由于現(xiàn)實中的信號常受噪聲污染,因而需進行降噪增強處理,它是信號處理中的一個基本問題.信號去噪通常依賴于相關(guān)的先驗知識,這包括信號的先驗知識和噪聲的先驗知識.信號和噪聲通常在不同的變換域(如時域和頻域等)下表現(xiàn)出不同的性質(zhì),利用這些先驗知識和適當?shù)臄?shù)學模型,可以實現(xiàn)信號降噪處理.基于信號時域的光滑性與變換域的稀疏性,首先本文采用TV范和(?)1范分別刻畫時域光滑性與頻域稀疏性,并將其作為正則項引入到降噪模型中進行降噪求解,并利用復合proximity算子的分解特性給出有效的時頻域聯(lián)合降噪方法(Union Domain Denoising,UDDN).其次針對UDDN中(?)1范的削波效應,本文引入非凸罰firm來代替(?)1范刻畫信號在變換域中的稀疏性,并基于proximity對偶算法給出求解算法.實驗結(jié)果表明,與傳統(tǒng)的小波降噪方法相比聯(lián)合域能很好的利用信號的先驗知識獲得更好的降噪效果,而且由于非凸罰函數(shù)不但明顯消除了由于稀疏所帶來的削波效應,而且由于能進一步更強引入稀疏性,從而使算法的性能得到進一步提升。 

【文章來源】：哈爾濱師范大學黑龍江省

【文章頁數(shù)】：38 頁

【學位級別】：碩士

【部分圖文】：

圖３．１：聯(lián)合域自適應降噪（ＵＤＤＮ）與小波降噪（ＷＥＤＮ）的心音降噪．（８Ｌ）千凈心??音信號；（ｂ）含噪心音信號（ＳＮＲ?＝?０?ｄＢ）?；?（ｃ）?ＷＥＤＮ的降噪結(jié)果；（ｄ）?ＵＤＤＮ的??

采樣?Ｘｌ０４??圖３．１：聯(lián)合域自適應降噪（ＵＤＤＮ）與小波降噪（ＷＥＤＮ）的心音降噪．（８Ｌ）千凈心??音信號；（ｂ）含噪心音信號（ＳＮＲ?＝?０?ｄＢ）?；?（ｃ）?ＷＥＤＮ的降噪結(jié)果；（ｄ）?ＵＤＤＮ的??降噪結(jié)果??蘊含的有用信息，從而降低了心音信號的可用性，因此需要進行降噪處理．本實驗??分別采用ＵＤＤＮ算法與傳統(tǒng)的小波降噪（ＷＥＤＮ）兩種方法對心音信號進行降噪??處理網(wǎng)，并對實驗結(jié)果進行比較，以驗證ＵＤＤＮ算法的有效性．??圖（３．１）?（ａ）顯示了一段采集于安靜環(huán)境下、信號采樣頻率為２０００?Ｈｚ的心音??信號，并將其作為實驗中干凈的心音信號．為模擬含有心音信號，將白噪聲加入到??干凈的心音信號中，產(chǎn)生信噪比為０?ｄＢ的含噪心音，如圖（３．１）?（ｂ）所示．實驗分別??使用ＵＤＤＮ與ＷＥＤＮ兩種算法去含噪心音進行降噪處理，所得到的降噪信號分??別如圖（３．１）㈦和（ｄ）所示．降噪性能采用信噪比（ＳＮＲ）和均方根誤差（ＲＭＳＥ）來??度量，其分別定義為??ＳＮＲ?＝?１〇ｇ｜＾?（３＿３８）??ＲＭＳＥ＝?＾｜｜ｓ－ｓ｜｜２?（３－３９）??其中ｓ和Ｓ分別表示千凈心音信號和降噪后的心音信號，ＴＶ是信號的長度．ＳＮＲ的??值越高或ＲＭＳＥ的值越小

了比ＵＤＤＮ算法更好的降噪表現(xiàn)．??ＵＤＤＮ－ＰＤ、ＵＤＤＮ和小波變換ＷＥＤＮ算法在不同信噪比下的降噪性能表現(xiàn)??如圖４．２所示．ＵＤＤＮ－ＰＤ算法在各個噪聲水平（一１０？２０?ｄＢ）皆取得了最好的性??能表現(xiàn)．如前所述ＵＤＤＮ算法在低信噪比（ＳＮＲ?＜?５?ｄＢ）情況下具有優(yōu)于ＷＥＤＮ??算法的降噪性能，然而在高信噪比（ＳＮＲ?＞?５?ｄＢ）情況，其性能表現(xiàn)弱于小波降噪??ＷＥＤＮ算法．通過引入非凸正則函數(shù)Ｆｉｒｍ，?ＵＤＤＮ算法的這一不足被得以彌補，??這主要體現(xiàn)在變換域系數(shù)的稀疏正則上，即Ｆｉｒｍ函數(shù)能夠帶來更強的稀疏性且避??免了削波效應．??通過圖４．２還可看出時域光滑性正則與變換域（小波域）稀疏性正則在降噪問??題中的不同作用？在低信噪比（ＳＮＲ?＜?５?ｄＢ）情況下，待估信號時域光滑性是一種??起主導作用的先驗，因此ＵＤＤＮ－ＰＤ和ＵＤＤＮ算法能夠在低信噪比情況下取較好??性能表現(xiàn)的原因．傳統(tǒng)的小波變換方法ＷＥＤＮ并沒有考慮信號在時域的光滑性，??因而其在低信噪比環(huán)境下的性能較差？在高信噪比（ＳＮＲ?＞?５?ｄＢ）時信號在變換域??的稀疏性是一種主導性的先驗知識，ＵＤＤＮ算法中含有兩種先驗知識并通過各??自的正則參數(shù)進行了折中


本文編號：2917921