多分辨分析在信号中的应用

多分辨分析在信号中的应用

ID:16108902

大小:219.00 KB

页数:10页

时间:2018-08-08

多分辨分析在信号中的应用_第1页
多分辨分析在信号中的应用_第2页
多分辨分析在信号中的应用_第3页
多分辨分析在信号中的应用_第4页
多分辨分析在信号中的应用_第5页
资源描述:

《多分辨分析在信号中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、西安理工大学研究生课程论文/研究报告课程名称:小波分析课程代号:任课教师:赵凤群论文/研究报告题目:多分辨分析在信号处理中的应用完成日期:2014年5月3日学科:应用数学学号:1307010116姓名:朱秋秋成绩:多分辨分析在一维信号处理中的应用在实际工程应用中,所分析的信号总会混杂着一定的噪声,有的噪声可能不是平稳的白噪声,而是包含尖峰或突变部分,这会干扰信号的本来面目,不利于信号的进一步分析与处理,因此对采集的信号需要先作预处理。小波变换和傅立叶变换在数字信号处理和图像处理中是重要的时频分析方法,但在信号与噪声频带相互重叠的领域,传统的傅立叶变换显得无能为力。同时由海森堡测不准原理可知,

2、在信号分析中面临着时域与频域的局部化矛盾,若想在时域上得到足够精确的分辨率,就要以牺牲信号在频域上的分辨率为代价,小波变换由于能同时在时域和频域中对信号进行分析,有“自动变焦”的功能,所以它能有效地区分信号中的突变部分和噪声,从而实现信号的消噪。作为一种信号的时频分析方法,小波变换具有多分辨率分析的特点,在时频两域都有表征信号局部特征的能力,是一种窗口大小固定不变,但形状可以改变的时频局部分析方法。信号去噪一直是信号处理领域中的一个重要研究方向,其目的是为了提高信号的信噪比,突出信号的期望特征。去噪方法有时间和频域两种,但归根结底是利用噪声和信号在频域上分布的不同进行的。信号主要分布在低频区

3、域,而噪声主要分布在高频区域,但同时信号的细节也分布在高频区域拉,因此信号去噪中的一个困难问题就是如何在去噪与保持信号细节上保持平衡。传统的方法是广泛使用的频谱分析技术,它利用傅立叶变换把信号映射到频域内加以分析。然而实际中经常碰到非平稳信号的情况,需要分析每个时刻内含有的频率分量。由于这类信号(如短暂突发信号)的谱特性沿时间轴无限扩展,利用傅立叶变换的基函数很难与其匹配。小波分析属于调和分析,是一种时域、频域分析,具有多分辨率特性,它巧妙地利用非均匀分布上的分辨率通过平移的可变窗口观察非稳信号。在信号瞬变处或突变处(高频)用窄窗,在信号缓变处(低频)用宽窗,因此能有效提取非稳信号的瞬态稳态

4、信息,可提取到信号波形特征,获得信号先验信息HJ。由于其多分辨率特性,在时、频两域都具有表征信号局部特征的能力,是一种窗口大小不变但其形状可改变,时间窗和频率窗都可以改变的时频局部化分析方法。即在高频部分使用逐渐尖锐的时间分辨率和较低的频率分辨率,以便移近观察信号的快变部分;在低频部分具有较高的频率分辨率和较低的时间分辨率,以便观察信号的慢变部分(整体变化趋势),小波这种信号分析表示特征对分析非平稳信号是非常有效的,很适合于探测正常信号中夹带的瞬态反常现象并且展示其成分。在信号处理领域,用小波分析降噪已得到越来越广泛的应用。小波阈值去噪法是小波去噪方法中应用较广泛的一种,它具有方法简单、计算

5、量小和去噪效果好的特点。小波阈值去噪原理小波阈值去噪,即属于空间的信号在小波域内其能量主要集中在有限的几个系数中,而噪声的能量却分布于整个小波域内,因此经过小波分解后,信号的小波变换系数要大于噪声的小波变换系数,于是可以找到一个合适的数作为阈值(门限),当系数小于阈值时,认为这时的系数主要是由噪声引起的;当大于该阈值时,认为这时的系数主要是由信号引起,从而可以实现信号和噪声的分离。一个含噪声的一维信号模型可以表示成如下的形式:其中为有用的真实信号,为噪声信号,为含噪声的信号,且假设噪声为高斯白噪声。在实际工程应用中,有用信号通常表现为低频信号或是一些比较平稳的信号,而噪声信号则通常表现为高频

6、信号。噪声信号的高频部分影响的是小波分解的高频第一层,低频部分则影响的是小波分解的最深层及其低频层,因此我们可以通过处理小波分解系数,以达到消噪的目的。小波阈值去噪步骤通过对小波阈值去噪原理的分析,对于一维信号使用小波去噪过程可分为以下三个步骤:(1)一维信号的小波分解。选择一个小波并确定小波分解的层次,然后对含噪声信号进行层小波分解。图1三层小波分解示意图其中,CA3对应信号的低频部分,CD1、CD2、CD3对应信号的高频成分,且噪声部分通常包含在其中。(2)小波分解高频系数的阈值量化。对第1层到第层的每一层高频系数,选择一个阈值进行软阈值量化处理。(3)一维信号的小波重构。根据小波分解第

7、层的低频系数,和经过量化处理后的第1层到第层的高频系数,进行一维信号的小波重构。在以上三个步骤中,最关键的是如何选取阈值以及如何进行阈值的量化,从某种程度上说,这可以直接关系到信号去噪的质量。小波分析在一维信号处理中的应用(1)信号降噪。小波分析最广泛的应用无疑是信号处理,而在这个领域中,应用最多的就是信号的降噪。传统的去噪方法多采用平均或线性方法进行,常用的是Wiener滤波,但是去噪效果不够好。随着小波理

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。