一、非平稳信号
在实际的工程应用中,大多数信号可能包含着许多尖峰或突变,而且噪声信号也并不是平衡的白噪声。对这种信号进行去噪处理时,由于传统的傅立叶变换完全是在频率域中对信号进行分析,它不能给出信号在某个时间点上的变换情况,因此分辨不出信号在时间轴上的任何一个突变。但小波分析能同时在时、频域内对信号进行分析,所以它能有效地区分信号中的突变部分和噪声,从而实现对非平稳信号的去噪。
二、FFT 和小波去噪实例
代码1如下:
产生一个含噪声的矩形波信号。
clc;
clear;
snr=4;
init=20111;
% 产生原始信号和含白色噪声信号
[xrefs,s]=wnoise(1,11,snr,init);
xref=xrefs(1:2000);
x=s(1:2000);
% 用小波进行三层分解
xd=wden(x,'heursure','s','one',3,'sym4');
figure(1);
subplot(211);plot(xrefs);title('原始信号');xlim([0,2000]);
subplot(212);plot(x);title('含噪信号');
% 利用FFT进行去噪
xxref=fft(xref); % 对原始信号进行FFT变换
xxref=abs(xxref);
xx=fft(x); % 对含噪信号进行FFT变换
absxx=abs(xx);
结果如图所示
代码2如下:
%%
% 画频谱图
figure(2);
subplot(211);plot(xxref);title('原始信号谱图');
subplot(212);plot(absxx);title('含噪信号谱图');
% 进行低通滤波
indd2=200:1200;
xx(indd2)=zeros(size(indd2));
xden=ifft(xx); % 进行fft反变换
xden=real(xden); % 提取实数部分
xden=abs(xden);
结果如图所示
代码3如下:
%%
figure(3);
subplot(211);plot(xd);title('小波去噪后信号');
subplot(212);plot(xden);title('傅里叶分析去噪');
结果如图所示
完整代码
clc;
clear;
snr=4;
init=20111;
% 产生原始信号和含白色噪声信号
[xrefs,s]=wnoise(1,11,snr,init);
xref=xrefs(1:2000);
x=s(1:2000);
% 用小波进行三层分解
xd=wden(x,'heursure','s','one',3,'sym4');
figure(1);
subplot(211);plot(xrefs);title('原始信号');xlim([0,2000]);
subplot(212);plot(x);title('含噪信号');
% 利用FFT进行去噪
xxref=fft(xref); % 对原始信号进行FFT变换
xxref=abs(xxref);
xx=fft(x); % 对含噪信号进行FFT变换
absxx=abs(xx);
%%
% 画频谱图
figure(2);
subplot(211);plot(xxref);title('原始信号谱图');
subplot(212);plot(absxx);title('含噪信号谱图');
% 进行低通滤波
indd2=200:1200;
xx(indd2)=zeros(size(indd2));
xden=ifft(xx); % 进行fft反变换
xden=real(xden); % 提取实数部分
xden=abs(xden);
%%
figure(3);
subplot(211);plot(xd);title('小波去噪后信号');
subplot(212);plot(xden);title('傅里叶分析去噪');