【正文】 (49)(3) rigrsure:采用史坦的無偏似然估計原理進行閾值選擇，首先得到一個給定閾值的風(fēng)險估計，選擇風(fēng)險最小的閾值 作為最終選擇。(4) heursure：選擇啟發(fā)式閾值它是sqtwolog和rigrsure 的綜合，當(dāng)信噪比很小時,估計有很大的噪聲，這時heursure, 采用固定閾值sqtwolog。（3） 閥值的選取閾值化處理的關(guān)鍵問題是選擇合適的閾值如果閾值(門限) 太小,去噪后的信號仍然有噪聲存在。相反,如果太大,重要信號特征將被濾掉,引起偏差。從直觀上,對于給定小波系數(shù),噪聲越大,閾值就越大。大多數(shù)閾值選擇過程是針對一組小波系數(shù),即根據(jù)本組小波系數(shù)的統(tǒng)計特性,計算出一個閾值。Donoho 等提出了一種典型閾值選取方法,從理論上給出并證明閾值與噪聲的方差成正比,其大小為： （410） 小波消噪的MATLAB實現(xiàn)MATLAB中的小波工具包提供了全面的小波變化及其應(yīng)用的各種功能，其中小波去噪方面實現(xiàn)DonohoJohnstone等的去噪算法，而且可以選擇使用圖形界面操作工具或者去噪函數(shù)集合兩種形式，圖形界面操作工具直觀易用，而利用函數(shù)集合可以實現(xiàn)更靈活強大的功能。我們利用小波去噪函數(shù)集合在中MATLAB作了一系列實驗，充分體會到了小波去噪的強大功能。下面是幾個最為常用的小波去噪函數(shù)：1) x=wnoise(fun,n):產(chǎn)生DonohoJohnstone設(shè)計的6種用于測試小波去噪效果的典型測試數(shù)據(jù)，函數(shù)根據(jù)輸入?yún)?shù)fun的值輸出名為“blocks”,“bumps”,“heavy”,“doppler”,“quadchirp”或“mishmash”的6種函數(shù)數(shù)據(jù)，數(shù)據(jù)長度為2n。這6種測試數(shù)據(jù)在驗證和仿真實驗時非常有用。2）[xd,cxd,lxd]=wden(x,tptr,sorh,scal,level,wname):最主要的一維小波去噪函數(shù)。其中輸入?yún)?shù) 為輸入需要的信號， sorh設(shè)定為“s”表示用軟門限閥值或硬門限閥值處理。 種閾值形式是基于信號水平為1 的高斯白噪聲模型推導(dǎo)得到的，當(dāng)噪聲不是白噪聲時，必須在小波分解的不同層次估計噪聲水平，scal=“one”不進行重新估計，scal=“sln”只根據(jù)第一層小波分解系數(shù)估計噪聲水平,scal=“mln”在每個不同的小波分解層次估計噪聲水平，根據(jù)scal參數(shù)的設(shè)定，wden（）函數(shù)決定最終應(yīng)用于每一個小波分解層次的閥值函數(shù)。最后兩個參數(shù)level和wname表示利用名為wname的小波對信號分解結(jié)構(gòu)[cxd,lxd]。還有功能更強大的用于一維或二維小波去噪或壓縮的函數(shù)wdencmp()。3) thr=thselect(x,tptr):去噪閥值選擇函數(shù)。4) y=wthresh(x,sorh,t)：對信號x做閥值為t的門限閥值處理。小波去噪驗證仿真實驗信號是由wnoise()函數(shù)產(chǎn)生的含標(biāo)準(zhǔn)的高斯白噪聲信噪比為3 的heavy sine信號，用wden()函數(shù)進行去噪處理。1)首先產(chǎn)生一個長度為210點，包含高斯噪聲的heavy sine信號及heavy sine含噪信號, 其噪聲標(biāo)準(zhǔn)差為3, 如圖所示。2)利用‘sym8’小波對信號分解，在分解的第5層上，利用軟閾值法去噪，結(jié)果如圖 所示3)同樣的條件下,利用固定閾值選擇算法對信號去噪，結(jié)果如圖所示 圖43小波去噪驗證仿真圖（a）為原始信號（b）為含噪信號（c）為軟閥值去噪信號（d）為硬閥值去噪信號驗證仿真程序如下：x=wnoise(3,10)。ind=linspace(0,1,2^10)。subplot(4,1,1)。plot(x)。title(39。(a)39。)；[x,noisyx]=wnoise(3,10,3,2^10)。subplot(4,1,2)。plot(noisyx)。title(39。(b)39。)；xd=wden(x,39。rigrsure39。,39。s39。,39。sln39。,5,39。sym839。)。subplot(4,1,3)。plot(xd)。title(39。(c)39。)xd=wden(x,39。sqtwolog39。,39。h39。,39。sln39。,5,39。sym839。)。subplot(4,1,4)。plot(xd)。title(39。(d)39。)；通過以上的例子,可以看出對原始信號添加噪聲后得到含噪信號,利用MATLAB 中的小波工具箱對含噪信號分別進行軟閾值化和硬閾值化去噪處理,得出的去噪結(jié)果與原始信號效果非常接近, 由此可以看出利用MATLAB 中的小波變換工具箱對信號進行去噪處理是非常理想的。 小波去噪的MATLAB 仿真對比試驗 中含有噪聲的仿真信號noisbloc 作為原始信號，分別使用FFT 和小波分析方法對信號進行去噪處理，采用的小波是sym8，分解層數(shù)為5，對比結(jié)果如圖41。由圖41可以看出，利用小波分析去噪的結(jié)果明顯優(yōu)于Fourier 變換，這是由于Fourier 變換只能在頻域范圍內(nèi)表述，對系數(shù)進行處理的方法也相對單一，而利用小波對信號進行分解后，可以采用多種計算閾值和處理閾值的方法. 對信號的噪聲成分進行抑制，手段更加靈活。為了更加精確地表示去噪結(jié)果，可以計算去噪后信號的信噪比(RSN) 和均方根誤差(RMSE)。圖44 小波去噪和FFT去噪效果對比圖a為含噪信號圖，b為軟閥值去噪信號圖，c為硬閥值去噪圖，d為FFT去噪圖 幾種方法去噪后的RSN 和RMSErigrsuresqtwologFFTSNRRMSE信號的信噪比越高，原始信號和去噪信號的均方根誤差越小，去噪信號就越接近原信號，去噪的效果也就越好。 給出了3種方法去噪后信噪比和均方根誤差的比較，可以看出，小波分析去噪結(jié)果的信噪比和均方根誤差指標(biāo)均優(yōu)于FFT。試驗程序如下：load noisbloc。x=noisbloc。subplot(2,2,1)。plot(x)。title(39。a39。)xd=wden(x,39。rigrsure39。,39。s39。,39。sln39。,5,39。sym839。)。subplot(2,2,2)。plot(xd)。title(39。b39。)p1=1/length(x)*norm(x)^2。 p2=1/length(x)*norm(xxd)^2。 snr1=10*log(p1/p2) RMSE1=sqrtm(p2)xd=wden(x,39。sqtwolog39。,39。h39。,39。sln39。,5,39。sym839。)。subplot(2,2,3)。plot(xd)。title(39。c39。)p1=1/length(x)*norm(x)^2。 p2=1/length(x)*norm(xxd)^2。 snr2=10*log(p1/p2)RMSE2=sqrtm(p2)wc=。N=5。[b,a]=butter(N,wc)。xd=filter(b,a,x)。subplot(2,2,4)。plot(xd)。title(39。d39。)。p1=1/length(x)*norm(x)^2。 p2=1/length(x)*norm(xxd)^2。 snr3=10*log(p1/p2)RMSE3=sqrtm(p2)小波變換是一種信號的時頻分析方法，它具有多分辨率分析的特點，很適合探測正常信號中夾帶的瞬態(tài)反?，F(xiàn)象并展示其成分，有效區(qū)分信號中的突變部分和噪聲。因此利用小波變換能有效的對信號進行消噪的同時提取含噪信號。用傳統(tǒng)的傅立葉變換分析，顯得無能為力，因為傅立葉分析是將信號完全在頻率域中進行分析，它不能給出信號在某個時間點的變化情況，使得信號在時間軸上的任何一個突變，都會影響信號的整個頻譜。小波變換正廣泛的應(yīng)用于各個領(lǐng)域，MATLAB給我們提供了一個很方便的工作平臺，通過MATLAB編制程序給定信號的噪聲抑制和非平穩(wěn)信號噪聲的消除。通過實例證明：基于小波變換的消噪方法是一種提取有用信號、展示噪聲和突變信號的優(yōu)越方法，具有廣闊的實用價值。結(jié) 論分布式光纖溫度傳感器系統(tǒng)是近年來發(fā)展起來的新型分布溫度傳感器系統(tǒng)，它能同時測量空間多點的溫度場分布及其變化。它是一個光、機、電、計算機一體化的系統(tǒng)，涉及激光技術(shù)、光纖技術(shù)、光譜技術(shù)、弱信號檢測技術(shù)和計算機等多種技術(shù)由于分布式光纖溫度測量的信號非常微弱，信號處理技術(shù)的優(yōu)劣對系統(tǒng)性能具有重要的影響?；跀?shù)字電子技術(shù)和計算機技術(shù)的迅速發(fā)展，微弱信號的數(shù)字處理已是必然選擇。對各種傳統(tǒng)和現(xiàn)代的微弱信號處理技術(shù)進行了分析，針對分布式光纖溫度測量系統(tǒng)測量點多、數(shù)據(jù)量大等特點，給出了分布式計算的累加算法，并探討了自相關(guān)分析算法和信噪比改善。在低頻通信系統(tǒng)中應(yīng)用數(shù)字式平均法可以有效地提高接收端的信噪比。線性累加平均算法、歸一化平均算法和指數(shù)平均算法在低信噪比時，都能顯著的提高信噪比，但是線性累加平均算法在數(shù)據(jù)量較大時，容易過載，所以在實際應(yīng)用中大部分采用的是后兩種方法。采用基于分布式光纖溫度測量數(shù)據(jù)處理技術(shù)的小波分解的檢測方法MATLAB實現(xiàn)算法。致 謝 首先感謝河南工業(yè)大學(xué)，她對我這四年的培養(yǎng)，在這四年的學(xué)習(xí)中，我學(xué)到了大量電子信息科學(xué)與技術(shù)方面的專業(yè)知識，結(jié)識了很多在此領(lǐng)域有造詣的老師，通過自我學(xué)習(xí)和拜師請教奠定了我在這方面發(fā)展的基礎(chǔ)，使我找到了人生發(fā)展的道路。其次我要感謝我的導(dǎo)師張慶輝博士，他在百忙之中常常抽出寶貴的時間和我探討、研究課題中遇到的難題，幫助我尋找解決問題的途徑，在整個畢業(yè)設(shè)計過程中，張老師精心輔導(dǎo)，付出了大量的時間與精力。通過他淵博的學(xué)識指導(dǎo)我的畢業(yè)設(shè)計，使我在畢業(yè)設(shè)計能夠順利完成。感謝他在我有困難得時候所給與我無私的幫助。張老師是我的良師益友，我尊重他，也感謝他 。感謝張老師的善良，隨和，雖然時日有限，卻使我終生受益。再次我還要感謝信息科學(xué)與工程學(xué)院的所有老師，他們教會了我畢業(yè)論文中所涉及到的基礎(chǔ)知識。是他們使我在大學(xué)四年了學(xué)到了不少知識，也給予我很大的幫助和啟發(fā)。最后，感謝我的室友和我們電子系專業(yè)的同學(xué)們，是他們在半年的時間里和我一起探討問題和解決問題，無論是在學(xué)習(xí)上還是生活上都給了我巨大的幫助?？偠灾?，對各方面給予我?guī)椭娜耍乱晕易钪孕牡母兄x。感謝他們的關(guān)心和支持，才使得我能夠順利的完成此次畢業(yè)設(shè)計。39參考文獻 [1] (下)[M].北京:電子工業(yè)出版社,1996.[2] [M].北京:清華大學(xué)出版社,2002.[3] [M].北京:機械工業(yè)出版社,2006.[4] 李加升,黃文清,[J].電力系統(tǒng)保護與控制,2008(19)2124.[5] 徐長發(fā),[M].武漢:華中科技大學(xué)出版社,2001.[6] 胡昌華,張軍波,夏軍,(小波分析)[M].西安:西安電子科技大學(xué)出版社,.[7] 杜浩藩, [J].計算機仿真,2003,(7):119122.[8] 高萍,[J].科技信息(學(xué)術(shù)版),2006(11)13.[9] [J].彈箭與制導(dǎo)學(xué)報,2006(4)293296.[10] 王吉華,[J].計算機仿真,2004(7)5557.[11] 陳武凡. 小波分析及其在圖像處理中的應(yīng)用[M].北京:科學(xué)出社,2002.[12] Gregory B 開發(fā)Web 站點[M].北京:機械工業(yè)出版社, 1998.[13] 林昱,錢昆. Lotus Domino R5 開發(fā)教程[M].北京:電子工業(yè)出版社, 2001.[14] 馮錦峰,惠月. Lotus Domino/Notes R5 應(yīng)用開發(fā)指南[M].北京:北京希望電子出版社,2000.[15] 劉貴忠,[M].西安:西安電子科技大學(xué)出版社,1997.[16]陳佳圭，微弱信號檢測[M]，北京廣播電視大學(xué)出版社，1987。[17]戴逸松，電子系統(tǒng)噪聲及低噪聲設(shè)計方法[M]，吉林人民出版社，1984。[18]高晉占，微弱信號檢測[M]，清華大學(xué)出版社，2004。[19]王志功著，光纖通信集成電路設(shè)計，高等教育出版社，2003年6月[20]原榮編著，光纖通信，電子工業(yè)出版社，2002年10月[21]解金山，陳寶珍編著，光纖數(shù)字通信技術(shù)，電子工業(yè)出版社,2002年10月[22]張在宣，馮海琪，余向東，郭寧，吳孝彪，分布式光纖喇曼光子傳感器系統(tǒng)，半導(dǎo)體光電，1999年4月，V01．20[23]張在宣，沈為民，郭寧等，分布式光纖喇曼光子傳感器系統(tǒng)的一種解[24] D L Donoho,I M Johnstone,G Keryacharian and D shrinkag:As ymptopia [J].Joumal of the Royal Statistical society sense B,1994.[25] D L Donoho. Denoising by softthresholding[J].IEEE Trans Info Theory,1995,(5): 613627[26] Delyon B,Juditsky A,Benveniste Analysis for Wavelet Approximation[J].IEEE Transactions on Neural Networks,1995,(6) :320350.[27] Divid L, by Softthresholding [J].IEEE Transaction oninformation theory,1995