摘要:通过对小波变换所进行的理论分析和 计算 机模拟发现,利用小波变换具有的高低频分离的特点,可在不丢失原信号重要信息成分的前提下,将原光谱信号的边缘部分进行滤化处理,消除了噪音信息,重构出更加清晰的光谱特征图形,从而提高了信号的清晰度,为信号的预处理提供了更加方便的条件。该信号特征提取的方法,与傅氏变换相比较,具有多项明显的优点,在实际工程应用中具有重要的意义。
关键词 小波变换 傅氏变换;信号
一、引言
在当今科技飞速 发展 的信息时代,信息资源中的信号应用日益广泛,信号的结构越来越复杂,为了更加清楚地分析和研究实际工程信号的有用信息,对信号进行预处理是至关重要的。例如,对于环境的监测,其中对空气成分的检测已经成为必不可少的环节,其方法是将空气中的某一成分(例如丁烯)进行特征的提取,提取的信息中仍然会存在着由一系列高频信号构成的噪音信号。由于这些边缘部分的存在,使原信号的基本特征在光谱信号中不能完全清晰地呈现,导致某些信息的细微环节部分难以识别,致使研究目的无法实现。
本文通过对小波变换所进行的理论分析和计算机模拟发现,利用小波变换具有的高低频分离的特点,可在不丢失原信号重要信息成分的前提下,将原光谱信号的边缘部分进行滤化处理,消除了噪音信息,重构出更加清晰的光谱特征图形,从而提高了信号的清晰度,为信号的预处理提供了更加方便的条件。
二、傅氏变换与小波变换
近年来,小渡变换已经成为对信号、图像等进行分析不可或缺的实用工具之一,其实质是对原始信号的滤波过程。与傅氏变换相比较,小波变换的优势在于,对分析信号可进行任意的放大平