kmpdm运用小波分析进行消噪处理的方法

kmpdm运用小波分析进行消噪处理的方法

一般情况下有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号则通常表现为高频信号。一维信号的降噪过程主要进行一下处理：首先对原有信号进行小波分解，噪声部分通常包含在高频系统中，然后对小波分解的高频系数进行阈值量化处理，*后再对信号重构即可达到降噪目的。
由此可见，阈值的选取对于小波消噪来说及其重要。一般情况下阈值的选取规则主要由四种：自适应无偏似然选择、固定阈值选择、启发式阈值选择和极大极小阈值选择，需要根据不同的信号特征做具体的选取，自适应无偏似然估计是一种基于史坦无偏估计，其做法是首先给定一个固定的阈值t，得到它的似然估计，再将非似然的t*小化，即得到所选的阈值。固定阈值选择的阈值产生的大小是sqrt(2(length(a))),其中为a含噪信号。启发式阈值的选择是前两种阈值的综合，是*优预测变量阈值选择，极大极小阈值选择也是一种固定阈值的选择，它产生*小均方误差的极值，而不是无误差，因为被降噪信号可看成与未知回归函数的估计式相似，这种极值估计器可以在一个给定的函数实现集中与*大均方误差*小化。

版权所有kmpdm.com           如需转载请注明出自