中国知网论文查重样例–非稳态信号的小波阈值去噪

中国知网论文查重样例--非稳态信号的小波阈值去噪

经过仔细分析研究，本文提出一种自适应调整阈值函数的去噪方法，该方法在去噪的同时考虑了保留信号奇异性的问题，能比现有的单纯基于小均方差意义上的去噪方法更好地满足目标特征提取的要求。

1、非稳态信号奇异特征提取中的去噪问题

在对非稳态含噪信号的模式识别中，去噪的过程中需要考虑保留信号的奇异性问题，在低信噪比的信号去噪处理中，这一点尤为重要。如水下目标的信号，信噪比非常低，真实的信号往往被淹没在噪声之中，而且大量的代表目标特征的奇异点需要在去噪过程中保留。

2、小波阈值去噪模型

小波阈值去噪的原理[7]是：信号经过小波变换后，能量分布在少数的系数上，即信号的小波系数具有良好的局部性，并且这些小波系数显著地分布在各个分解尺度上。而环境噪声经过小波变换后的系数分布在细尺度变换的整个小波域内，并随着分解尺度的变大而变小。

3、一种新阈值函数

为了解决图1中存在的问题，需要一种介于硬阈值函数和软阈值函数之间的阈值函数，受到文献[9,10]的启发，本文构造了一种新阈值函数，区别于传统意义上的硬阈值函数和软阈值函数，将其命名为可变阈值函数，含义是可以根据实际信号调整软硬程度的可变阈值函数。相对于文献中的阈值函数，本函数的数学表达简洁，结构对称，并且纠正了文献[10]中的一处书写错误。

综上所述，本文提出的阈值函数能够在临界区实现小波系数削弱程度的平滑过渡，可以通过调整参数m确定临界区域的大小。m值越大，越接近于硬阈值函数处理过程，可以对临界区的小波系数进行大尺度的收缩。因此，当m值比较大时，适合处理信噪比(Signal-to-NoiseRatio,SNR)比较高的含噪信号。反之，m值越小，处在临界区的小波系数就越多，可以在收缩噪声系数的情况下更好地保留信号细节小波系数，从而保持信号原有的局部奇异性。

4、阈值函数的自适应选择

为了在信号去噪过程中更好地保留信号的奇异性，通过调整阈值函数式(5)中的参数m，可以选择不同尺度上的小波系数适用的阈值函数(,th,)jhxm。根据信号和噪声在不同分解尺度上的能量分布特征，不难总结出，在对含噪信号进行小波变换处理后，在细尺度上的小波系数中噪声的系数占的比例比较大，随着分解尺度的变大，信号系数所占的比例逐渐变大。对应的去噪策略为：对细尺度上系数采用偏硬阈值函数去噪，主要滤除大部分噪声，对宽尺度上系数采用偏软阈值函数去噪，实现临界区的系数收缩。通过变化本文提出的阈值函数式(5)的参数来调整阈值函数。

.—— END ——.