0 引 言
任何一個系統(tǒng)都不可能做到完全沒有噪聲，甚至有相當多的時候所需要的有用信號被強背景噪聲淹沒。因此如何從信噪比為負十幾dB甚至幾十個dB的環(huán)境中有效地提取出有用信號顯得越來越重要。對于這種微弱信號的檢測問題的研究，目前已經(jīng)取得一些進展，比如隨機共振檢測理論、分段采樣信號的相位關(guān)聯(lián)檢測技術(shù)以及混沌理論微弱信號檢測原理等。雖然各有所長，但在實際運用過程中還存在這樣那樣的缺陷，不能滿足需要。
這里介紹了最近發(fā)展較快的小波分析理論在信號去噪方面的應(yīng)用，提出了適合于極低信噪比條件下的小波變換去噪法，通過構(gòu)造具有自適應(yīng)性的閾值函數(shù)以及閾值處理方式的優(yōu)化設(shè)計，可以提取微弱的有用信號特征信息，實現(xiàn)信號恢復(fù)。
1 小波變換檢測微弱信號原理
小波分析是一種時頻域分析，具有多分辨率特性。因此在時頻域都具有表征信號局部特征的能力，是一種窗口大小不變但其形狀可改變時頻局部化分析方法。在高頻部分使用逐漸尖銳的時間分辨率和較低的頻率分辨率，以便移近觀察信號的快變部分；在低頻部分具有較高的頻率分辨率和較低的時間分辨率，以便移遠觀察信號的慢變部分(整體變化趨勢)，小波這種信號分析表示特征對分析非平穩(wěn)信號是非常有效的，很適合探測正常信號中夾帶的瞬態(tài)反常現(xiàn)象并且展示其成分。這種時頻面上的分析給信號處理帶來前所未有的更為深入的發(fā)展。
運用小波分析進行一維信號消噪處理是小波分析的重要應(yīng)用之一，下面將其消噪的基本原理做簡要的說明。
一個含噪聲的一維信號的模型可以表示成如下的形式：
其中：f(i)為真實信號；e(i)為噪聲；s(i)為含噪聲的信號。在實際工程中，有用信號通常表現(xiàn)為低頻部分或是一些比較平穩(wěn)的信號，而噪聲信號則通常表現(xiàn)為高頻的信號。所以消噪過程可按如下方法進行處理：首先對信號進行小波分解，則噪聲部分通常包含在各層的高頻分量中，因而可以以門限閾值等形式對小波系數(shù)進行處理，然后對信號進行重構(gòu)即可達到消噪的目的。
根據(jù)上文的分析可以知道，一維信號的消噪過程可分為2個步驟進行：
(1)一維信號的小波分解。選擇一個小波并確定一個小波分解的層次N，然后對信號進行N層小波分解；
(2)小波分解高頻系數(shù)的閾值量化。從第1層到第N層的每一層高頻系數(shù)選擇1個閾值進行軟閾值量化處理；
(3)一維小波的重構(gòu)。根據(jù)小波分解的第N層的低頻系數(shù)和經(jīng)過量化處理后的第1層到第N層的高頻系數(shù)，進行一維信號的小波重構(gòu)。
在這三個步驟中，最關(guān)鍵的就是如何選取閾值和如何進行閾值的量化，從某種程度上說，它關(guān)系到信號的質(zhì)量。這里針對傳統(tǒng)信號的閾值函數(shù)選取以及分解系數(shù)處理方式的不足之處，結(jié)合工程實際進行了改善。
2 小波閾值函數(shù)的構(gòu)建
小波閾值去噪的理論依據(jù)為：屬于能量有限空間的信號在小波域內(nèi)其能量主要集中在有限的幾個系數(shù)中，而噪聲的能量卻分布在整個小波域中，因此經(jīng)過小波分解后信號的系數(shù)要大于噪聲的系數(shù)，于是可以找到一個合適的數(shù)λ作為閾值(門限)，當分解系數(shù)小于該閾值時，認為這時的分解系數(shù)主要是由噪聲引起的，并置為零，予以舍棄；當分解系數(shù)大于該閾值時，認為這時的分解系數(shù)主要是由信號引起的，則把這一部分分解系數(shù)的直直接保留下來(硬閾值方法)或者按某一固定量向零縮(軟閾值方法)，然后由新的小波系數(shù)進行小波重構(gòu)到去噪后的信號。
小波閾值的選取是一個非常重要的步驟，其直接影響噪聲消除的效果。很明顯，如果閾值過高，則會將系數(shù)分量中的信號成分當作噪聲分量去除，造成信號失真；反之，若閾值選取過低，又不能充分去除噪聲，不能達到很好的效果。此外，不同的閾值構(gòu)建方法其適用場合也不盡相同，必須圍繞信噪比和信號特點綜合考慮構(gòu)建方式。
針對微弱信號的特點，即SNR<一1，此時噪聲的能量較大，由于信號的信噪比：
式中：σs為信號強度；σn為噪聲強度。由此可知，當信號強度減小或者噪聲強度增大時，信噪比均會減小。因此，當噪聲占主要地位時，若是只考慮噪聲強度是不全面的，例如當信號強度不變，增大噪聲，信噪比減小；若是只考慮噪聲強度則會使得閾值成線性上升，使得丟失的信息過多，對于信號參數(shù)的估計和信號的重構(gòu)都是不利的。另一方面，如果信號是周期性連續(xù)信號，最好選擇同樣具有連續(xù)性的閾值函數(shù)。因此，考慮選取閾值為：
其中：j為小波變換尺度；N為采樣點個數(shù)；μ為調(diào)節(jié)因子；用以調(diào)節(jié)隨σs/σn變化，exp[μ(σs/σn)]變化的快慢。
3 閾值處理方式的優(yōu)化
傳統(tǒng)的硬、軟閾值方法雖然在實際中得到了廣泛的應(yīng)用，也取得了較好的效果，但這些方法本身還存在一些缺陷。在硬閾值處理過程中，得到的估計小波系數(shù)值連續(xù)性差，即由于分解系數(shù)在±λ處是不連續(xù)的，因此重構(gòu)所得的信號可能會產(chǎn)生一些振蕩；而軟閾值方法中估計小波系數(shù)雖然整體連續(xù)性好，但是由于當小波系數(shù)較大時，分解系數(shù)之間總存在恒定的偏差，這將直接影響重構(gòu)信號與真實信號的逼近程度，給重構(gòu)信號帶來不可避免的誤差。
如果對噪聲用分解的系數(shù)用C(J，k)表示，其中j代表小波尺度，k代表時間，則可以得出如下結(jié)論：
(1)如果所分解的信號是一個平穩(wěn)、零均值的白噪聲，則其小波分解系數(shù)是不相關(guān)的；
(2)如果所分解的信號是一個高斯噪聲，則其小波分解系數(shù)是獨立的，并且也是高斯分布的；
(3)如果所分析的信號是一個有色、平穩(wěn)、零均值的高斯噪聲序列，則其小波分解系數(shù)也是高斯序列。對每一個分解尺度j，其系數(shù)是一個有色、平穩(wěn)的序列。
用ω(j,k)表示對含噪信號進行小波分解后得到的小波系數(shù)，由于小波變換是一種線形變換，因此它由2部分組成：信號對應(yīng)的小波系數(shù)和噪聲對應(yīng)的小波系數(shù)。由于軟閾值方法估計出來的小波系數(shù)ω(j,k)的絕對值總比ω(j,k)要小λ而影響了重構(gòu)精度，應(yīng)設(shè)法減小此偏差。只要使ω(j,k)與由信號對應(yīng)的小波系數(shù)之間的差值盡量小，則ω(j,k)更接近于信號對應(yīng)的小波系數(shù)，重構(gòu)精度就越高。構(gòu)造函數(shù)：
可知，當a=O時上式等效為。Donoho硬閾值；當a一1時，上式等效為Donoho軟閾值；當a在0～1之間變化時，z一±cx3，有|f(x)一x|一>aλ。也就是說，隨著ω(j,k)模值的增大，ω(j,k)與ω(j,k)偏差的絕對值逐漸減小為αλ，大大減小了軟閾值方法中產(chǎn)生的恒定偏差，提高了重構(gòu)精度，改善了去噪效果。可見，相對于硬、軟閾值函數(shù)，新閾值函數(shù)是一個更優(yōu)、更靈活的選擇。只要在0和1之間適當?shù)恼{(diào)整α的大小，就可以獲得更好的去噪效果。圖1是用．Matlab畫出的Donoho軟、硬閾值圖及新閾值函數(shù)圖(α=O．1)。
4 仿真試驗
為了說明所述小波消噪法的有效性和優(yōu)越性，分別采用傳統(tǒng)的閾值函數(shù)和軟硬閾值處理的方法以及新閾值函數(shù)和新閾值處理方式的方法進行去噪試驗，試驗對象選擇信噪比為低于一10 dB的混有平穩(wěn)加性高斯白噪聲信號，信號波形如圖2所示。信噪比為一13．777 6 dB。
圖3是用兩種小波方法處理含噪信號的消噪結(jié)果波形圖，表1是兩種消噪方法得到的信噪比。從圖3和表1中可以得到如下結(jié)論：
(1)傳統(tǒng)小波消噪法處理后的信號雖然去除了部分噪聲信號，信噪比也有所提高，但圖形離原始信號的本來面目相差很遠，從波形上還是無法確定有用信號的特征，可以說這樣的處理結(jié)果是無效的。產(chǎn)生這種結(jié)果的原因就是因為傳統(tǒng)的硬閾值小波消噪在處理噪聲信號時對閾值的選擇依賴性很強，在消噪過程中保留了強背景信號的某些特征，或者消弱了真實信號的完整性。閾值選擇的適合與否直接影響微弱信號的檢測效果，因此對于淹沒在強噪聲背景下的微弱信號而言，這種方法顯得束手無策。
(2)這里結(jié)合信號特征及低信噪比這一實際情況，采用了具有可調(diào)節(jié)的閾值函數(shù)，并對分解系數(shù)的處理方式進行了優(yōu)化，從而大大改善了去噪效果。從圖3中可以看出雖然消噪后的信號與原始無噪信號還有較大差別，但很明顯可以知道信號的周期、幅值等特征，信噪比也達到15．530 3 dB，提高了約30 dB，基本上完成了微弱信號的檢測任務(wù)。
(3)表1中的信噪比是對信號消噪的量化表征。很明顯，這里所述的新方法具有最好的去噪效果。
5 結(jié) 語
這里提出了一種具有可調(diào)功能的閾值函數(shù)，充分考慮到了信噪比因素的影響，此外對分解系數(shù)的處理也進行了合理優(yōu)化。與傳統(tǒng)的硬、軟閾值方法相比，去噪效果無論在視覺上還是在去噪后信號的信噪比都有明顯改善，而且新方法很靈活，具有很好的穩(wěn)定。