shí)驗(yàn)中含噪Leleccum信號(hào)的信噪比為26.199 6 dB,,調(diào)節(jié)參數(shù)α=5×10-5,進(jìn)行仿真實(shí)驗(yàn),,測(cè)試結(jié)果如圖3所示,。

圖像 003.png

  從圖3可以看出,,本文提出的改進(jìn)閾值函數(shù)小波重構(gòu)得到的信噪比硬閾值函數(shù)以及參考文獻(xiàn)[8]提出方法重構(gòu)信號(hào)更平滑,比軟閾值函數(shù)重構(gòu)信號(hào)保留的有用信號(hào)更多,,因而能更好地還原原始信號(hào)所包含的信息,。 

圖像 004.png

表1給出了4種閾值函數(shù)去噪后的信噪比和均方誤差,。從實(shí)驗(yàn)結(jié)果數(shù)據(jù)可以看出,,本文提出的閾值方法相比軟、硬閾值方法以及參考文獻(xiàn)[8]方法,,在信噪比和均方根誤差兩個(gè)性能指標(biāo)上均有明顯的提高,,說(shuō)明改進(jìn)后的方法可靠性更強(qiáng),去噪效果更好,。
4結(jié)論
  本文構(gòu)造出了新閾值函數(shù)和閾值估計(jì)方法,,新閾值函數(shù)具有軟硬閾值優(yōu)點(diǎn),同時(shí)具有連續(xù)可導(dǎo)性,,并且通過(guò)自適應(yīng)調(diào)整參數(shù)α消除了軟閾值函數(shù)的恒定偏差,、硬閾值函數(shù)不連續(xù)以及引用參考文獻(xiàn)提出的閾值函數(shù)光滑性差的缺點(diǎn)。改進(jìn)的閾值估計(jì)隨分解尺度的變化自適應(yīng)調(diào)節(jié)閾值的大小,,避免了“過(guò)扼殺”現(xiàn)象的產(chǎn)生,。仿真結(jié)果表明,新閾值去噪方法重構(gòu)得到的信號(hào)質(zhì)量明顯優(yōu)于軟閾值方法,、硬閾值方法以及參考文獻(xiàn)[8]提出的方法,,在去除噪聲的同時(shí)很好地保留了有用信號(hào),證明了算法的有效性與實(shí)用性,。
  參考文獻(xiàn)
 ?。?] 劉征.雷達(dá)輻射源信號(hào)的時(shí)頻分析方法研究[D].太原:中北大學(xué),2011.
 ?。?] 王旭.小波閾值去噪法在建筑物變形監(jiān)測(cè)數(shù)據(jù)處理中的應(yīng)用研究[D].阜新:遼寧工程技術(shù)大學(xué),,2011.
  [3] DONOHO D L, JOHNSTONE I M.Ideal spatial adaptation via wavelet shrinkage[J].Biometrika,1994,81(12):425 455.
 ?。?] DONOHO D L.Denoising by softtresholding[J].IEEE Transactions on Information Theory,1995,41(3):613 627.

 ?。?] 張弛,李翔,,姚磊.一種改進(jìn)的小波閾值函數(shù)去噪方法[J]. 計(jì)算機(jī)與現(xiàn)代化,2014,40(3):219 222.
 ?。?] 景新幸,冼燦嬌,,楊海燕.基于改進(jìn)的小波閾值去噪算法的研究[J].電聲技術(shù),2015,39(5):80 83.
 ?。?] MALLAT S G. Theory for multiresolution signal decomposition:the wavelet representation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1989,11(7):674 693.
 ?。?] 夏欣,,李海標(biāo),沈蘭蘭,,等.一種改進(jìn)的小波閾值裂紋圖像去噪法[J]. 電子設(shè)計(jì)工程,,2013,21(18):130 132.
  [9] 王琪,程彬,杜娟,等.一種改進(jìn)的小波閾值圖像去噪方法[J].計(jì)算機(jī)與現(xiàn)代化,,2015(4):65 69.

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載。