小波去噪(英文名wavelet domain denoising),属于
音频处理器。
近年来,小波理论得到了非常迅速的发展,而且由于其具备良好的时频特性,因而实际应用也非常广泛。在去噪领域中,小波理论也同样受到了许多学者的重视,他们应用小波进行去噪并获得了非常好的效果。
(2)
多分辨率,由于采用了多分辨率的方法,所以可以非常好地刻画信号的非平稳特征,如边缘、尖峰、断点等;
(3)
去相关性,因为
小波变换可以对信号进行去相关,且噪声在变换后有白化趋势,所以小波域比时域更利于去噪;
小波去噪方法包括三个基本的步骤:对含噪声信号进行小波变换;对变换得到的小波系数进行某种处理,以去除其中包含的噪声;对处理后的小波系数进行小波
逆变换,得到去噪后的信号。小波去噪方法的不同之处集中在第一步。
在数学上,小波去噪问题的本质是一个函数逼近问题,即如何在由小波
母函数伸缩和平移版本所展成的
函数空间中,根据提出的衡量准则,寻找对原信号的
最佳逼近,以完成原信号和噪声信号的区分。 也就是寻找从实际信号空间到
小波函数空间的最佳映射,以便得到原信号的最佳恢复。
从信号学的角度看,小波去噪是一个信号
滤波的问题,而且尽管在很大程度上小波去噪可以看成是
低通滤波,但是由于在去噪后还能成功地保留信号特征,所以在这一点上又优于传统的
低通滤波器。由此可见,小波去噪实际上是
特征提取和低通滤波功能的综合,其流程
框图如图1所示。
将信号映射到小波域,根据噪声和噪声的
小波系数在不同尺度上具有不同的性质和机理,对含噪信号的小波系数进行处理。