动态称量信号小波变换强制性阈值去噪方法

　　目前静态电子称量技术已趋成熟,而动态电子称量技术的发展则相对缓慢,这主要是由于动态测试过程中产生的信号形式、噪声干扰大小、方式均不相同造成的,因而动态称量对于动态测试系统技术的性能和动态测试数据的处理有着较高的要求.如何在信号处理过程中尽可能快地消除掉噪声得到所需要的实际有用信号是动态称量技术一项非常迫切的任务[1-2].

　　传统的动态称量信号处理都是基于傅立叶变换的低通滤波,信号处理结果的稳定时间较长,称量精度不高.离散小波变换阈值去噪法作为一种新的滤波方法优于传统的数字滤波方法,在进行滤波时可以达到很好的去噪效果[3-4].

　　目前离散小波变换阈值去噪法主要是用阈值进行小波分解系数的量化,最重要的环节就是如何选取阈值和如何进行阈值的量化.阈值的选取主要有4种规则[5],但是这4种规则存在去噪后仍保留较多的噪声或者产生不期望的震荡等问题.而强制性阈值去噪法在对一般采样信号处理中,把小波分解结构中的高频系数全部置为零,只重构最低层尺度系数[6-8].这种方法比较简单,重构后的信号也比较平滑,但容易丢失信号中的有用成分,通常很少采用.如何针对动态称量信号特点和处理要求,研究离散小波变换阈值去噪新方法,克服现有阈值去噪方法存在的问题和不足,是动态称量信号离散小波变换处理中必须解决的关键问题之一.

　　1　离散小波变换阈值去噪原理及方法

　　1. 1　离散小波变换阈值去噪原理

　　假设有如下观测信号:

　　对f(t)作离散小波变换,可得

　　式中j=0,1,…,J,k =0,1,…,N.wf(j,k),ws(j,k)和wn(j,k)分别是含噪信号f(t),原始信号s(t)和噪声n(t)在第j层上的小波系数;J为小波变换的最大分解层数;N为信号的长度.

　　小波阈值去噪法的主要理论依据为:属于Besov空间的信号在小波域内其能量主要集中在有限的几个系数中,而噪声的能量却分布于整个小波域内.于是可以找到一个合适的数作为阈值(门限),当wf(j,k)小于该阈值时,认为这时的wf(j,k)主要是由噪声引起的,可认为wf(j,k)≈wn(j,k),将其舍去;当wf(j,k)大于阈值时,小波系数主要是由信号引起的,可认为wf(j,k)≈ws(j,k).前者是将该部分小波系数按一个固定向量向零收缩;后者直接取wf(j,k) =ws(j,k).然后用处理后的小波系数wf(j,k)采用Mallat快速重构算法进行重构,得到去噪后的信号s(t),从而实现信噪分离[9].

　　1. 2　离散小波变换阈值去噪方法及效果

　　在MATLAB程序设计中,根据阈值选择规则,常用阈值去噪方法有:

　　(1)基于史坦无偏似然估计(二次方程)原理的自适应阈值选择法(Rigrsure),对一个给定的阈值A,得到它的似然估计,再将非似然A最小化,就得到了所选的阈值.