模极大值去噪技巧.docVIP

3.2 基于小波变换模极大值去噪方法的研究 目前利用小波变换消除噪声的方法很多，但总结起来，比较成熟的是Mallat 提出的一种多尺度小波变换模极大值的去噪方法。 3.2.1 小波变换模极大值的定义 定义在尺度s下，若，成立，则称为模极大值点，称为模极大值。小波变换极大模是由信号中奇异点和噪声产生的。 根据理论分析，知道以平滑函数的一阶导数为母小波作小波变换，其小波变换在各个尺度下的模极大值对应于信号突变点的位置。小波分析尺度越小，平滑函数的平滑区域小，小波系数模极大值点与突变点位置的对应就越准确。但是小尺度下小波变换随噪声影响非常大，产生许多伪极值点，往往只凭一个尺度不能定位突变点的位置。相反，在大尺度下对噪声进行了一定的平滑，极值点相对稳定，但由于平滑作用使其定位又产生了偏差。同时，只有在适当尺度下各突变点引起的小波变换才能避免交迭干扰。因此，在用小波变换模极大值法判断信号突变点时，需要把多尺度结合起来综合观察。 下面由小波变换模极大值在多尺度上的变化规律来表征信号突变点的性质。在许多情况下，小波变换并不要求保留所有的连续尺度a，为了实现快速算法，选择尺度按二进制变化，即二进制变换。信号的突变点在不同尺度上都会产生对应的模极大值。在任意尺度上模极大值对应于信号在尺度上平滑后的该点一阶导数大小。小波理论表明，模极大值的幅值随着尺度的变化规律是由信号在该突变点的局部李氏指数(Lipschitzexponent)决定的。 3.2.2 模极大值随着尺度的变化规律 李氏指数的定义为，设函数在 附近具有下述特征： (3-1) 则称在 处的李氏指数为 。式中h是一个充分小量，是过 点的n次多项式。 实际上 就是在点作Taylor 级数展开的前n 项： (3-2) 显然未必等于；它必定大于n，但可能小于。如果为n次可微，但n阶导数不连续，因此次不可微，则；如果的李氏指数为 ，则 的李氏指数必为，即每积分一次，李氏指数增1。 一般来讲，函数在某一点的李氏指数表征了该点的奇异性大小，越大，该点的光滑度越高； 越小，该点的奇异性越大。如果函数在某一点可导，它的；如果)在某一点不连续但其值有限，则；对于脉冲函数，；而对于白噪声， 。 下面讨论某点的李氏指数同该点的小波变换模极大值之间的关系，目的是为了由小波变换模极大值推导出突变点的李氏指数，从而判断奇异性大小。 假设小波函数是连续可微的，并且在无限远处的衰减速率为，Mallat 证明：当t在区间中时，如果的小波变换满足： 也就是 其中k是一个常数，则在区间中的李氏指数均匀为 。 当时，上式变成 或 (3-3) 式中 这一项把小波变换的尺度特征j与李氏指数 联系了起来。式(3-3)给出了小波变换的对数值随尺度 j 或 的变化规律。自然的，对应信号奇异点的小波变换模极大值随尺度的变化也应满足此规律。由式可知，当 时，小波变换的极大值将随尺度j的增大而增大；当时，则随 j 的增大而减小。对阶跃情况()，则小波变换的极大值不随尺度而改变。 几种突变的小波变换极值随尺度的变化如图3-2 所示，3-2(b)图的四条曲线从上到下分别是尺度j=1,2,3,4 时的小波变换极值。从图中可以看出： t=1,2,4(分别对应50，100，200 点)处的突变的小波变换极值随着尺度的增 加而增大，而t=3(对应150 点)处的突变则随之而减小。 (a) (b) 图3-2 几种突变的小波变换极值随尺度的变化 由以上可知，白噪声的李氏指数，其对应的模极大值随尺度j的增大将减小(因此其主要对小尺度下的模极大值影响较大)。而一般信号的突变点的李氏指数大于等于零，这种突变点所对应的小波变换模极大值随尺度j 的增加幅度逐渐增大。表征信号重要特征的极大值点能从小尺度传播到大尺度，并且尺度间模极大值点的相对位移在一个锥形范围内。依据此区别，可以在模极大值图上去除那些幅度随尺度减小的极值点(对应噪声的极值点)，而保留幅度随尺度增加而增大的点(对应信号突变点位置)。这样就可以在模极大值图上达到去噪的目的，然后从去噪以后的模极大值图重建原信号，就可以实现对信号的去噪。 针对这一理论，主要解决的问题有如下几个方面： (1)要选择正确的小波，一般要根据实际问题的需要,选择和构造不同的小波； (2)要确定对信号进行小波变换的次数，尺度过大会增加计算难度，尺度过小又不能很好的滤除噪声； (3)要解决如何重构信号的问题。文献介绍了由模极大值重建原始信号的一些方法。 从以上理论可以看出，模极大值方法能够精确的消除有用信号中的噪声，但是运算过程复杂，计算量大。针对这个问题提出了一种新的子波域滤波算法。 3.2.3 一种新的子波域滤波算法 3.2.3.1