吴雅静,马 珺

(太原理工大学新型传感器与智能控制教育部重点实验室,太原 030024)



基于提升小波与粒子群相结合的混沌信号降噪*

吴雅静,马 珺*

(太原理工大学新型传感器与智能控制教育部重点实验室,太原 030024)

提升小波变换用于混沌信号降噪具有良好的效果,阈值选取与混沌信号降噪后信号的畸变具有紧密联系。为了提高混沌信号中提升小波的自适应能力,降低降噪后信号的畸变率,提出了一种基于提升小波和粒子群相结合的混沌信号降噪方法。该方法在对提升小波变换后的细节部分进行阈值处理时,采用阈值自适应选择方法,并结合粒子群算法全局搜索最优阈值。通过对Colpitts模型进行仿真分析,与标准的软阈值降噪相比,能更好地对混沌信号降噪,并且降噪后信号失真度较小,具有很好的应用价值。

混沌信号;降噪;自适应阈值;提升小波;粒子群算法(PSO)

近年来,由确定性系统产生的混沌信号已经应用在通信、信号检测等很多领域[1-3]。在混沌信号的产生、传输过程中,不可避免地受到噪声干扰,噪声的存在掩盖了系统的内在动态特性,影响了混沌参数的计算[4-6]。因此,对实际采集到的信号进行降噪具有重要的意义。

混沌信号具有极强的“伪随机”性和“宽频”性,其频带与叠加的噪声频带往往全部或部分重叠,因此采用像高低频滤波器这样的传统线性滤波器对混沌信号降噪已经不再适用了[1,4,7]。小波分析是近些年发展起来的时频分析方法[1],由于它是从傅里叶分析的基础上发展而来的,在一定程度上受到傅里叶分析的限制。……