摘　要： 對(duì)給定的白噪聲" title="白噪聲">白噪聲序列進(jìn)行小波" title="小波">小波分解重構(gòu)" title="重構(gòu)">重構(gòu),，去除序列中的框架及近似成分；通過比較原序列與重構(gòu)序列之間自相關(guān)函數(shù)的差異是否顯著來檢驗(yàn)原假設(shè),；模擬實(shí)驗(yàn)對(duì)傳統(tǒng)檢驗(yàn)方法與小波分析" title="小波分析">小波分析方法進(jìn)行了比較,，實(shí)驗(yàn)表明后者有更強(qiáng)的檢驗(yàn)效果。
　　關(guān)鍵詞： 白噪聲序列 假設(shè)檢驗(yàn)" title="假設(shè)檢驗(yàn)">假設(shè)檢驗(yàn) 顯著水平 小波分析 自相關(guān)函數(shù)

　　白噪聲序列在應(yīng)用時(shí)間序列分析中有著重要的作用,，例如在判斷為數(shù)據(jù)建立的統(tǒng)計(jì)分析模型是否合理時(shí),，對(duì)模型的殘差進(jìn)行白噪聲檢驗(yàn)是判別模型合理性的重要依據(jù)。另外,，在信息安全領(lǐng)域,，物理白噪聲在隨機(jī)數(shù)產(chǎn)生方面有重要應(yīng)用^[1]，其中包括對(duì)白噪聲序列的檢驗(yàn)問題,。因此,，如何提高白噪聲序列的檢驗(yàn)功效，值得研究,。
　　由于在時(shí),、頻域同時(shí)具有良好局部化的特性，使得小波分析(也稱為多分辨分析)在很多領(lǐng)域得到越來越廣泛的應(yīng)用,。本文應(yīng)用小波分析,，通過小波分解系數(shù)的特點(diǎn)抑制白噪聲信號(hào)(即序列)中所含的弱相關(guān)信號(hào)或者成分來滿足檢驗(yàn)功效更強(qiáng)的要求。實(shí)驗(yàn)表明,，本文提供的白噪聲序列小波分析方法與傳統(tǒng)檢驗(yàn)方法相比,，檢驗(yàn)功效較高。
1 小波分析原理
　　下面具體介紹本文應(yīng)用Mallat快速小波變換的小波分解重構(gòu)原理^[2]：
　　設(shè){x(n),n=1,2,…,，N}是所給待檢驗(yàn)的序列,，經(jīng)Mallat快速小波分解M層(本文小波函數(shù)選擇db3小波，M=6)后,，得到M+1組數(shù)據(jù)
　　{d(1,k)},{d(2,k)},…,{d(M,k)},{a(M,k)}
　　其中{d(j,k)}表示細(xì)節(jié)成分的系數(shù)序列,；j=1,2,…，M表示尺度,；k=1,2,，…,，N/2^j表示序列長(zhǎng)度；{a(M,k)}表示信號(hào)輪廓或近似成分(本文稱為弱相關(guān)信號(hào)或成分),。
　　白噪聲序列經(jīng)Mallat變換分解后的系數(shù)仍是白噪聲序列^[3],，并隨著分解層次的增加而迅速衰減。所以隨著層次的增加,，噪聲序列的影響越來越小,，而弱相關(guān)信號(hào)的影響越來越明顯。同時(shí),，在各個(gè)層次細(xì)節(jié)成分系數(shù)中也可能有弱相關(guān)成分,，故對(duì)經(jīng)小波分解后的M+1組數(shù)據(jù)可以分別進(jìn)行如下處理：
　　(1)將{a(M,k)}的絕對(duì)值與閾值^[4]比較，大于閾值的系數(shù)賦為零,，然后按照Mallat重構(gòu)算法得到重構(gòu)序列{x′(n),n=1,2,…,，N}。
　　(2)對(duì)每一層的細(xì)節(jié)成分系數(shù)列{d(j,k)}進(jìn)行自相關(guān)函數(shù)估計(jì),，并使用下面檢驗(yàn)原理中的傳統(tǒng)檢驗(yàn)方法進(jìn)行假設(shè)檢驗(yàn),。對(duì)于不滿足原假設(shè)H0的某層系數(shù)列值也要與閾值比較，絕對(duì)值大于閾值的系數(shù)賦為零,，而其它層系數(shù)列保持不變,，然后按照Mallat重構(gòu)算法得到重構(gòu)序列{x′(n),n=1,2,…，N},。
　　由于(2)中計(jì)算量較大,，為便于計(jì)算說明本文的原理，筆者只采用(1)中的處理方法對(duì)原序列進(jìn)行小波分解重構(gòu),，并設(shè)閾值為零,。
2 檢驗(yàn)原理
　　本文用到的白噪聲序列均假設(shè)為WN(0，δ²)^[5]序列,。
2.1 傳統(tǒng)白噪聲檢驗(yàn)方法^[5]
　　傳統(tǒng)的白噪聲序列檢驗(yàn)方法只針對(duì)待檢驗(yàn)序列是否滿足原假設(shè)進(jìn)行檢驗(yàn),，即：
　　原假設(shè)H₀:{x(n)}是獨(dú)立白噪聲
　　否定假設(shè)H₁:{x(n)}是相關(guān)序列

　　是否成立，其中λ_α是給定顯著水平為α,，自由度為m的χ²分布臨界值,。
2.2 白噪聲檢驗(yàn)小波分析方法
　　設(shè)給定的序列為{x(n),n=1,2,…,N}，經(jīng)小波變換后所得的序列為{x′(n),n=1,2,…,N},。若原序列是一獨(dú)立白噪聲,，那么經(jīng)小波分解重構(gòu)后的序列也應(yīng)滿足獨(dú)立白噪聲序列條件^[3]，反映在自相關(guān)系數(shù)關(guān)系上應(yīng)大致相等,，也就是說這兩個(gè)序列自相關(guān)系數(shù)之比應(yīng)十分接近1,，即
　　
　　其中, {ρ_k,k=1,2,…,m}是原序列自相關(guān)系數(shù)，{ρ_k′,k=1,2,…,m}是小波分解重構(gòu)后的自相關(guān)系數(shù),。
　　根據(jù)上述分析,，可以得到以下的檢驗(yàn)方法：
　　原假設(shè)H₀：{x(n)}與{x′(n)}的自相關(guān)函數(shù)無顯著差異,。
　　否定假設(shè)H₁：{x(n)}與{x′(n)}的自相關(guān)函數(shù)有顯著差異,。
　　上面的假設(shè)檢驗(yàn)表示原序列中是否含有一個(gè)趨勢(shì)信號(hào)或相關(guān)信號(hào),，所以以上假設(shè)等同于如下假設(shè)：
　　原假設(shè)H₀：{x(n)}是獨(dú)立白噪聲。
　　否定假設(shè)H₁：{x(n)}是相關(guān)序列,。

3 模擬結(jié)果
　　本模擬計(jì)算中的數(shù)據(jù)來自以下AR(2)模型^[5]的N=512個(gè)觀測(cè),。
　　X_n=2βcos(θ)X_n-1-β²X_n-2+ε_n
　　對(duì)于θ=1.13和不同的β均進(jìn)行300次獨(dú)立重復(fù)試驗(yàn)。用p表示300次獨(dú)立重復(fù)試驗(yàn)中否定H₀的比例,。β=0表示觀測(cè)數(shù)據(jù)是白噪聲,。本試驗(yàn)取m=5, α=0.05。
　　　　　　　　β= 0 1/10 1/6
　　傳統(tǒng)檢驗(yàn)　　p= 4.3% 19.1% 49.0%
　　本文檢驗(yàn)　　p= 4.5% 20.1% 51.8%
　　　　　　　　β= 1/4 1/3 1/2
　　傳統(tǒng)檢驗(yàn)　　p= 90.2% 100% 100%
　　本文檢驗(yàn)　　p= 93.4% 100% 100%
　　不難看出,，本文檢驗(yàn)的效果總體上比傳統(tǒng)的要好,，也就是說本文的檢驗(yàn)功效比傳統(tǒng)檢驗(yàn)功效高。
　　在白噪聲序列檢驗(yàn)中,，如果序列中有弱相關(guān)信號(hào)或成分會(huì)被淹沒在噪聲中,，無法判斷這些弱相關(guān)成分是噪聲的隨機(jī)因素產(chǎn)生的，還是一種相關(guān)成分,。小波分析能夠把這部分成分分離,，通過比較重構(gòu)后的序列與原序列的自相關(guān)函數(shù)是否有顯著差異來判斷序列的噪聲特性。如果原序列是白噪聲序列,那么弱相關(guān)成分就是由噪聲的隨機(jī)因素產(chǎn)生的,，反之就判斷為相關(guān)成分,。故這種檢驗(yàn)方法比傳統(tǒng)檢驗(yàn)方法更有效，模擬實(shí)驗(yàn)也證明了檢驗(yàn)功效更高,。
　　但序列的Mallat小波分解重構(gòu)過程中還有值得探討和改進(jìn)的地方,，例如各層系數(shù)相關(guān)成分的閾值確立及小波函數(shù)的選擇都會(huì)對(duì)檢驗(yàn)效果產(chǎn)生影響，尤其是小波分解所產(chǎn)生的邊緣效應(yīng)對(duì)檢驗(yàn)效果的影響還有待進(jìn)一步研究,。
參考文獻(xiàn)
1 B. Schneier. Applied Crytography: Algorithms and Source Code in C. Jone Wiley & Sons, 1994:301～307
2 李弼程,，羅建書. 小波分析及其應(yīng)用. 北京：電子工業(yè)出版社, 2003:28～40
3 S. Mallat, Sifen Zhong. Characterization of Signals from Mul-tiscale Edges. IEEE Trans. on PAMI,1992;14(7)
4 D. L. Donoho. De-noising by soft-thesholding, IEEE Tans. On Information Theory,1995；41(3):713～727
5 何書元.應(yīng)用時(shí)間序列分析.北京：北京大學(xué)出版社,，2003:139～143
6 中山大學(xué)數(shù)學(xué)力學(xué)系《概率論及數(shù)理統(tǒng)計(jì)》編寫小組.概率論及數(shù)理統(tǒng)計(jì)(下冊(cè)). 北京：高等教育出版社,，1980:16～28