首页 理论教育小波数字信号处理技术

小波数字信号处理技术

【摘要】:图10-7 一维小波分解简图一维小波的信号除噪是小波分析的重要应用之一。图10-9 一维信号小波除噪Simulink模型对信号除噪的目的就是抑制信号中的噪声部分,从而在信号中恢复有用信号。图10-11 二维图像信号小波除噪图10-11 二维图像信号小波除噪

978-7-111-48233-8-Chapter10-11.jpg

图10-7 一维小波分解简图

一维小波的信号除噪是小波分析的重要应用之一。在某些情况下,有用信号表现为低频信号或是一些比较平稳的信号,而噪声则表现为高频信号,所以除噪过程可按如下方法进行处理:首先对信号进行小波分解,采用db4进行4层分解如图10-7所示,则噪声部分通常包含在(1,1)、(2,1)、(3,1)和(4,1)中,因而可以以门限阈值等形式对小波系数进行处理,然后对信号进行重构,从而达到消除噪声的目的。图10-8是一维信号s按照db2小波6层分解的结果。一维信号小波除噪Simulink模型如图10-9所示。

978-7-111-48233-8-Chapter10-12.jpg

图10-8 一维信号小波分解

978-7-111-48233-8-Chapter10-13.jpg

图10-9 一维信号小波除噪Simulink模型

对信号除噪的目的就是抑制信号中的噪声部分,从而在信号中恢复有用信号。下面以正弦信号加白噪声为例进行除噪分析。

上述Simulink系统运行结果如图10-10所示。

978-7-111-48233-8-Chapter10-14.jpg

图10-10 一维信号小波除噪

二维信号噪声的消除主要是图像的除噪,主要过程为:首先,二维信号的小波分解即选择合适的小波汉书和分解层次,然后计算信号到最后一层的分解;第二对高频系数进行阈值量化,即对每层的高频系数进行软阈值量化处理;第三,二维小波的重构,根据小波分解的最后一层的低频系数和经过修改的各层高频系数来计算二维信号的小波重构。系统运行结果如图10-11所示。

978-7-111-48233-8-Chapter10-15.jpg

图10-11 二维图像信号小波除噪