遥测非平稳信号小波阈值降噪方法改进和仿真

《遥测非平稳信号小波阈值降噪方法改进和仿真》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、遥测非平稳信号小波阈值降噪方法改进和仿真　　摘要：对染噪信号进行降噪处理是信号处理的重要环节。针对两种经典阈值处理方法的缺陷，引入了一种改进的阈值处理函数。新方法阈值自适应于噪声方差，调整系数自适应于阈值。数值实验表明，该算法对含噪非平稳信号降噪效果明显，适用于遥测非平稳信号的降噪处理。关键词：遥测；非平稳信号；阈值函数；降噪中图分类号：TN911.6?34文献标识码：A文章编号：1004?373X（2013）15?0062?03Simulationandimprovementofwaveletthresholddenoisemethodfort

2、elemetrynon?stationarysignalsGAOCheng?wen，WUJian?hua（Unit92853ofPLA，Xingcheng125106，China）Abstract：Noisereductionisanimportantpartofthesignalprocessing.Amodifiedthresholdprocessingfunctionisintroducedtoeliminatethedefectsofthetwoclassicalthresholdprocessingmethods.Thethreshol

3、dofthisnewmethodisadaptivetonoisevarianceandtheadjustment8coefficientisadaptivetothethreshold.Thenumericalexperimentsshowthattheeffectofthemethodisobviousforreducingthenoiseofthenon?stationarysignalswithnoise，anditisappliedtothenoisereductionprocessingoftelemetrynon?stationar

4、ysignals.Keywords：telemetry；non?stationarysignal；thresholdfunction；noisereduction0引言在航空、航天、导弹等飞行器的研制试飞中，通常采用遥测系统获取飞行器内部各系统的工作状态参数和环境参数，通过实时及事后的数据处理为评定飞行器的性能和进行故障分析提供依据[1]。研究表明，飞行器飞行过程中的动态响应是非平稳的，非平稳响应的动态信号中包含丰富的动态结构等多方面的信息，所以遥测非平稳信号的处理在武器系统试验中极具重要性[2]。由于飞行器上遥测系统工作环境恶劣，测量及变换环节

5、多，遥测信号在采集、转换和传输过程中经常受到设备、环境等因素的影响，致使测得的信号受到噪声的污染。8在实际任务中，为抑制干扰推荐使用的两种方法为点阻滤波法和傅里叶变换法。两种方法都存在明显的缺陷，如傅里叶变换法其基本思想是：先进行正变换得出频谱，再将其干扰频率去掉，最后进行逆变换并调整时域数据的加窗畸变，从而得到较为准确的复合值[3]，存在的不足是极易造成有用成份的丢失。在对小波阈值去噪算法进行研究的基础上，本文引入了改进的阈值处理函数，并将其应用于遥测非平稳信号的预处理中，获得了较为理想的降噪效果。1小波变换阈值降噪的相关理论1.1遥测非平稳信

6、号小波阈值降噪的理论基础遥测非平稳信号是指某阶统计量随时间改变的信号（如随时间变化的频率）。该类信号适于应用小波分析方法进行处理，这是因为小波分析具有下述特点：小波函数采用不同于傅里叶变换中的余弦波的基波，使它同时在时域和频域具有良好的局部性，这也决定了可在不同的尺度上对信号实施分解，并可在测不准原理的前提下在时频平面上表示这种分解；小波具有的自适应性确保了可使信号被分解为最佳基波的叠加。上述特性为应用小波变换开展非平稳信号的处理分析提供了基础。8对非平稳信号进行小波分解的过程一般可描述为：先把非平稳信号分解为小波系数，然后对分解出来的系数根据需

7、求做相应的处理，再用小波重构方法对信号进行恢复。工程实际中，有用信号和噪声通常表现出不同的频率特性。而很强的去数据相关性是小波变换的显著特性之一，应用小波对信号分解时，它能够使噪声的能量和信号的能量在小波系数上具有不同的分布形式[4?7]。基于上述论述，通过对分解后各层小波空间上的细节系数进行阈值处理，让绝对值较大的系数保留或收缩，就可达到非平稳信号降噪的预期目的。1.2基本去噪模型[8]设实际测量信号序列[s（n）]具有如下形式：[s（n）=f（n）+σ?e（n），n=1，2，…，N]（1）式中：[f（n）]为实际处理分析时真正需要的信号；第二

8、项为噪声，[e（n）]是服从（0，1）分布的白噪声，[σ]是噪声的标准差。式（1）称为基本的噪声模型。在这个模型下，应用小波变换对信号降