小波分析在信號(hào)處理中的應(yīng)用中英翻譯new

《小波分析在信號(hào)處理中的應(yīng)用中英翻譯new》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、小波包分析在信號(hào)處理中的應(yīng)用畢業(yè)設(shè)計(jì)(論文)外文資料翻譯專業(yè)：班級(jí)：姓名：學(xué)號(hào)：附件：1.外文資料翻譯譯文；2.外文原文。指導(dǎo)教師評(píng)語：簽名：年月日一·小波研究的意義與背景17小波包分析在信號(hào)處理中的應(yīng)用眾所周知，由于圖像在采集、數(shù)字化和傳輸過程中常受到各種噪聲的干擾，從而使數(shù)字圖像中包含了大量的噪聲。能否從受擾信號(hào)中獲得去噪的信息，不僅與干擾的性質(zhì)和信號(hào)形式有關(guān)，也與信號(hào)的處理方式有關(guān)。在實(shí)際應(yīng)用中，針對(duì)不同性質(zhì)的信號(hào)和干擾，尋找最佳的處理方法降低噪聲，一直是信號(hào)處理領(lǐng)域廣泛討論的重要問題。目前有很多方法可

2、用于信號(hào)降噪，如中值濾波，低通濾波，傅立葉變換等，但它們都濾掉了信號(hào)細(xì)節(jié)中的有用部分。傳統(tǒng)的信號(hào)去噪方法以信號(hào)的平穩(wěn)性為前提，僅從時(shí)域或頻域分別給出統(tǒng)計(jì)平均結(jié)果。根據(jù)有效信號(hào)的時(shí)域或頻域特性去除噪聲，而不能同時(shí)兼顧信號(hào)在時(shí)域和頻域的局部和全貌。更多的實(shí)踐證明，經(jīng)典的方法基于傅里葉變換的濾波，并不能對(duì)非平穩(wěn)信號(hào)進(jìn)行有效的分析和處理，去噪效果已不能很好地滿足工程應(yīng)用發(fā)展的要求。近幾年來，許多文獻(xiàn)介紹了非平穩(wěn)信號(hào)去噪的小波閾值方法。Donoho和Johnstone提出了通過閾值化小波系數(shù)對(duì)染有高斯噪聲的信號(hào)進(jìn)行去噪

3、的方法。常用的硬閾值法則和軟閾值法則采用設(shè)置高頻小波系數(shù)為零的方法從信號(hào)中濾除噪聲。實(shí)踐證明，這些小波閾值去噪方法具有近似優(yōu)化特性，在非平穩(wěn)信號(hào)領(lǐng)域中具有良好表現(xiàn)。閾值法則主要依賴于參數(shù)的選擇。例如,硬閾值和軟閾值依賴于單個(gè)參數(shù)的選擇—全局閾值λ，然而由于小波變換的非線性，λ的調(diào)整顯得至關(guān)重要。閾值太小或太大，都會(huì)直接關(guān)系到信號(hào)去噪效果的優(yōu)劣。當(dāng)閾值依賴于多個(gè)參數(shù)時(shí)，問題將會(huì)變得更加復(fù)雜。實(shí)際上，比較有效的閾值去噪方法往往根據(jù)小波分解的不同層次確定不同的閾值參數(shù)，進(jìn)而確定相應(yīng)的閾值法則。與一般的小波分析相對(duì)比

4、，小波包分析(WaveletPacketAnalysis)能夠?yàn)樾盘?hào)提供一種更加精細(xì)的分析方法，它將頻帶進(jìn)行多層次劃分，對(duì)多分辨分析沒有細(xì)分的高頻部分進(jìn)一步分解，并能夠根據(jù)被分析信號(hào)的特征，自適應(yīng)地選擇相應(yīng)頻帶，使之與信號(hào)頻譜相匹配，從而提高了時(shí)-頻分辨率。小波包變換是小波變換的推廣，它在表示信號(hào)時(shí)具有比小波變換更強(qiáng)的靈活性。利用小波包變換給信號(hào)作分解時(shí)，低頻部分和高頻部分都被進(jìn)一步分解。因此小波包與信號(hào)去噪的閾值方法相結(jié)合具有更加良好的應(yīng)用價(jià)值。目前，無論在工程應(yīng)用還是理論研究中，去除信號(hào)中的干擾噪聲都是一

5、個(gè)熱門話題。針對(duì)被頻帶較寬的干擾或白噪聲污染的信號(hào)，從混有噪聲的信號(hào)中提取有效信號(hào)，一直是信號(hào)處理中的重要內(nèi)容。傳統(tǒng)的數(shù)字信號(hào)分析與處理是建立在傅立葉變換的基礎(chǔ)之上，傅里葉變換是平穩(wěn)信號(hào)在時(shí)域與頻域間互相轉(zhuǎn)換的算法工具，但無法準(zhǔn)確表述信號(hào)的時(shí)頻局域性質(zhì)。對(duì)于非平穩(wěn)信號(hào)人們使用短時(shí)傅立葉變換，但它使用的是一個(gè)固定的短時(shí)窗函數(shù)，是一種單一分辨力的信號(hào)分析方法，存在著一些不可彌補(bǔ)的缺陷。小波理論是在傅立葉變換和短時(shí)傅立葉變換的基礎(chǔ)上發(fā)展起來的，它具有多分辨分析的特點(diǎn)，在時(shí)域和頻域上都具有表征信號(hào)局部特征的能力，是信

6、號(hào)時(shí)頻分析的優(yōu)良工具。小波變換(Wavelettransform)是20世紀(jì)80年代中期出現(xiàn)的時(shí)頻域信號(hào)分析工具，自1989年S.Mallat首次將小波變換引入圖像處理以來，小波變換以其優(yōu)異的時(shí)頻局部能力及良好的去相關(guān)能力在圖像壓縮編碼領(lǐng)域得到了廣泛應(yīng)用，并取得了良好的效果。小波變換具有多分辨性、時(shí)頻局部化特性及計(jì)算的快速性等屬性，這使得小波變換在地球物理領(lǐng)域有著廣泛的應(yīng)用。如：利用小波變換進(jìn)行重磁參數(shù)的提取，以小波分析后的重構(gòu)信號(hào)與原始信號(hào)的誤差大小為標(biāo)準(zhǔn)選取小波基進(jìn)行地17小波包分析在信號(hào)處理中的應(yīng)用震資

7、料去噪等。隨著技術(shù)的發(fā)展，小波包分析(WaveletPacketAnalysis)方法產(chǎn)生并發(fā)展起來，小波包分析是小波分析的拓展，具有十分廣泛的應(yīng)用價(jià)值。它能夠?yàn)樾盘?hào)提供一種更加精細(xì)的分析方法，它將頻帶進(jìn)行多層次劃分，對(duì)離散小波變換沒有細(xì)分的高頻部分進(jìn)一步分析，并能夠根據(jù)被分析信號(hào)的特征，自適應(yīng)選擇相應(yīng)的頻帶，使之與信號(hào)匹配，從而提高了時(shí)頻分辨率。小波包分析(waveletpacketanalysis)能夠?yàn)樾盘?hào)提供一種更加精細(xì)的分析方法，它將頻帶進(jìn)行多層次劃分，對(duì)小波分析沒有細(xì)分的高頻部分進(jìn)一步分解，并能夠

8、根據(jù)被分析信號(hào)的特征，自適應(yīng)地選擇相應(yīng)頻帶,使之與信號(hào)頻譜相匹配，因而小波包具有更廣泛的應(yīng)用價(jià)值。小波包的分形理論由美國(guó)科學(xué)家B.B.Mandelbrot在20世紀(jì)70年代中期創(chuàng)立，它主要研究具有“自相似性”、“自仿射性”的分形體，用維數(shù)來定量描述信號(hào)的復(fù)雜程度，已在許多科學(xué)領(lǐng)域廣泛應(yīng)用，包括最近將小波分析與分形理論相結(jié)合，用于確定重疊復(fù)合化學(xué)信號(hào)中的組分?jǐn)?shù)和各峰位置等以及DNA序列分形特征的研究。