針對癲癇信號中存在的各類偽差信號,論文構(gòu)造并采用了一種改進小波閾值函數(shù)。通過調(diào)整改進閾值函數(shù)當中的參數(shù),實現(xiàn)在去除高頻信號部分噪聲的同時盡量保留信號的細節(jié)系數(shù)。通過分析癲癇信號的Matlab仿真實驗數(shù)據(jù),論文所構(gòu)造閾值函數(shù)去噪后信噪比高于21.232而均方根誤差均低于3.473。相較于軟、硬閾值函數(shù)的信噪比至少提高了9%,而均方根誤差相應至少降低19%。該算法不僅有效去除癲癇信號中的噪聲,而且癲癇信號去噪后的信噪比和均方根誤差數(shù)據(jù)均明顯優(yōu)于軟硬閾值函數(shù),驗證了信號去噪的有效性。 

【文章來源】：計算機與數(shù)字工程. 2020,48(10)

【文章頁數(shù)】：5 頁

【部分圖文】：

=0.6改進閾值去噪圖像表1閾值函數(shù)去噪?yún)?shù)

的小波去噪方法，即將高頻系數(shù)中較小的小波系數(shù)置為零，而保留較大的小波系數(shù)，常用的方法有硬閾值和軟閾值［4~6］。在小波閾值去噪方法中，所構(gòu)造的閾值函數(shù)，對小波系數(shù)的閾值量化處理一定程度上它直接決定信號去噪的效果。小波閾值去噪法通�？梢苑譃槿缦氯齻�基本步驟［7~8］：1）小波分解：選擇最佳小波基函數(shù)，對含噪信號s（n）做j層小波分解；2）閾值量化：選擇合適的閾值準則，量化處理每層高頻小波系數(shù)；3）信號重構(gòu)：根據(jù)近似系數(shù)和量化后的細節(jié)系數(shù)，重構(gòu)信號。圖1小波閾值去噪基本步驟2.2小波基函數(shù)的選擇小波系數(shù)的本質(zhì)便是度量小波基函數(shù)與原信號相似程度。信號經(jīng)小波變換后得到的小波系數(shù)越大，則表明信號與小波基函數(shù)的波形越相似；反之，則相似程度較�。�9］。為了盡量凸顯癲癇信號分解所得小波系數(shù)與噪聲信號分解對應的小波系數(shù)之間的差異性，應盡量選擇與癲癇信號的波形相似程度最好的小波基函數(shù)。經(jīng)過實驗對比，db4小波基與癲癇波形相似度極高，因此本文選擇db4小波基進行小波變換。2.3分解尺度的選擇對癲癇信號進行小波變換時，分解尺度i的選取也極為重要。尺度越大，則噪聲和信號也將更明顯表現(xiàn)出不同特性，越利分離信號和噪聲。但與此同時，隨著尺度的增大，信號重構(gòu)時失真程度也越大，影響了信號去噪的性能［10］。因此，在選擇分解尺度的時，要特別注意處理好兩者之間的關(guān)系。3小波閾值函數(shù)Donoho提出了兩種閾值函數(shù)：軟閾值和硬閾值函數(shù)，這兩種函數(shù)在信號去噪中得到了廣泛的應用［11］。1）硬閾值函數(shù)硬閾值函數(shù)是將小波系數(shù)的絕對值小于或等于閾值作噪聲置零處理，而保留小波系數(shù)絕對值大?

2020年第10期計算機與數(shù)字工程CHB-MIT頭皮腦電數(shù)據(jù)庫，采樣頻率256Hz分辨率為16位。本文選用了chb04.edf文件，采樣頻率256Hz，本文選擇癲癇信號發(fā)生的片段中的1s做仿真，取采樣數(shù)為256，用db4小波基函數(shù)對信號進行4層小波分解，閾值取固定閾值，在不同的分解層次取λj=σ2log(length(dj))∕log(j+1)，其中j為第j層分解層，符合噪聲所對應高頻小波系數(shù)隨分解層數(shù)增大而減小的特征。對癲癇數(shù)據(jù)分別進行軟硬閾值以及改進閾值去噪處理。圖3原始信號圖像圖4硬閾值去噪圖像圖5軟閾值去噪圖像圖6k=0.2改進閾值去噪圖像圖7k=0.4改進閾值去噪圖像圖8k=0.6改進閾值去噪圖像表1閾值函數(shù)去噪?yún)?shù)評價指標硬閾值軟閾值k=0.2k=0.4k=0.6信噪比19.35717.32221.23222.37823.468均方根誤差4.3095.4483.4733.0442.685通過觀察Matlab實驗仿真圖，我們從圖中可以明顯看出，經(jīng)過本文所構(gòu)造的閾值函數(shù)去噪處理后的信號，比常規(guī)閾值函數(shù)方法所處理的癲癇信號更為接近原始信號，更加能反映原始信號的特征信息。為了更加準確地評價去噪性能，通過計算比較去噪后癲癇信號的信噪比以及均方根誤差。通過分析比較表1當中的數(shù)據(jù)，隨著k值的增大，本文的閾值函數(shù)去躁后的信噪比更大，均方根誤差更小，相較于軟、硬閾值函數(shù)的信噪比至少提高9%，而均方根誤差至少降低了19%和4%。因此本閾值函數(shù)擁有比軟、硬閾值函數(shù)更好的去噪效果，適合用于處理癲癇信號。8結(jié)語本文主要介紹了小波閾值去噪方法的根本原理及基礎(chǔ)步驟，選擇合適的小波基函數(shù)、小波分解層數(shù)和閾值估計規(guī)則的選齲然后分?

【參考文獻】：
期刊論文
[1]基于小波閾值的激光探測聲音信號去噪研究[J]. 王行芳,金施群,侯少陽.  大氣與環(huán)境光學學報. 2018(05)
[2]基于小波閾值法的激光雷達回波信號去噪研究[J]. 王濤,沈永輝,姚建銓.  激光技術(shù). 2019(01)
[3]基于改進小波閾值函數(shù)的醫(yī)學CT圖像降噪[J]. 張元龍,楊鵬.  計算機與數(shù)字工程. 2017(11)
[4]基于新閾值函數(shù)的小波閾值去噪算法[J]. 王世禮,楊彪.  傳感器與微系統(tǒng). 2017(10)
[5]基于參數(shù)閾值函數(shù)的小波閾值語音去噪[J]. 張寶,魏連鑫.  信息技術(shù). 2017(08)
[6]基于新閾值函數(shù)的小波去噪算法[J]. 張兢,李冠迪,史文進,曾建梅.  微型機與應用. 2016(17)
[7]一種基于改進閾值函數(shù)的小波閾值降噪算法[J]. 倪培峰,胡雄.  電子技術(shù)應用. 2016(08)
[8]基于改進閾值函數(shù)的小波閾值去噪算法[J]. 朱偉華,安偉,尤麗華,吳靜靜.  計算機系統(tǒng)應用. 2016(06)
[9]基于小波閾值去噪法閾值函數(shù)的研究[J]. 劉夢姣.  裝備制造技術(shù). 2016(02)
[10]基于改進小波閾值算法的信號去噪[J]. 陳莉明.  激光雜志. 2015(03)



本文編號：3029059