基于小波理論的去噪方法及其在信號(hào)處理中的應(yīng)用研究.pdf

1、隨著方法學(xué)研究的成熟與發(fā)展，信號(hào)處理成為了當(dāng)代科學(xué)技術(shù)的重要工具，被廣泛應(yīng)用在語(yǔ)音、圖像、通信、機(jī)械等領(lǐng)域。小波分析是信號(hào)處理領(lǐng)域迅速發(fā)展起來(lái)的新興學(xué)科，它是基于傅里葉分析的一種分析工具，有著廣泛的應(yīng)用背景。在信號(hào)處理過(guò)程中，通常采集來(lái)的數(shù)據(jù)中存在著復(fù)雜的背景噪聲難以濾除。小波變換具有靈活可變的時(shí)間—頻率窗口，能夠有效的從信號(hào)中提取有用信息。因此，在信號(hào)處理領(lǐng)域受到國(guó)內(nèi)外學(xué)者的關(guān)注。當(dāng)前，小波去噪方法的研究與應(yīng)用仍有較大的發(fā)展空間，基于

2、此，本文在傳統(tǒng)去噪方法的基礎(chǔ)上提出了一些改進(jìn)的去噪方法。
　　本文在傳統(tǒng)軟、硬閾值的理論基礎(chǔ)上提出了一種臨界閾值去噪方法。該臨界閾值去噪方法既能克服軟閾值方法造成的與原始信號(hào)產(chǎn)生恒定偏差的缺點(diǎn)，又能彌補(bǔ)硬閾值方法不完全去除噪聲的缺陷。
　　在傳統(tǒng)的小波系數(shù)相關(guān)去噪方法中，在對(duì)含噪信號(hào)進(jìn)行小波變換后，各尺度上的小波系數(shù)會(huì)產(chǎn)生微小偏移。針對(duì)這個(gè)問(wèn)題，本文提出了一種基于互相關(guān)函數(shù)的小波系數(shù)相關(guān)去噪方法。采用互相關(guān)算法，計(jì)算出各個(gè)尺

3、度與原始含噪聲信號(hào)產(chǎn)生的偏移量，再把偏移后的尺度進(jìn)行相關(guān)分析，得出準(zhǔn)確的信號(hào)。
　　針對(duì)信號(hào)中噪聲在含噪信號(hào)中無(wú)法預(yù)知的問(wèn)題，本文設(shè)計(jì)了一種基于小波變換的自適應(yīng)濾波器模型。把進(jìn)行一次小波閾值去噪后的信號(hào)，作為自適應(yīng)濾波器的主輸入，二次小波變換后的小波重構(gòu)系數(shù)，作為自適應(yīng)濾波器的參考輸入，經(jīng)過(guò)自適應(yīng)濾波算法迭代后，濾波器的輸出即為去噪后的信號(hào)。在基于小波變換的自適應(yīng)濾波器模型中，采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自適應(yīng)濾波LMS算法，

4、提高了運(yùn)算速度。
　　傳統(tǒng)隨機(jī)共振只適用于檢測(cè)低頻段微弱信號(hào)，為了解決該問(wèn)題，本文提出了一種基于隨機(jī)共振的高頻微弱信號(hào)檢測(cè)方法。通過(guò)分析傳統(tǒng)隨機(jī)共振模型參數(shù)與輸入信號(hào)幅值、噪聲信號(hào)、輸出信噪比的關(guān)系，在原始模型中增加一個(gè)增益，使得隨機(jī)共振系統(tǒng)的采樣時(shí)間成倍縮小，從而實(shí)現(xiàn)信號(hào)從低頻段到高頻段的映射。
　　針對(duì)隨機(jī)共振只適用于檢測(cè)單一頻段信號(hào)的問(wèn)題，提出了基于小波變換的隨機(jī)共振多頻微弱信號(hào)檢測(cè)方法。首先對(duì)多頻微弱含噪信號(hào)進(jìn)行小波