基于小波变换的信号去噪技术及实现
陈 峰1，成新民2
（1.浙江信息工程学校浙江湖州313000；
2.湖州师范学院浙江湖州313000）
摘 要：阐述了小波变换去除信号噪声的基本原理和方法。研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声，然后利用matlab软件编制程序实现了基于小波变换的正弦信号噪声抑制和非平稳信号的去噪仿真分析。仿真结果表明小波变换去除噪声的效果比传统的fourior变换方法具有极大的优越性。
关键词：小波变换；多分辨率分析；消噪；matlab
signal denoising technique and realization based on wavelet transform
chen feng1, cheng xinmin2
(1.zhejiang information engineering school，huzhou, 313000, china；
2.huzhou teachers′school,huzhou,313000, china)
abstract：expounding the basic theory and method of removin g noises from signals with wavelet transform researching to control noises of signals and remove noises from the unsteady signals with the technique of wavele t and then using matlab to realize simulation of wavelet denoising by program ming the results indicates that wavelet denoising is more advantaged t han the fourior transform
keywords：wavelet transform;multiresolution analysis;denoising; matlab
在通信及计算机过程控制系统中，对信号进行实时采样是很重要的环节。但由于信号在激励、传输和检测过程中，可能不同程度地受到随机噪声的污染，特别在小信号采集和测量中，噪声干扰显得尤其严重。因此，如何消除实际信号中的噪声，从混有噪声的信号中提取有用信息一直是信息学科研究的焦点之一。傅里叶变换是一种经典方法，适用于诸多场合。但由于傅里叶变换是一种全局变换，无法表述信号的时域局部性质，而这种性质恰恰是非平稳信号最根本和最关键的性质。为了更有效地处理非平稳信号，人们提出了小波变换这种新的信号分析理论。小波变换是一种信号的时频分析，他具有多分辨率的特点，可以方便地从混有强噪声的信号中提取原始信号，被誉为分析信号的显微镜。本文主要讨论应用小波变换的理论，利用matlab软件在计算机上实现了信号的噪声消除，从混有噪声的实际信号中提取了原始信号，具有非常实用的意义。
1小波变换与多分辨率分析
设ψ是定义在（-∞,+∞）上能量有限的函数，ψ构成平方可积信号空间，记为ψ∈l2(r)，则生成函数族{ψab}：
ψ(t)称为小波函数，ψab(t)由ψ(t)伸缩和平移生成，为小波基函数。a为伸缩因子，b为平移因子。对任一信号f(t)∈l2(r)的连续小波变换可定义为信号与小波基函数的内积：
连续小波变换具有线性、平移不变性、伸缩共变性、自相似性和冗余性等重要性质。
在工程上利用小波变换对信号进行处理，应用最广泛的是二进小波变换，即取a=2j，b=k·2j，则f(t)的二进小波变换为：
二进小波对尺度参数进行离散化，而对时间域上的平移参量保持连续变化，不破坏信号在时间域上的平移变量。
1988年，mallat在构造正交小波基时提出了多分辨率分析的概念，从空间的概念上形象地说明了小波的多分辨特性。将此之前的所有正交小波基的构造法统一起来，给出了正交小波变换的快速算法，即mallat算法。
若fk为信号的离散采样数据，如果ｃ0,k=fk，则有：
n为离散采样数据；h,g为滤波器脉冲响应，即分解各列滤波器组系数；c j,k为信号的逼近系数；cj,k·fk为fk在2j分辨率下的连续逼近；dj,k为信号的细节系数；dj,k·fk为fk在2j分辨率下的离散细节。信号的mallat重构算法为：
滤波器的脉冲响应，即重构各滤波器组系数。
mallat算法使离散的采样信号通过低通滤波器h后得逼近原始信号的数据；通过高通滤波器g后得信号边缘细节信息的数据，所以小波变换的实质是滤波运算。随着小波变换尺度的增加可以将原始信号边缘和噪声产生的毛刺逐渐平滑掉，细节信息由噪声占主导地位逐渐转为信号占主导地位。我们期望这种滤波器产生的相对失真尽可能小，是提取突变信号特征的关键。
2小波消噪的基本原理及方法
运用小波分析进行信号噪声消除是小波分析的一个非常重要的应用之一。
一个含噪声的一维信号的模型可表示为：
式中，f(i)为真实信号；e(i)为噪声；s(i)为含噪信号。这里以一个简单的噪声模型加以说明，即e(i)为高斯白噪声n（0，1），噪声级为1。在实际工程中，有用信号通常表现为低频信号或较平稳的信号，噪声信号则表现为高频信号，所
