【正文】 New Opportunities for Biomedical Engineers. Proceedings of The 16th Annual International Coference of the IEEE,36Nov 1994, 16(1), A2425.[24] 周忠來，施聚生，小波分析去噪方法在聲目標(biāo)識(shí)別系統(tǒng)中的應(yīng)用研究，現(xiàn)代引信，1998，（4）：1925。[18] 楊黎,[J].色譜,1998， 16(5）:386389[19] Donoho , Denoising by soft thresholding. IEEE Trans. On IT, 1995, 41(3):613627.[20] Mallat S. Multiresolution approximations and wavelet orthonormal based of L2(R).Trans. Aamer. Maath. Soc., 1989, 315: 6987.[21]張麗，羅超，張志沛，柴油機(jī)強(qiáng)噪聲信號(hào)的小波去噪辨識(shí)，內(nèi)燃機(jī)學(xué)報(bào)，2001，[22]Donoho DL, Johnstone IM, Wavelet Shrinkage: Asymptoia, Jounal of the Royal Satistical Society Series(B), 1995, 57: （4）：365368。是給定的數(shù)據(jù)。 disp(SEM1)。endfor i=1:479 y23=y23+c(i)^2。endSEM3=(y12/y22)^。for i=1:479 y12=y12+(E3(i)c(i))^2。endfor i=1:479 y21=y21+c(i)^2。endSEM1=(y10/y20)^。for i=1:479 y10=y10+(E1(i)c(i))^2。y13=0。y12=0。y11=0。y10=0。y1=0。figureplot(E3)。,1)figureplot(E1)。,2,39。,b,39。E4=wdencmp(39。db439。one39。h39。sqtwolog39。)。,2,39。,39。,39。E2=wden(b,39。db439。one39。h39。rigrsure39。pN = p(max(find(p=I/V*q/cVN)))。cVN = sum(1./(1:V))。I = (1:V)39。p = C(126:492)。)。[C,L]=wavedec(b,2,39。axis([1000 1500 ])。char ,a,b,c。對(duì)人們的生活質(zhì)量的提高會(huì)有很大幫助。本課題就是基于這種大環(huán)境下而生成的，而小波分析也是一種比較成熟的圖像處理方法，通過對(duì)小波閾值去噪算法的不斷改進(jìn)，會(huì)設(shè)計(jì)出更加完善，功能更加強(qiáng)大的軟件。而軟件則更實(shí)現(xiàn)了大氣環(huán)境監(jiān)測(cè)向自動(dòng)化、實(shí)時(shí)在線監(jiān)測(cè)方向發(fā)展。圖像去噪在圖像處理中是一個(gè)很重要的預(yù)處理過程，它的主要目標(biāo)是在減少圖像中的噪聲的同時(shí)，盡可能地保留圖像邊緣和紋理信息。驗(yàn)證其閾值的選擇是否正確。heursure閾值消噪選取為下面VC軟件實(shí)現(xiàn)得出了一個(gè)比較合適的閾值去噪方法。 軟件去噪后得到的數(shù)據(jù)從圖可以看出，通過對(duì)數(shù)據(jù)進(jìn)行相對(duì)偏差處理得到表I，雖然精度達(dá)不到MATLAB的精度，但是偏差不是很大，能實(shí)現(xiàn)去噪效果，保留了基本信息。從圖形來看，去噪效果符合選定參數(shù)的去噪結(jié)果，基本實(shí)現(xiàn)了預(yù)期編織軟件的目的。 小波去噪的軟件實(shí)現(xiàn) 打開小波工具點(diǎn)擊加載文本數(shù)據(jù)進(jìn)行加載并找出需要加載的含噪聲的光譜數(shù)據(jù) 如上圖選好一個(gè)分解數(shù)據(jù)，采用Mallat算法對(duì)小波進(jìn)行多層分解，分解層數(shù)選擇3層分解，并選用db小波對(duì)需要分解的數(shù)據(jù)進(jìn)行處理，而db小波基N=1,2,3…10。SEM定義為： 式中——濾噪后個(gè)點(diǎn)值，——標(biāo)準(zhǔn)譜圖各點(diǎn)值，——數(shù)據(jù)個(gè)數(shù)。‘rigrsure’規(guī)則閾值去噪后數(shù)據(jù)‘heursure’ 規(guī)則閾值去噪后數(shù)據(jù)‘sqtwolog’規(guī)則閾值去噪結(jié)果后數(shù)據(jù)，,，因此需要對(duì)他們進(jìn)行比較。 ，由圖可以看出，噪聲對(duì)光譜數(shù)據(jù)的影響還是很大了，去除噪聲才能更好的對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步的分析和處理。 ，是沒有受到干擾而產(chǎn)生噪聲的數(shù)據(jù)。從圖中可以看出，譜圖受到噪聲影響較大。利用MATLAB軟件進(jìn)行了小波消噪的仿真程序設(shè)計(jì)[24]。給定軟(或硬)閾值去噪方法是在實(shí)際的去噪處理過程中，閾值往往可以通過經(jīng)驗(yàn)公式獲得。這種方法比較簡單，重構(gòu)后的去噪信號(hào)也比較平滑，但容易丟失信號(hào)的有用成分。閾值量化方法一般有強(qiáng)制去噪、默認(rèn)閾值去噪和給定軟(或硬)閾值去噪三種方法。同一個(gè)信號(hào)用不同的小波基進(jìn)行分解所得到的消噪效果是不同的，因此找到合適的小波基對(duì)于信號(hào)的消噪是很重要的。第一步，選擇一個(gè)小波，確定小波分解的層次M，然后利用離散小波變換對(duì)含噪信號(hào)進(jìn)行M層小波分解。在用小波分析去噪的關(guān)鍵是閾值的選取，如果閾值選取的太高，會(huì)使得信號(hào)失去太多細(xì)節(jié)，使信號(hào)失真，如果閾值選取的太低，又不能達(dá)到去噪的目的，在實(shí)際應(yīng)用中通常要經(jīng)過試驗(yàn)來選取適當(dāng)閾值。從以上的理論分析可以知道，基于小波分析的去噪方法，對(duì)于非平穩(wěn)信號(hào)，要比傳統(tǒng)的濾波去噪方法的效果好，主要是由于傳統(tǒng)的濾波器都具有低通性，對(duì)需要分析在每個(gè)時(shí)刻含有不同頻率成分的非平穩(wěn)信號(hào)來說，很難進(jìn)行匹配分析。均方誤差（MSE）定義為： 由于此課題是連續(xù)信號(hào)，是二維曲線，所以采用均方誤差能對(duì)圖形去噪質(zhì)量進(jìn)行定量的描述，但它卻不能反映人眼的真實(shí)感覺?？陀^評(píng)價(jià)方法是用恢復(fù)圖像偏離原始圖像的誤差，來衡量圖像恢復(fù)的質(zhì)量，最常用的有均方誤差(MSE)、信噪比(SNR)、峰值均方誤差(PMSE)和峰值信噪比(PNSR)。主觀評(píng)價(jià)方法就是讓觀察者對(duì)同一幅圖像按視覺效果的好壞進(jìn)行打分，并對(duì)其進(jìn)行加權(quán)平均。在進(jìn)行仿真試驗(yàn)進(jìn)行驗(yàn)證算法的有效性之前，先來討論一下圖像質(zhì)量的評(píng)價(jià)方法。借用Daubechies基和Mallat算法來進(jìn)行圖像小波變換處理，是一種有效的方法。Daubechies小波的光滑性由其支集的長度來確定，通過合理選擇值的大小，既可以保證計(jì)算的復(fù)雜程度相對(duì)較小，又保證了圖像信號(hào)分析中的空間局部化要求。在突變區(qū)域中，要采用緊支撐的小波基。在平滑區(qū)域中，一般采用高正則階、高消失矩的光滑小波基函數(shù)。小波基的選擇涉及小波基的類型方面的問題。具體的閾值選取規(guī)則為：； 在式中，作為小波系數(shù)的個(gè)數(shù)，為噪聲信號(hào)的標(biāo)準(zhǔn)差，表示尺度為1的小波系數(shù)，式中的的分子部分表示對(duì)分解出的第一級(jí)小波系數(shù)取絕對(duì)值后再取中值[15],[16]。這種極值原理在統(tǒng)計(jì)學(xué)上常備用來設(shè)計(jì)估計(jì)器。具體的閾值選擇規(guī)則為：設(shè) W 為n個(gè)小波系數(shù)的平方和，令： , 以及，則有 。再設(shè)一風(fēng)險(xiǎn)向量，其元素為 以元素中的最小值作為風(fēng)險(xiǎn)值，有的下標(biāo)變量求出對(duì)應(yīng)的，則閾值為： 3. 試探法的Stein無偏風(fēng)險(xiǎn)閾值（heursure規(guī)則）[23]是前兩種閾值的綜合，是最優(yōu)預(yù)測(cè)變量閾值選擇。對(duì)于一個(gè)給定的閾值，得到它的似然估計(jì)，再將非似然最小化，就得到所選的閾值。小波系數(shù)隨著分解層次的加深，其長度也越來越短，根據(jù)的計(jì)算公式，可知該閾值也越來越小，因此在假定噪聲具有獨(dú)立同分布特性的情況下，可通過設(shè)置簡單的閾值來去除噪聲。若被測(cè)信號(hào)含有獨(dú)立同分布的噪聲時(shí)，經(jīng)小波分析后，其噪聲部分的小波系數(shù)也是獨(dú)立同分布的。根據(jù)小波分解的第層的低頻系數(shù)和經(jīng)過量化處理后的第一層到第層的高頻系數(shù)，進(jìn)行一維信號(hào)的