小波阈值去噪的原理及程序
一、小波阈值去噪基本思想
运用小波变换的思想结合设定阈值的方法对信号进行去噪的主要流程如下:
(1)尺度小波分解:通过分析选择合理的小波函数以及特定的分解尺度,对含噪信号进行特定尺度的目标层数分解;
(2)小波阈值处理:设定阈值对信号尺度分解出的小波系数进行选择,若小波系数的幅值低于该阈值则认定为是由噪声引起的,则舍弃这个分解系数;
(3)小波系数重构:一维小波重构分解后的小波系数。
二、小波变换理论基础
如上图,最上边的是频率始终不变的平稳信号。对信号进行FFT(快速傅里叶变换)后,可以在频谱上看到清晰的四条线,信号包含四个频率部分。一切没有问题,但是,如果是频率随着时间变化的非平稳信号呢?图中的下边两个正是频率随着时间改变的非平稳信号,它们同样包含和最上信号相同频率的四个成分。做FFT后,我们发现这三个时域上有巨大差异的信号,频谱(幅值谱)却非常一致。尤其是下边两个非平稳信号,我们从频谱上无法区分它们,因为它们包含的四个频率的信号的成分确实是一样的,只是出现的先后顺序不同。
可见,傅里叶变换处理非平稳信号有先天缺陷。它只能获取一段信号总体上包含哪些频率的成分,但是对各成分出现的时刻并无所知。因此,时域相差很大的两个信号,可能频谱一样。
而小波变换和傅里叶变换不同的是,这不仅可以知道信号有这样频率的成分,而且知道它在时域上存在的具体位置。它就是将傅里叶变换中无限长度的三角基函数替换为有限长度的小波基函数,如图所示。
对于非平稳信号的频谱图如下:
三、小波函数和阈值的选择
对于一维生理信号,通常选择db或sym小波函数。
(1)VisuShrink阈值(通用阈值)
计算公式: λ = σ ∗ 2 l n N \lambda=\sigma*\sqrt{2lnN} λ=σ∗2lnN ,其中 σ \sigma σ为噪声的标准差, N N N为信号长度。
1992年,Donoho等人首先提出了小波阈值收缩去噪,他们提出的阈值公式就是VisuShrink阈值,这个阈值是是在高斯模型下针对多维独立正态变量联合分布得出的。
噪声的标准差 σ \sigma σ估方法计也是由Donoho提出的: σ = m e d i a n ( x )