小波分析在信號處理中的應用中英翻譯new

《小波分析在信號處理中的應用中英翻譯new》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。

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

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

3、的方法。常用的硬閾值法則和軟閾值法則采用設置高頻小波系數為零的方法從信號中濾除噪聲。實踐證明，這些小波閾值去噪方法具有近似優(yōu)化特性，在非平穩(wěn)信號領域中具有良好表現(xiàn)。閾值法則主要依賴于參數的選擇。例如,硬閾值和軟閾值依賴于單個參數的選擇—全局閾值λ，然而由于小波變換的非線性，λ的調整顯得至關重要。閾值太小或太大，都會直接關系到信號去噪效果的優(yōu)劣。當閾值依賴于多個參數時，問題將會變得更加復雜。實際上，比較有效的閾值去噪方法往往根據小波分解的不同層次確定不同的閾值參數，進而確定相應的閾值法則。與一般的小波分析相對比

4、，小波包分析(WaveletPacketAnalysis)能夠為信號提供一種更加精細的分析方法，它將頻帶進行多層次劃分，對多分辨分析沒有細分的高頻部分進一步分解，并能夠根據被分析信號的特征，自適應地選擇相應頻帶，使之與信號頻譜相匹配，從而提高了時-頻分辨率。小波包變換是小波變換的推廣，它在表示信號時具有比小波變換更強的靈活性。利用小波包變換給信號作分解時，低頻部分和高頻部分都被進一步分解。因此小波包與信號去噪的閾值方法相結合具有更加良好的應用價值。目前，無論在工程應用還是理論研究中，去除信號中的干擾噪聲都是一

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

6、號時頻分析的優(yōu)良工具。小波變換(Wavelettransform)是20世紀80年代中期出現(xiàn)的時頻域信號分析工具，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)異的時頻局部能力及良好的去相關能力在圖像壓縮編碼領域得到了廣泛應用，并取得了良好的效果。小波變換具有多分辨性、時頻局部化特性及計算的快速性等屬性，這使得小波變換在地球物理領域有著廣泛的應用。如：利用小波變換進行重磁參數的提取，以小波分析后的重構信號與原始信號的誤差大小為標準選取小波基進行地17小波包分析在信號處理中的應用震資

7、料去噪等。隨著技術的發(fā)展，小波包分析(WaveletPacketAnalysis)方法產生并發(fā)展起來，小波包分析是小波分析的拓展，具有十分廣泛的應用價值。它能夠為信號提供一種更加精細的分析方法，它將頻帶進行多層次劃分，對離散小波變換沒有細分的高頻部分進一步分析，并能夠根據被分析信號的特征，自適應選擇相應的頻帶，使之與信號匹配，從而提高了時頻分辨率。小波包分析(waveletpacketanalysis)能夠為信號提供一種更加精細的分析方法，它將頻帶進行多層次劃分，對小波分析沒有細分的高頻部分進一步分解，并能夠

8、根據被分析信號的特征，自適應地選擇相應頻帶,使之與信號頻譜相匹配，因而小波包具有更廣泛的應用價值。小波包的分形理論由美國科學家B.B.Mandelbrot在20世紀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，用維數來定量描述信號的復雜程度，已在許多科學領域廣泛應用，包括最近將小波分析與分形理論相結合，用于確定重疊復合化學信號中的組分數和各峰位置等以及DNA序列分形特征的研究。