小波变换在信号去噪中的应用.doc
约35页DOC格式手机打开展开
小波变换在信号去噪中的应用, 页数 35 字数9733摘要小波理论自1982年t morlct提出以来，已经得到了蓬勃的发展，应用在各个学科领域：信噪分离、通信与语音处理中的子带编码、图像的边缘检测、分割与数抓压缩、图像的恢复等。 在信号分析技术中，信号中通常都不可避免的存在着各种不易消除的噪声。这些噪声的存在将影响系统...
内容介绍
此文档由会员 猛龙 发布
小波变换在信号去噪中的应用
页数 35 字数 9733
摘要
小波理论自1982年T Morlct提出以来，已经得到了蓬勃的发展，应用在各个学科领域：信噪分离、通信与语音处理中的子带编码、图像的边缘检测、分割与数抓压缩、图像的恢复等。
在信号分析技术中，信号中通常都不可避免的存在着各种不易消除的噪声。这些噪声的存在将影响系统的分辨率和稳定性，而且噪声严重时，会淹没正常的信号，导致无法正常工作。因此，数据的去噪(滤波)是一个首要的问题。常用的去噪算法在消除噪声的同时，数据信息会产生较大失真丢失信息。80年代中后期发展并成熟起来的小波理论，由于具有对信号的分时分频的精细表达和多分辨率分析的特点，即有用信号和噪音在不同尺度上呈现不同的时频特征或传播行为，根据这些特征的不同，可以将有用信号提取出来。小波去噪算法能满足各种去噪要求，如低通、高通、陷波、随机噪音的去除等。而且与传统的去噪方法相比较，小波去噪有着无可比拟的优点。
第1章 绪论 2
1.1 课题背景和意义 2
1.2 课题发展现状 4
1.3 小波变换在信号去噪中的应用 4
第2章 小波理论 6
2.1 小波变换及离散小波变换 6
2.1.1 连续小波变换 6
2.1.2 离散小波变换 7
2.2 多分辨率分析 8
2.2.1 多分辨率分析 8
2.2.2 小波函数与小波空间 9
2.2.3 正交小波函数与多分辨率分析 9
2.2.4 二尺度方程 11
2.3 Mallat快速算法 12
2.3.1 离散序列小波分解 12
2.3.2 离散小波序列重构 14
2.4 本章小结 14
第三章 基于小波变换的去噪方法研究 14
3.1 信号和噪声的小波特性 15
3.1.1 含噪信号的数学模型 15
3.1.2 信号和噪声在小波变换下的特征 15
3.2 信号去噪处理方法 16
3.2.1 小波分解 17
3.2.2 估计小波系数 17
3.2.3 阈值的选择 19
3.2.4 的选取 22
3.2.5 小波重构 22
3.3 改进方案 22
3.4 本章小结 23
第4章 仿真结果及讨论 23
结论 31
参考文献 32
致谢 32
毕业设计（论文）成绩评定表 34
参考文献
1 吴乐南编著.数据压缩.北京:电子工业出版社, 2000:1-27
2 黄贤武,王加俊,李家华编著.数字图像处理与压缩编码技术.成都电子科技大学出版社,2002,(18):360-366
3 崔屹.图像处理与分析—数学形态学方法及应用.北京:科学出版社,2000:15-29
4 崔屹.数字图象处理技术与应用.北京：电子工业出版社，1996：7-29
5 余松 张文军 孙军.现代图象信息压缩技术.北京：科学出版社，1998
页数 35 字数 9733
摘要
小波理论自1982年T Morlct提出以来，已经得到了蓬勃的发展，应用在各个学科领域：信噪分离、通信与语音处理中的子带编码、图像的边缘检测、分割与数抓压缩、图像的恢复等。
在信号分析技术中，信号中通常都不可避免的存在着各种不易消除的噪声。这些噪声的存在将影响系统的分辨率和稳定性，而且噪声严重时，会淹没正常的信号，导致无法正常工作。因此，数据的去噪(滤波)是一个首要的问题。常用的去噪算法在消除噪声的同时，数据信息会产生较大失真丢失信息。80年代中后期发展并成熟起来的小波理论，由于具有对信号的分时分频的精细表达和多分辨率分析的特点，即有用信号和噪音在不同尺度上呈现不同的时频特征或传播行为，根据这些特征的不同，可以将有用信号提取出来。小波去噪算法能满足各种去噪要求，如低通、高通、陷波、随机噪音的去除等。而且与传统的去噪方法相比较，小波去噪有着无可比拟的优点。
第1章 绪论 2
1.1 课题背景和意义 2
1.2 课题发展现状 4
1.3 小波变换在信号去噪中的应用 4
第2章 小波理论 6
2.1 小波变换及离散小波变换 6
2.1.1 连续小波变换 6
2.1.2 离散小波变换 7
2.2 多分辨率分析 8
2.2.1 多分辨率分析 8
2.2.2 小波函数与小波空间 9
2.2.3 正交小波函数与多分辨率分析 9
2.2.4 二尺度方程 11
2.3 Mallat快速算法 12
2.3.1 离散序列小波分解 12
2.3.2 离散小波序列重构 14
2.4 本章小结 14
第三章 基于小波变换的去噪方法研究 14
3.1 信号和噪声的小波特性 15
3.1.1 含噪信号的数学模型 15
3.1.2 信号和噪声在小波变换下的特征 15
3.2 信号去噪处理方法 16
3.2.1 小波分解 17
3.2.2 估计小波系数 17
3.2.3 阈值的选择 19
3.2.4 的选取 22
3.2.5 小波重构 22
3.3 改进方案 22
3.4 本章小结 23
第4章 仿真结果及讨论 23
结论 31
参考文献 32
致谢 32
毕业设计（论文）成绩评定表 34
参考文献
1 吴乐南编著.数据压缩.北京:电子工业出版社, 2000:1-27
2 黄贤武,王加俊,李家华编著.数字图像处理与压缩编码技术.成都电子科技大学出版社,2002,(18):360-366
3 崔屹.图像处理与分析—数学形态学方法及应用.北京:科学出版社,2000:15-29
4 崔屹.数字图象处理技术与应用.北京：电子工业出版社，1996：7-29
5 余松 张文军 孙军.现代图象信息压缩技术.北京：科学出版社，1998
