文档介绍：中文摘要小波去噪是信号处理领域中的热点与前沿课题。噪声的干扰将会严重影响信号和图像的质量,致使产生后续处理的困难,如在特征提取、信号检测、语音识别等领域中,,小波理论得到了非常迅速的发展。小波分析是目前国际上公认的信号信息获取与处理领域的高新技术,是多学科关注的热点,是信号处理的前沿课题。由于小波变换具有低熵性、多分辨性、去相关性、选基灵活性等特性,,构造了一种新的无限阶连续可导函数,并以此阈值函数,基于无偏估计,提出了一种自适应小波阈值去噪算法;又将鶶谥等ピ敕椒ń欣┱共结合相关去噪方法,;在非高斯噪声假设的前提下,以虶植蓟旌夏P投苑歉咚乖肷薪#对信号的三阶、四阶统计量进行观察与分析,并进行直方图统计,提出了一种新的阈值去噪方法;最后,本文基于软核处理器以及完成了小波变换的硬件实现,由此可以直接对以上算法进行硬件仿真。关键词:小波分析;小波阈值去噪;高阶统计量;
知识水坝***@pologoogle为您整理
籵甅;.·..,乎甆瓼甃.,,.猂甌籉
知识水坝***@pologoogle为您整理
致谢本论文的工作是在我的导师赵瑞珍教授的悉心指导下完成的,。胡绍海教授悉心指导我们完成了实验室的科研工作,在学习上和生活上都给予了我很大的关心和帮助,在此向胡绍海老师表示衷心的谢意。丁晓明、裘正定教授对于我的科研工作和论文都提出了许多的宝贵意见,在此表示衷心的感谢。在实验室工作及撰写论文期间,宋胜凯、石黎、肖坦等同学对我论文中的硬件开发工作给予了热情帮助,在此向他们表达我的感激之情。另外也感谢我的亲人以及朋友,他们的理解和支持使我能够在学校专心完成我的学业。
序小波去噪方法现在已经成为去噪和图象恢复的重大分支和主要研究方向,而且,各种小波去噪方法得到了很大的成功。小波阈值去噪方法因为其计算简单、具备较强的理论基础而受到广大学者的青睐,通过设定合适的阈值,首先将小于阈值的小波系数置零,而保留大于阈值的小波系数,以此来达到去噪的目的。但是如何选取闽值以及阙值函数是非常关键的问题,至今还需要新的方法的提出或者改进。除此之外,从小波层内模型到层间模型甚至混合模型,小波系数模型的精细带来了去噪效果的改善,可以说,小波去噪的成功与否,就在于人们得到先验知识的能力和利用这些知识进行准确建模的能力,,大部分的研究都是基于高斯假定的噪声模型,但是在非高斯分布下的去噪研究还不够,目前国际上开始将注意力投向这一领域,其中,非高斯噪声的分布模型、高斯假设下的小波去噪方法在非高斯噪声下如何进行相应的拓展,是主要的研究方向.
,,,傅立叶分析是整体域分析,用单独的时域或频域表示信号的特征;而小波分析是局部化时频分析,,,是各种信号处理方法如时频分析、多尺度分析和子带编码的统一处理框架,它的快速算法为分析和解决实际问题带来极大的方便,目前在语音、图像、图形、通信、地震,生物医学、机械震动、计算机视觉等领域都有很好的应用。小波分析是目前国际上公认的信号信息获取与处理领域的商新技术,是多学科关注的热点,,小波理论也同样受到了许多学者的重视,他们应用小波进行去噪,并获得了非常好的效果【铮咛逅担〔ㄈピ敕椒ǖ某晒χ饕5靡嬗谛〔变换具有如下特点【:挽匦裕〔ㄏ凳南∈璺植迹沟眯藕疟浠缓蟮撵亟档停喾直媛剩捎诓捎昧硕喾直媛实姆椒ǎ钥梢苑浅:玫乜袒藕诺非平稳特征,如边缘、尖峰、断点等;〔ê拇翱诖笮∽允视Ρ浠毙藕频率增高时,时窗宽度变窄,而频窗宽度增大。ハ喙匦裕蛭P〔ū浠豢梢远孕藕沤腥ハ喙兀以肷诒浠缓笥邪化趋势,所以小波域比时域更利于去噪;』榛钚裕捎谛〔ū浠豢梢粤榛钛≡癖浠换佣圆煌τ贸『希对不同的研究对象,可以选用不同的小波母函数,,致使产生后续处理的困难,如在特征提取、信号检测、语音识别等领域中,噪声的干扰会引起处理结果的偏差由于小波变换独特的优点,使它成为信号去噪的有力工具。在数学