- •Введение
- •1.Стандартное преобразование Фурье
- •1.1. Пример анализа с использованием преобразования Фурье.
- •1.3. Анализ применимости преобразования Фурье.
- •2. Кратковременное преобразование Фурье
- •2.1. Общие сведения.
- •2.2. Анализ применимости кратковременного преобразования Фурье.
- •2.3. Принцип Гейзенберга.
- •3. Непрерывное wavelet-преобразование и анализ со многими разрешениями.
- •3.1.Общие сведения
- •3.2.Определение непрерывного wavelet - преобразования
- •3.3. Примеры материнских wavelet-ов
- •3.4. Локализующие свойства и интерпретация
- •3.5. Свойства cwt
- •3.6. Примеры непрерывного wavelet-преобразования
- •3.7. Дискретизация непрерывного wavelet-преобразования.
- •3.8. Практическое использование непрерывного wavelet-преобразования
- •4. Дискретное wavelet-преобразование
- •4.1. Кратномасштабный анализ
- •4.2. Wavelet-ряды дискретного времени
- •4.3. Матричное описание дискретного wavelet-преобразования
- •4.4. Описание dwt посредством банков фильтров.
- •5. Применение дискретного wavelet-преобразования.
- •5.1. Применение wavelet-преобразования для сжатия сигнала.
- •5.2. Удаление шума из сигнала.
- •6. Адаптивные ортогональные преобразования.
- •6.1. Пакеты вейвлетов.
- •7. Работа с приложением gui wavemenu пакета программ matlab
- •7.1 Описание Wavemenu
- •7.1.1. Вызов Wavemenu
- •7.1.2. Структура Wavemenu
- •7.1.3. Меню для разделов Wavemenu
- •7.1.4. Экспорт и импорт информации из Wavemenu
- •7.2 Использование Wavemenu для обработки сигналов
- •7.2.1. Получение информации по конкретным wavelet-ам
- •7.2.2. Использование дискретного wavelet-преобразования
- •Очистка сигнала от шумов на основе dwt
- •Сжатие сигнала на основе dwt в Wavemenu
- •7.2.3. Использование разложения по wavelet-пакету
- •Очистка сигнала от шумов с использованием wavelet-пакет
- •Сжатие сигнала с использованием wavelet-пакет
- •7.2.4 Работа с непрерывным wavelet-преобразованием
- •Литература
- •197376, С.-Петербург, ул. Проф. Попова, 5
Очистка сигнала от шумов на основе dwt
Графический интерфейс позволяет решать задачи уменьшения уровня шума в дискретном (цифровом) сигнале (очистки от шума). Для этого необходимо нажать на кнопку "Denoise" в середине правой колонки, под кнопкой
Рис. 18. Панель инструментов одномерного дискретного wavelet-преобразования. В окне wavelet-коэффициентов светлому тону соответствуют коэффициенты с большим уровнем, а темному - с меньшим
"Analyze". Появится окно (рис. 19), в котором можно производить удаления шума из сигнала, используя дискретное wavelet-преобразование.
Базовая модель сигнала с шумами имеет следующую форму:
В самой простой модели предполагается, что e(k) — "белый" шум, где дисперсия 2 полагается равной 1. Цель — подавление шумовой части сигнала s и восстановление функции f.
Процедура фильтрации шума производится в три этапа:
Разложение сигнала. Выбирается тип wavelet и число уровней разложения J. Вычисляется wavelet-преобразование сигнала s до уровня J.
Выбор порога для wavelet-коэффициентов. Для каждого уровня от 1 до J выбирается — порог, и производится модификация коэффициентов по определённому правилу (см. ниже).
Восстановление сигнала. Производится обратное wavelet-преобразование с использованием модифицированных wavelet-коэффициентов.
Основные возникающие при этом вопросы относятся к выбору порога и правилу модификации коэффициентов.
Существуют два основных правила модификации wavelet-коэффициентов: "hard" и "soft" (рис. 20).
- “hard”
- “soft”
В GUI при очистке сигнала от шума необходимо задать следующие параметры: правило модификации wavelet-коэффициентов, правило выбора порога1 и модель шума.
Рис. 20. Исходный сигнал (а); сигнал, модифицированный по правилу "hard" (б); сигнал, модифицированный по правилу "soft" (в)
Правила модификации wavelet-коэффициентов:
Automatic soft thresholding— автоматический выбор порога, модификация коэффициентов по правилу "soft";
Automatic hard thresholding— автоматический выбор порога, модификация коэффициентов по правилу "hard";
Manual soft thresholding— ручной выбор порога, модификация коэффициентов по правилу "soft";
Manual hard thresholding— ручной выбор порога, модификация коэффициентов по правилу "hard".
Правила выбора порога при автоматическом методе удаления шума:
Fixed from threshold— фиксированный порог, равный sqrt(2*log(length(s)));
Rigorous SURE— выбор, использующий квадратичную функцию потерь;
Heuristic SURE— выбор, использующий комбинацию первых двух вариантов (при маленьком SNR используется фиксированный порог, при большом SNR — порог выбирается из оценки функции потерь);
Minimax— выбор, использующий принцип минимакса (очищенный от шума сигнал аппроксимируется регрессионной моделью и выбирается порог, который реализует минимум максимальной среднеквадратичной ошибки, полученной для самой плохой функции в данном множестве).
Правило модификации коэффициентов
Стратегия выбора порога
Исходный и очищенный сигнал
Величина порога для каждого уровня
разложения
Wavelet- коэффициенты
исходного и синтезированного сигнала
Рис. 21. Панель инструментов для очистки сигнала от шума при использовании одномерного дискретного wavelet-преобразования
Используемая модель шума:
Unscaled white noise— "белый" шум;
Scaled white noise— гауссовский шум, дисперсия шума s2 оценивается по самой высокочастотной составляющей сигнала — d1,k;
Non-white noise— произвольный шум, дисперсия шума s2j вычисляется для каждого уровня разложения.
При ручном выборе порог может задаваться отдельно для каждого уровня wavelet-разложения.
В качестве примера рассмотрим очистку от шума сигнала noischir.mat.
.
Зададим автоматический выбор порога и модификацию wavelet-коэффициентов по правилу "hard" (Automatic hard thresholding), в качестве порога выберем фиксированный порог (Fixed from threshold) а в качестве модели шума примем "белый" шум (Unscaled white noise).
При нажатии на кнопку "De-noise" происходит очистка сигнала от шума в соответствии с заданными параметрами. Очищенный от шума сигнал накладывается на исходный. Так же строятся графики wavelet-коэффициентов исходного и очищенного (синтезированного) сигнала. При закрытии окна инструмента удаления шума из сигнала (кнопка "Close") появится диалог с вопросом "Обновить синтезированный сигнал?", если нажать "Yes", то синтезированный сигнал станет доступен в главном окне одномерного дискретного wavelet-анализа, где будет возможно проанализировать его статистические характеристики.