1/ƒ类分形信号的小波去噪方法

摘要/Abstract

摘要： 提出了一种用基于分形信号在不同尺度下小波系数方差来估计噪声方差及分形信号参数的新方法,进而从加性白噪声背景下估计出1/ƒ类分形信号。仿真实验结果表明:该方法简单可靠,有效可行,且事先不需要知道分形信号参数及加性白噪声的统计特性,并对信噪比估计误差有很好的鲁棒性。

关键词: 1/ƒ类分形信号, 信号估计, 小波变换

Abstract: Based on the variance of the wavelet coefficients of fractal signal at different levels,a new method of estimating the variance of added noise and the parameters of fractal signal was proposed in this paper,then the 1/ƒ fractal signal can be estimated from the additive white noise.The simulation results show that this method is simple,reliable,practicable and effective because it doesn′t need to know the parameters of fractal signal and the statistical characteristics of added white noise in advance,besides that,this method is robust to the error of SNR estimated.

Key words: 1/ƒ fractal signal, signal estimation, wavelet transformation

中图分类号:

TN911.72

何凯, 王树勋, 戴逸松. 1/ƒ类分形信号的小波去噪方法[J]. 吉林大学学报(工学版), 2003, (1): 77-81.

HE Kai, WANG Shu-xun, DAI Yi-song . Study on the Wavelet-based Denoising for 1/ƒ Fractional Signals[J]. 吉林大学学报(工学版), 2003, (1): 77-81.

参考文献

[1] Kesner M.1/ƒ noise［J］.Proc.IEEE,1982,70:212～218.
[2] Wornell G W,Oppenleim A V.Estimation of fractal signals from noisy measurements using wavelet［J］.IEEE Trans.Signal Processing,1992,40(3):611～623.
[3] Chen B S,Lin G W.Multiscale wiener filter for the restoration of fractal signals:wavelet filter bank approach［J］.IEEE Trans.Signal Processing,1994,42(11):972～982.
[4] 罗建书.分形信号的滤波算法［J］.国防科技大学学报,1998,20(1):103～107.
[5] 梅文博,Lik-Kwan Shark.分形信号估计的最佳子波门限方法［J］.电子学报,1998,26(4):15～18.
[6] 张可数,马洪.非平稳分形随机信号波形估计的最优门限方法［J］.电子学报,2001,29(9):1161～1163.
[7] 程正兴.小波分析算法与应用［M］.西安:西安交通大学出版社,1998.
[8] 刘贵忠.小波分析及其应用［M］.西安:西安电子科技大学出版社,1997.
[9] Wornell G.Wavelet-based representations for the 1/ƒ family of fractal process［J］.Proc.IEEE,1993,81:1428～1450.
[10] Wornell G.Akarhunen-loeve like expansion for 1/ƒ process via wavelet［J］.IEEE Trans.IT-,1990,36(4):859～861.
[11] 马丽萍,石炎福.含噪声混沌信号的小波去噪方法研究［J］.信号处理,2002,18(1):83～87.
[12] Stephane Mallat,Wang Wen Liang.Singularity deteetion and processing with wavelets［J］.IEEE Trans.Information Theory,1992,38(2):617～643.
[13] 杨福生.小波变换的工程分析与应用［M］.北京:科学出版社,2000.
[14] 林敏.1/ƒ过程的小波合成［J］.电子测量与仪器学报,2001,2(15):6～10.
[15] Dijkerman R.Wavelet representation of stochastic processes and multi-resolution stochastic model［J］.IEEE Trans.SP,1994,42(7):1640～1652.

相关文章 15

[1]	车翔玖, 梁森. 一种基于大顶堆的SPIHT改进算法[J]. 吉林大学学报(工学版), 2016, 46(3): 865-869.
[2]	季彦婕, 陈晓实, 王炜, 胡波. 基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测[J]. 吉林大学学报(工学版), 2016, 46(2): 399-405.
[3]	肖钟捷. 基于小波空间特征谱熵的数字图像识别[J]. 吉林大学学报(工学版), 2015, 45(6): 1994-1998.
[4]	司伟建, 李晓林. 基于压缩思想的低运算近场信号估计算法[J]. 吉林大学学报(工学版), 2015, 45(3): 991-997.
[5]	王昕, 李玮琳, 刘富. 小波域CT/MRI医学图像融合新方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 25-28.
[6]	夏英杰, 李金屏, 陈瑞. 基于变电站多模图像的自动集成配准方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 47-50.
[7]	张久文, 米进财, 张同峰. 基于双树复小波和广义高斯密度的纹理图像检索[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 60-63.
[8]	包磊, 徐其志. 基于PCA变换和光谱补偿的遥感影像融合方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 88-91.
[9]	刘媛媛, 陈贺新, 赵岩, 孙红岩. 一种新的DWT视频动态水印算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 445-449.
[10]	胡玉平, 王志坚, 张玲华, 尹华. 基于小波变换和混沌映射的自适应水印算法[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 401-404.
[11]	付朝阳,郭雷,常威威. 网络的高光谱图像融合[J]. 吉林大学学报(工学版), 2011, 41(03): 838-843.
[12]	乔玉龙,赵春晖,潘正祥,. 基于Haar小波变换的快速k-近邻分类算法[J]. 吉林大学学报(工学版), 2011, 41(01): 231-0234.
[13]	王新沛, 刘常春, 李远洋, 孙处然. 基于高阶香农熵的心音分段算法[J]. 吉林大学学报(工学版), 2010, 40(05): 1433-1437.
[14]	高荣,叶佩青,蒋克荣,李文. 基于小波奇异性的电主轴振动信号处理[J]. 吉林大学学报(工学版), 2010, 40(04): 1025-1028.
[15]	王宏志，武伟，钟诚 . 基于非线性扩散与小波变换的混合图像去噪算法[J]. 吉林大学学报(工学版), 2009, 39(02): 525-0529.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed