小波域上分形噪声的一种自适应Wiener滤波方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (22): 63-66.

小波域上分形噪声的一种自适应Wiener滤波方法

李强，江巨浪

安庆师范学院物理系，安徽　安庆 246011

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-08-01 发布日期:2007-08-01
通讯作者: 李强

1/f fractal noise attenuation using adaptive Wiener filter

LI Qiang，JIANG Ju-lang

Department of Physics，Anqing Teachers College，Anqing，Anhui 246011，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-08-01 Published:2007-08-01
Contact: LI Qiang

摘要/Abstract

摘要： 针对淹没在1/f分形噪声中的有用信号恢复问题，提出了一种基于小波变换与Wiener滤波的多尺度自适应滤波算法。首先将带有1/f分形噪声的信号分解成多尺度的子带信号，通过小波变换对1/f分形噪声的白化作用，消除了1/f分形噪声的自相似性和长程相关性。然后在小波域内，利用自适应Wiener滤波实现了噪声和有用信号的分离，估计出了各子带中的有用信号。最后进行小波重构，较好地恢复出淹没在1/f分形噪声中的有用信号。仿真实验表明，使用多尺度自适应Wiener滤波器能有效地抑制分形噪声，显著地提高信噪比。

关键词: Wiener滤波, 小波变换, 1/f分形噪声, 自相似性

Abstract: A multiscale adaptive Wiener filter based on wavelet is proposed for signal restoration embedded in 1/f fractal noise.First，the signal with 1/f fractal noise is transformed into multiscale subsystems in time-scale domain.Some nonstationary properties of fractal signals are attenuated in each subband by wavelet multiresolution decomposition so that the Wiener filter bank can be applied to estimate the multiscale input signals.Then the estimated multiscale input signals are synthesized to obtain the estimated signal.Some simulation examples are given for testing the performance of the proposed algorithm and output signal to noise ratio is improved evidently.

Key words: Wiener filter, wavelet transform, 1/f fractal noise, self-similar

李强，江巨浪. 小波域上分形噪声的一种自适应Wiener滤波方法[J]. 计算机工程与应用, 2007, 43(22): 63-66.

LI Qiang，JIANG Ju-lang. 1/f fractal noise attenuation using adaptive Wiener filter[J]. Computer Engineering and Applications, 2007, 43(22): 63-66.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[6]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[7]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[8]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[9]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[10]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[11]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[12]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[13]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[14]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[15]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.