小波阈值法在光干涉信号除噪中的应用

《小波阈值法在光干涉信号除噪中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2009年第2期光通信研究2009．04(总第152期)STUDY0NOPTICALCOMMUNICAT10NS(Sum．NO．152)通信系统与网络技术小波阈值法在光干涉信号除噪中的应用郭常盈，张芳，禹延光(1．南阳理工学院计算机科学与技术系，河南南阳473004；2．郑州大学信息工程学院，河南郑州450052)摘要：通过对传统数字滤波和BirgeMassart小波阈值法的比较，对光反馈自混合干涉信号进行了去噪研究。构建了光反馈自混合干涉理论模型，通过对其仿真波形和实测波形的处理，比较了加权平滑滤波、有限长单位冲激响应滤

2、波器和小波阈值法的去噪效果，结果表明，小波阈值去噪方法明显优于另外两种传统的滤波方法，具有更好的去噪效果。关键词：光反馈自混合干涉；信号去噪；小波变换；Birge—Massart阈值法中图分类号：TN248．4文献标识码：A文章编号：1005—8788(2009)02—0042—03ApplicationsofwaveletthresholdmethodindenoisingopticalinterferometersignalsGuoChangying，ZhangFang，YuYanguang(1．Departmento

3、fComputerScienceandTechnology，NanyangInstituteofTechnology，Nanyang473004，China；2．SchoolofInformationEngineering，ZhengzhouUniversity，Zhengzhou450052，China)Abstract：Thedenoisingofopticalfeedbackself～mixinginterferometersignalsisstudiedbycomparingthetraditionaldigita

4、lfil—termethodandBirge—Massartthresholdwaveletmethod．ThetheoreticalmodeIofopticaIfeedbackself-mixinginterferometersystemisconstructedandthedenoisingeffectsoftheweightedsmoothfiltering，finitelong—unitimpulseresponsefilterandthethresholdwaveletmethodarecomparedbypro

5、cessingthesimulatedandmeasuredwaveforms．Theresultsprovethatthethresholdwaveletmethodisbetterthantheothertwotraditionalfilteringmethods．Keywords：opticalfeedbackself—mixinginterference；signaldenoising；wavelettransformation；BirgeMassartthreshold在光反馈自混合干涉(OFSMI)系统中，光频

6、率Wf(a，6)=【nI-1／2l厂(￡)，()dt，的涨落和环境的扰动等都会影响信号，导致由实验式中，为尺度参数；6为位移因子；函数，()为小数据采样得到的信号必然带有高斯白噪声，严重影波；W，(口，6)为小波系数；t表示时间。响了参数信息的精确提取]。因此在利用OFS—上式多用于理论分析，在实际应用中常采用离MI信号进行参数估计之前需要对其进行滤波去噪散化形式。令a一2，b一1，、分别表示伸缩参处理。传统的信号滤波去噪方法有限幅滤波、加权数和平移参数，且为整数，，∈Z。离散的小波函平滑滤波、复合滤波以及经典数字滤波等，

7、这些方法数可表示为⋯(￡)一2一。(2mt一)，则离散小通常是去除噪声所在的频率段，适用于含低频信号波变换为和高频噪声的信噪分离。显然在信号谱和噪声谱相互混叠的情况下，这些方法都有局限I~r-3。与传统w⋯(￡)一2一l-厂(￡)⋯(f)dt一的去噪方法相比，小波去噪具有低熵性、多分辨率、去相关性和选基灵活性等良好特性。其中阂值2一I厂(￡)，(2一t一)dt。去噪法是一种简单易行、快速高效的小波去噪方有了离散正交小波，信号-厂()在任意精度上可法。本文作者把小波阈值去噪法应用于光干涉测量近似表示为系统，对光反馈自混合信号

8、进行了去噪处理。厂()一∑∑(／、，⋯)⋯(￡)，l小波去噪理论式中，m和均可在±c×。上取值。1．1小波分解与重构原理当OFSMI信号达到一定能量时，其信号的平设_厂(￡)为有限能量的信号或平方可积信号，则滑分量主要集中在低频部分；而信号的细节分量即其连续小波变换可定义为噪声的大部分能量都集中在高频区