基于提升小波变换的信号降噪及其工程应用

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 234-237.

基于提升小波变换的信号降噪及其工程应用

孔国杰¹,张培林^1,2,曹建军¹,杨惠勇¹

1．军械工程学院，石家庄 050003
2．南京理工大学，南京 210094

收稿日期:2007-08-07 修回日期:2008-01-03 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 孔国杰

Signal denoising based on lifting wavelet transform and its application

KONG Guo-jie¹,ZHANG Pei-lin^1,2,CAO Jian-jun¹,YANG Hui-yong¹

1．Ordnance Engineering College，Shijiazhuang 050003，China
2．Nanjing University of Science and Technology，Nanjing 210094，China

Received:2007-08-07 Revised:2008-01-03 Online:2008-04-01 Published:2008-04-01
Contact: KONG Guo-jie

摘要/Abstract

摘要： 为了解决炮膛检测中的噪声抑制问题，在讨论提升小波变换基本原理及其特点的基础上，采用提升小波变换的方法构造小波，介绍了基于插值细分法的提升小波，讨论了其降噪原理。通过实验对比研究了不同类型的经典提升小波和插值细分小波的降噪效果以及小波支集与降噪效果之间的关系，为选择降噪小波提供了理论依据。将该结论应用于炮膛检测系统中身管内径测量信号的降噪处理，取得了满意的效果。

关键词: 降噪, 提升小波, 插值细分法, 炮膛检测

Abstract: The lifting wavelet transform is employed to construct wavelet to solve the problem of noise reduction in gun bore detection，according to the theory and characteristics of the lifting wavelet transform.A SGWT algorithm which employs interpolating subdivision is described，and then its principle of denoising is discussed.The denoising effect and the relationship between wavelet support and denoising result are investigated by experiment.The conclusion of this research work gives a reference to select wavelet for signal denoising. It is shown that better that denoising effect for gun barrel radius measuring signals in detecting system of gun bore are achieved by using the proposed method.

Key words: denoising, lifting wavelet, interpolating subdivision, gun bore detection

孔国杰¹,张培林^1,2,曹建军¹,杨惠勇¹. 基于提升小波变换的信号降噪及其工程应用[J]. 计算机工程与应用, 2008, 44(10): 234-237.

KONG Guo-jie¹,ZHANG Pei-lin^1,2,CAO Jian-jun¹,YANG Hui-yong¹. Signal denoising based on lifting wavelet transform and its application[J]. Computer Engineering and Applications, 2008, 44(10): 234-237.

[1]	安磊，韩忠华，林硕，尚文利. 面向网络入侵检测的GAN-SDAE-RF模型研究[J]. 计算机工程与应用, 2021, 57(21): 155-164.
[2]	陈虹，赵建智，肖成龙，陈建虎，肖越. 改进ADASYN-SDA的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(2): 97-105.
[3]	陈健，刘明，熊鹏，孟宪辉，杨林. 基于卷积自编码神经网络的心电信号降噪[J]. 计算机工程与应用, 2020, 56(16): 148-155.
[4]	彭燕，刘宇红，张荣芬. 基于LSTM的股票价格预测建模与分析[J]. 计算机工程与应用, 2019, 55(11): 209-212.
[5]	马红强，马时平，许悦雷，吕超，辛鹏，朱明明. 基于改进栈式稀疏去噪自编码器的图像去噪[J]. 计算机工程与应用, 2018, 54(4): 199-204.
[6]	王磊，孙玮，陈奕博，李鹏，赵凌霄. 基于自适应小波阈值的心电信号降噪方法[J]. 计算机工程与应用, 2018, 54(15): 29-33.
[7]	董婷1，赵俭辉1，胡勇2. 基于时空优化深度神经网络的AQI等级预测[J]. 计算机工程与应用, 2017, 53(21): 17-23.
[8]	宋丽君，蒋建虎. 小波阈值降噪中阈值函数族的一般构造方法[J]. 计算机工程与应用, 2017, 53(19): 236-240.
[9]	赵瑞娟1，2，官金安1，2，谢国栋1，2. 稀疏降噪自编码器在IR-BCI的应用研究[J]. 计算机工程与应用, 2017, 53(11): 167-171.
[10]	李衡1，赵毅强2，杨瑞霞1，何家骥2，李跃辉2，杨松2. 基于小波降噪数据预处理的硬件木马检测优化[J]. 计算机工程与应用, 2017, 53(1): 49-53.
[11]	陆建龙1，魏建勋2，黄辉先1，彭一芯1，方鑫1. 基于提升小波变换的在线谐波检测[J]. 计算机工程与应用, 2016, 52(14): 50-53.
[12]	钟孟春，张春林，李华，王宝琦. 改进的小波包能量分段阈值降噪方法[J]. 计算机工程与应用, 2015, 51(5): 204-207.
[13]	林志宏，李光，罗守华. 全变差最小化在CT图像环状伪影去除中的应用[J]. 计算机工程与应用, 2015, 51(21): 195-198.
[14]	包广清，常勇，杨国金. 基于EMD阈值方法的轴承故障振动信号去噪[J]. 计算机工程与应用, 2015, 51(10): 205-210.
[15]	刘新，葛洪伟，张妨妨. 基于像素点聚类分离的滤波算法[J]. 计算机工程与应用, 2014, 50(5): 195-198.