[发明专利]小波阈值去噪方法、装置、设备及介质

说明书

本公开提供一种小波阈值去噪方法，包括：获取待去噪信号及理想信号；初始化去噪参数，利用去噪参数对待去噪信号进行去噪，得到第一噪声信号；计算待去噪信号与理想信号之间的均方误差作为第一适应度；计算第一噪声信号与理想信号之间的均方误差作为第二适应度；比较第一适应度及第二适应度，若第二适应度小于第一适应度，更新去噪参数，利用更新后的去噪参数对待去噪信号进行去噪，得到第二噪声信号；计算第二噪声信号与理想信号之间的均方误差，作为第三适应度；比较第三适应度及第二适应度，若第三适应度小于第二适应度，更新去噪参数进行去噪及适应度计算，以此迭代，直至获得最小适应度；利用最小适应度对应的去噪参数对待去噪信号进行去噪。

技术领域

本公开涉及信号去噪技术领域，尤其涉及一种小波阈值去噪方法、装置、设备及介质。

背景技术

现有的小波去噪方法主要有三种：小波相关性去噪法、小波模极大值去噪法、小波阈值去噪法。小波相关性去噪法适用于高信噪比信号，计算量大且需要估计噪声方差。小波模极大值去噪法适用于高信噪比信号且其中含有较多奇异点的情况，重构时计算速度非常慢。小波阈值去噪法依据小波变换具有很强的去数据相关性，使信号能量集中在一些大的小波系数中而噪声能量由于分布在整个小波域所以小波系数较小，利用这一特点，采用阈值筛选的办法保留大的信号系数滤除小的噪声系数，从而达到去噪的目的。该方法适用于多种不同的噪声和信号的情况，噪声几乎完全得到消除且反映初始信号的特征尖峰点得到很好的保留，有着广泛的适应性。但该方法容易受小波基函数、分解重构层数、阈值估计准则、阈值函数形式和阈值缩放方式五个因素的共同影响，而去噪效果的好坏主要取决于这些参数选择的合适与否，所以如何选定这五个参数是小波阈值去噪法的关键。

针对上述问题，出现了许多改进的小波阈值去噪法，有的只对某一类特定信号进行大量研究尝试，然后比较去噪效果，总结出使用小波阈值去噪法处理该类信号和噪声时的参数选择经验，或有的只对某一个主要影响因素如阈值函数形式作出了优化改进，以提高阈值选择的自适应性，如基于遗传算法的小波阈值去噪法、基于粒子群优化的小波阈值去噪法及基于蜂群算法和带参数阈值函数的小波去噪法等。上述方法明显存在一定不足，如信号和噪声种类单一导致尝试得出的经验方法不具有普适性，优化参数单一造成去噪方法整体自适应程度仍有限等问题。

上述小波阈值去噪法的五个影响因素均有多种不同的参数选择类型，但对这些影响因素中的参数进行选择时尚无通用的规律可循，针对不同信号和噪声，通常需通过多次尝试才能确定相应的最佳参数。而现实中的实际信号和噪声多是变化的，为达到更好的去噪效果，需要对这些参数进行手动调节以适应不同特征的信号和噪声，从而限制了小波阈值去噪算法的自适应性，同时当参数类型较多时也无法保证手动尝试调节出的参数就是最佳的。

公开内容

基于此，本公开一方面提供一种小波阈值去噪方法，包括：获取待去噪信号及理想信号；初始化去噪参数，利用初始化的去噪参数对所述待去噪信号进行去噪，得到第一噪声信号；计算所述待去噪信号与所述理想信号之间的均方误差，作为第一适应度；计算所述第一噪声信号与所述理想信号之间的均方误差，作为第二适应度；比较所述第一适应度及所述第二适应度，若所述第二适应度小于第一适应度，更新去噪参数，利用更新后的去噪参数对所述待去噪信号进行去噪，得到第二噪声信号；计算所述第二噪声信号与所述理想信号之间的均方误差，作为第三适应度；比较所述第三适应度及所述第二适应度，若所述第三适应度小于第二适应度，继续更新去噪参数进行去噪及适应度计算，以此迭代，直至获得最小适应度；利用所述最小适应度对应的去噪参数对所述待去噪信号进行去噪。

根据本公开的实施例，其中，所述更新去噪参数包括：在全局搜索方式或局部搜索方式下分别更新所述去噪参数。

根据本公开的实施例，其中，所述去噪参数包括小波基函数、分解重构层数、阈值估计准则、阈值函数形式和阈值缩放方式；在全局搜索方式下，根据：