前言：中文期刊網精心挑選了濾波器去噪原理和基本方法范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
濾波器去噪原理和基本方法范文1
關鍵詞：小波分析；小波去噪；非平穩信號；matlab仿真 小波分析是當前應用數學和工程學科中一個迅速發展的新領域，經過近10年的探索研究，重要的數學形式化體系已經建立，理論基礎更加扎實。傳統的信號分析是建立在Fourier變換的基礎之上的。雖然Fourier變換能夠分別從信號的時域和頻域進行觀察分析，但卻不能把二者有機地結合起來，其Fourier譜是信號的統計特性，是整個時間域內的積分，沒有局部化分析信號的能力，不具備時域信息。因此，Fourier分析使用的是一種全局的變換，要么完全在時域，要么完全在頻域，因此無法表述信號的時頻局域性質，而這種性質恰恰是非平穩信號最根本和最關鍵的性質。
小波分析屬于時頻分析的一種，是一種信號的時間――尺度、時間――頻率的分析方法，它繼承和發展了Fourier分析理論。它具有多分辨率分析的特點，而且在時頻兩域都具有表征信號局部特征的能力，是一種窗口大小固定不變但形狀可改變，且時間窗和頻率窗都可改變的時頻局部化分析方法。
小波分析在時域、頻域同時具有良好的局部化性質，能較好地解決突變信號與非平穩信號的問題。它在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，很適合于探測正常信號中夾帶的瞬態反?，F象并展示其成分，所以被譽為分析信號的“顯微鏡”。
一、小波分析原理及其數學描述
小波分析是一種窗口大?。创翱诿娣e）固定但其形狀可改變，時問和率窗都可改變的時頻局部化分析方法。即在低頻部分具有較高的頻率分辨率較低的時間分辨率，即在高頻部分具有較高的時間分辨率和較低的頻率分辨使小波變換具有對信號的自適應性。
二、小波去噪原理
小波消噪（濾波）方法有模極大值方法，尺度空間濾波、閾值法等。利用信號和噪聲在小波變換尺度空間表現出的不同特征：信號小波變換的系數隨尺度的增大而增大，而白噪聲、尖脈沖的幅值、方差、模極大值的稠密度隨尺度的增大而減小，因此對于含噪聲的信號進行小波分解，重構可以對信號濾波。
這里主要介紹閾值濾波的方法。
首先，對信號進行多尺度一維小波分解，如圖1用信號S的三尺度分解進一步說明多分辨分析。從圖中可以明顯看出，多分辨分析只是對低頻部分進行進一步分解，而高頻部分則不予以考慮，分解具有關系：S=A3+D3+D2+D1，A為信號低頻部分，D為信號高頻部分。然后，可以以門限閾值等形式對小波系數進行處理。最后，對信號進行重構即可以達到消噪的目的。
三 、小波去噪的研究
噪聲通常被認為是有害信號，一般情況下應被抑制，然而，噪聲中也可能包含許多有用信息，如機電一體化設備運行中所產生的噪聲，就在一定程度上包含了反映其工作情況，狀態信息或參數等內容，因為這些設備在運行時，其中力、速度、加速度的變化以及振動的振幅、頻率等信息都會以噪聲的形式表現出來。如果能采集、記錄到這樣的噪聲信號并對其進行必要的處理，就能從中提取到機電設備的工作情況、狀態參數等重要信息，還能以此作為我們對其進行監控的手段之一。利用噪聲信號中的有用信息進行機電設備的故障診斷或狀態監控，關鍵之處就是要對它進行合適的處理，因為在生產現場所采集到的噪聲信號非常繁雜且數據量很大，這其中有不少是無用數據，若不進行處理的話，很難獲得我們想要的信息。在實際的工程應用中，所分析的信號可能包含許多尖峰或突變部分，并且噪聲也不是平衡的白噪聲，對這種信號進行分析，首先需要作信號的預處理，將信號的噪聲部分去除，提取有用信號。對這種信號的消噪小波分析由于能同時在時、頻域中對信號進行分析，所以它能有效地區分信號中的突變部分和噪聲，從而實現信號的消噪。
1、小波分析用于降噪的過程
小波分析用于降噪的過程，可細分為如下幾段。
1）分析過程：選定一種小波，對信號進行N層小波（小波包）分解；
2）作用閾值過程：對分解得到的各層系數選擇一個閾值，并對細節系數作用軟閾值處理；
3）重建過程：降處理后的系數通過小波（小波包）重建恢復原始信號。
這個過程基于下如基本假設，即攜帶信息的原始信號在頻域或小波域的能量相對集中，表現為能量密集區域的信號分析系數的絕對值比較大，而噪聲信號的能量譜相對分散，所以其系數的絕對值小，這樣我們就可以通過作用閾值的方法過濾掉絕對值小于一定閾值的小波系數，從而達到降噪的效果。
2、用小波分析對非平穩信號消除噪聲
在一個方波信號上加入一個高斯白噪聲，再將其分別用小波分析和傅里葉變換進行信號噪聲消除。
1）小波基的選擇：
作為小波的函數，它一定要滿足容許條件，在時域一定要是有限支撐的，同時，也希望在頻域也是有限支撐的，但若時域越窄，其頻域必然是越寬，反之亦然。在時域和頻域的有限支撐方面往往只能取一個折中。此外，希望由母小波形成的是兩兩正交的；進一步希望有高階的消失矩，希望與相關的濾波器具有線性相位等等。這里選擇的是sym小波，又稱為正交小波，它是雙正交小波，并是緊支撐的，且接近對稱（故所用的濾波器可接近于線性相位）。
2）小波多尺度分解各子帶系數的特點及噪聲影響
對圖像的小波變換覆蓋了圖像頻帶90%的小波系數集中在21、22、23它們包含了大部分圖像信息，所以可以只考慮這三個尺度的信息，而尺度2j> 23的信息保留在圖像的低頻分量中。隨著層數的增加，小波系數的范圍越來越大，說明較低層的小波系數具有更重要的地位。分辨率最低時，該子帶小波系數的范圍比別的子帶小波系數范圍寬，值和方差都比別的要大，說明這些小波系數同樣具有重要地位。
在各個子帶做特征提取之前，應首先考慮圖像中噪聲對子帶系數的影響。根據Donoho的理論對含噪圖像連續做幾次小波分解之后，由空間分布不均勻的干凈圖像所對應的各尺度上小波系數在某些特定的位置有較大的值，這些點對應干凈圖像的畸變位置和重要信息，而其它大部分位置的值較?。粚τ诎自肼暥?，它對應的小波系數在每一尺度上的分布是均勻的，并隨著尺度的增加，系數的幅值有所減小。可以看出，噪聲的影響主要集中在最高頻子帶中。因此考慮消噪問題時，可根據噪聲小波分解的系數的特點找一個合適閾值λ，把低于λ的小波系數視為主要由噪聲引起的設為0，而高于λ的予以保留，對最高頻子帶可提高閾值以減少噪聲影響。
結語
本文基于小波分析在時域、頻域同時具有良好的局部化性質，提出了應用小波分析方法對含噪聲速變信號進行信噪分離處理，以及對速變數據突變點進行特征提取。小波分析有傅立葉分析不可比擬的優點?？梢娦〔ǚ治龇椒▽︼w行器遙測參數的數據處理及分析是非常有意義的一種方法。
[參考文獻]
[1]胡廣書，現代信號處理教程，清華大學出版社，2004.
[2]徐長發、李國寬，實用小波方法，華中科技大學出版社，2001.
[3]董長虹，Mablab小波分析工具箱原理與應用，國防工業出版社，2004.
[4]小波分析理論與MATLAB實現，電子工業出版社，2005.
濾波器去噪原理和基本方法范文2
關鍵詞： 語音存儲與回放； ADPCM； 短時傅里葉變換； FPGA控制
中圖分類號： TN911.7?34 文獻標識碼： A 文章編號： 1004?373X（2013）13?0049?04
Digital voice storage and replay system based on ADPCM
LI Tao1，2， ZENG Pan1，2， XIAO Gong?hai1
（1. Shanghai Institute of Technical Physics， Chinese Academy of Sciences， Shanghai 200083， China；
2. University of Chinese Academy of Sciences， Beijing 100039， China）
Abstract ： With singlechip and FPGA as the cybernetics core， the system realizes voice storage and reply system. It can collect and simulate voice signals and stereo signals from earphone and lift utilization rate of memory by the use of ADPCM， which means the voice can be stored for more than 2 minutes. Based on the short?time Fourier transform principle， it can also achieve spectral analysis of voice signals and real?time display. Through using the stereo audio amplifier， each sound track can be adjusted and muted. Furthermore， some measures as pre?emphasis， de?emphasis and anti?aliasing filtering are used in this system to increase SNR efficiently and get good quality of the recorded voice for a longer time.
Keywords： voice storage and replay； ADPCM； short?time Fourier transform； FPGA control
0 引 言
由單片機與FPGA共同完成語音的錄制與回放，可以擁有豐富的接口資源和運算能力，鑒于PCM的存儲冗余值過大和DPCM的量化噪聲問題，ADPCM成為了不錯的壓縮算法[1?2]。同時為了擁有較高的共模抑制比、低失真、高功率和高輸入阻抗，本文采用儀表放大器、立體聲功率放大和控制芯片，結合ADPCM編碼，設計并實現了具有采集速度快、存儲時間長、語音回放質量良好的數字語音存儲與回放系統。
1 系統設計框圖
系統主要包括采集、處理與語音回放模塊三個部分。對于采集模塊，一般由麥克風或者耳機輸入的語音通過前置放大和低通濾波等預處理之后，完成A/D轉化。對于語音處理模塊來說，進行ADPCM的編碼以及FFT運算，可將數字化的語音存儲于外部介質。對于回放模塊來說，可提取存儲的語音內容，并且通過解碼、D/A轉換，最后驅動揚聲器來完成回放功能。系統整體框圖如圖1所示[3?4]。
圖1 系統整體框圖
其中的立體聲ADC和立體聲DAC組成部分都集成在芯片PCM3010內部。通過立體聲音量控制芯片PGA3010實現立體聲音量的調節，最后由功率放大器驅動揚聲器完成語音播放功能。同時，通過在FPGA內部對采樣數據進行短時傅里葉變換，可在示波器上實時顯示語音信號的頻譜。
2 理論分析計算[5?7]
2.1 ADPCM編碼的理論分析
ADPCM的原理是對相鄰兩采樣值的差值進行編碼，利用自適應的思想改變量化階的大小。ADPCM編碼法結合了DCM與ADM，其實是差分算法原理的自適應方向改進。對于輸入的信號[Si]與自適應輸出值[Sp]存在差值，根據自適應量化步長[d]對此差值進行量化，輸出ADPCM四位量化碼I。對于量化碼I又重新計算量化步長[d]。其原理圖如圖2所示。
另外一方面對于量化碼I，又要送入反量化器，根據計算的步長[d]進行差別斷定，生成新的解碼值，進行下一輪的語音編碼。其原理圖如圖3所示。
圖2 ADPCM編碼原理圖
圖3 ADPCM解碼原理圖
通過ADPCM的編碼，可以達到1/6的壓縮比率。也就是說，對于24 b的采樣數據，4 b的存儲率即可達成要求，可以大大延長存儲的時間。當采樣速率為46 kHz時，數據傳輸速率為184 Kb/s，由于外部存儲器BQ4015大小為512×8 Kb，故能夠存儲的最長時間為22 s。當采樣速率為8 kHz時，能夠存儲的最長時間為128 s。
2.2 信噪比計算
一般認為，通話的語音頻率一般不超過3.4 kHz，所以低通濾波器選取3.4 kHz作為其截至頻率，同時保證A/D采樣頻率高于8 kHz，根據奈奎斯特定律，即可滿足語音量化不損失。對于耳機聲道聲音，其頻率范圍為20 Hz～20 kHz，所以對于上述的濾波器以及A/D采樣頻率也能滿足其要求。根據如下信噪比（單位：dB）公式：
[SNR=10logσ2xσ2e=6.02B+4.77-20logxmaxσx]
式中[σ2x]，[σ2e]，[xmax]，[B]分別為輸入語音信號方差、噪聲信號方差、信號峰值、量化字長。
若假定語音信號服從拉普拉斯分布，則[xmax=4σx]。
所以可以計算出：
[SNR=6.02B-7.2]
表明量化器中每個比特字長對信噪比的貢獻大約為6 dB。選用24 b A/D轉換器PCM3010，理論上可以達到137 dB的信噪比。
2.3 預加重處理
為了提升語音質量，一般都會對采集的語音進行預加重處理。使得信號的高頻部分進行提升，同時信號更平坦。處理的時候一般在高頻段按照-6 dB/倍頻程跌落，在FPGA內部實現具有6 dB/倍頻程提升高頻特性的預加重數字濾波器。選取一階高通濾波器，其特性函數為：
[H（z）=1-uz-1]
式中[u]值取為0.94～0.97。當然，在信號處理之后，還需要通過去加重來還原原本的語音信號。
2.4 分幀加窗處理
為了能用傳統的方法對語音信號進行分析處理，需要對本來是時變語音信號進行加窗處理。假定語音信號在30 ms內是平穩的，則在30 ms范圍內對于語音信號分割加窗。若采樣速率為46 kHz，每幀信號由512個點組成，則一幀的時間長度為11.1 ms，滿足語音信號的短時平穩特性。
不同的窗函數對于信號會有不同的處理結果，為了選取更優的處理結果，于是對于矩形窗和漢明窗兩個最為典型的窗的特性進行比較，結果如圖4，圖5所示。
圖4 64點矩形窗幅頻特性
由圖4，圖5可知，矩形窗有不錯的平滑特性，但是在頻譜帶外會有一定的信號損失，會有泄漏現象。而漢明窗雖然平滑特性不好，但是其帶寬卻大于矩形窗，更適合語音信號處理。故在時域中對每幀信號添加漢明窗，再進行傅里葉變換，能更真實地分析其頻譜信息。
顯示頻譜時，由于示波器的分辨率有限，對512點的頻譜信息，采取每間隔8個點抽取1個點的方式，即得到64點的頻譜信息。由于顯示時只需顯示[0～fs2][（fs]為采樣速率）頻率段的信息，故最后在示波器上清晰地顯示32個點的頻譜。
圖5 64點漢明窗幅頻特性
3 單元模塊電路設計[8?10]
3.1 前級放大電路
一般來說，語音的輸入能量不大，為了完成A/D操作，就需要對輸入的信號進行放大。對于簡單的電路放大設計，選用最基本的AD620、INA129。對于調制電阻[RG]，通過增益計算公式[G=49.4 kΩ/RG+1]可以計算得到， [RG]使用50 kΩ可調電位器來達到2.5倍的增益放大，電路設計圖如圖6，圖7所示。
圖6 語音信號放大電路圖
圖7 耳機聲道信號放大電路圖
3.2 A/D及D/A設計電路
PCM3010為24 b立體聲音頻編碼器，其內部包含[Σ?Δ]型ADC和DAC。其中立體聲ADC輸入信號峰峰值為3 V，內置抗混疊濾波器和高通濾波器，采樣速率為16～96 kHz可調，立體聲DAC輸出信號峰峰值為3 V，內置去加重濾波器，轉換速率為16～192 kHz可調。DAC輸出信號接后置低通濾波器，可實現較好的波形輸出。
該芯片將ADC、DAC集成一體，極大地簡化了硬件電路規模，并且價格便宜，具有極高的性價比。這里在某些數據線與控制線上串接了一個小電阻，以降低信號上下邊沿的跳變速率。其電路圖如圖8所示。
圖8 A/D采樣及D/A輸出電路圖
3.3 音量控制及功放電路
音量調節選用高性能立體聲音頻音量控制芯片PGA2310實現。通過數字方法控制模擬音量，每聲道音量單獨可調，并具有靜噪功能。它具有極寬的增益衰減范圍，-95.5～31.5 dB以0.5 dB步進可調，失真度僅為0.000 4%。其輸出兩路信號送入高效D類音頻功率放大器TPA2000D4，+5 V供電驅動4 Ω負載時功率可達2 W。其靜態功耗低，外接電路簡單，無需外接LC輸出濾波器，即可直接驅動揚聲器。電路圖如圖9所示。
4 程序設計
系統軟件部分由單片機的C51語言和FPGA的VerilogHDL語言組成。其中，單片機主要完成用戶輸入輸出處理和系統的控制，FPGA主要完成需要嚴格時序控制（如數據采集、頻譜顯示）以及大規模數據計算（如FFT、ADPCM編碼）等。整個系統的設計中模塊化思想貫穿始終，采用菜單鍵選擇所用功能，系統流程圖如圖10所示。
5 測試方案與測量結果
5.1 測試儀器
測試儀器包括直流穩壓穩流電源，型號為SG1733SB3A；60M數字存儲示波器，型號為Tektronix TDS1002；秒表。
圖10 程序流程圖
5.2 測試方案與測試結果
5.2.1 語音存儲與回放效果測試
（1）一名組員面對麥克風以不同大小的聲音說話，錄下一段語音，記錄回放語音的效果，結果見表1。
表1 麥克風輸入語音回放效果測試
[次數＼&音量＼&語音質量＼&1＼&?。?較好＼&2＼&中＼&好＼&3＼&大＼&好＼&4＼&無＼&無聲音＼&]
（2）由耳機輸入不同音量的立體聲音樂，錄下一段語音，記錄回放語音的效果，結果見表2。
5.2.2 語音存儲時間測試
（1）由耳機不間斷地輸入立體聲音樂，啟用錄音模式，待系統顯示存儲器存滿后，回放語音，用秒表記錄語音回放最長時間，結果見表3。
表2 麥克風輸入語音回放效果測試
[次數＼&音量＼&語音質量＼&1＼&?。?較好＼&2＼&中＼&好＼&3＼&大＼&好＼&4＼&無＼&無聲音＼&]
表3 耳機輸入語音存儲時間測試
[次數＼&1＼&2＼&3＼&4＼&5＼&語音存儲時間 /s＼&123＼&123＼&123＼&124＼&124＼&]
（2）一名組員面對麥克風不間斷地說話，啟用錄音模式，待系統顯示存儲器存滿后，回放語音，用秒表記錄語音回放最長時間，結果見表4。
表4 麥克風輸入語音存儲時間測試
[次數＼&1＼&2＼&3＼&4＼&5＼&語音存儲時間 /s＼&8＼&8＼&9＼&8＼&9＼&]
5.2.3 語音頻譜分析及顯示測試
由耳機或麥克風輸入一段語音信號，由揚聲器直接播放出來，同時在示波器上實時顯示頻譜。測試結果為當播放的聲音變化時，可觀察到頻譜有相應的明顯變化。
由于不能明確知道語音信號的實時頻率和幅度信息，故只對頻譜進行了定性測試。
5.3 測試結果分析及總結
系統實現了語音存儲及回放，最長存儲時間達2 min，回放語音效果清晰良好，并能在示波器上實時顯示語音頻譜。采用ADPCM編碼在保證回放音質的情況下，極大地提高了存儲器的利用率，并通過對語音信號采用分幀加窗的方法實現了短時頻譜分析。
另外，系統采取了一系列抗干擾措施以減小噪聲，如數字地與模擬地分開走線，在一點匯合；電源處采用一個10 μF和0.1 μF的電容并聯去耦；時鐘走線盡量短等。但系統在語音回放時仍存在一定的噪聲，尤其當輸入語音音量較小時，噪聲更為明顯，這是本系統需要完善的地方。
參考文獻
[1] 韓紀慶.語音信號處理[M].北京：清華大學出版社，2004.
[2] 陳永彬.語音信號處理[M].上海：上海交通大學出版社，2000.
[3] 黃根春.電子設計教程[M].北京：電子工業出版社，2007.
[4] 曹志剛，錢亞生.現代通信原理[M].北京：清華大學出版社，2006.
[5] 林志鋒.ADPCM語音壓縮編解碼器的FPGA實現[J].電聲技術，2009，33（5）：70?76.
[6] 馮喜忠.數字化語音存儲于回放系統研究[J].濟源職業技術學院學報，2009，8（2）：16?19.
[7] 陳溯.ADPCM語音壓縮編碼的分析與仿真[J].中國西部科技，2008，7（32）：45?47.
[8] 董尚斌，代永紅.電子線路[M].北京：清華大學出版社，2006.
[9] LOIZOU P. COLEA： A Matlab software tool for speech analysis [D]. Dallas： University of Arkansas， 1998.
濾波器去噪原理和基本方法范文3
關鍵詞 眼電信號 小波去噪 模糊c均值聚類
中圖分類號：TP391.41 文獻標識碼：A
0 引言
眾所周知，疲勞是人的一個自然的生理現象，它的產生與一個人的勞動強度、工作環境、本身的健康和情緒等等有關，是人體的一種自我調節和保護功能。當疲勞被人們感覺時就意味著此刻需要好好休息一下。但是隨著現在經濟的高速發展與生活節奏的加快，許多工作人員因為種種原因，都是頂著疲勞繼續工作，這樣就使得人體產生的疲勞成為一些事故的根本導火索。本文要探索的是與人疲勞有關的眼電信號，通過對人體眼電信號的研究，來找出人的疲勞度量，預防人因為過度疲勞工作而導致事故的發生。
現有的科學研究發現，人體內蘊藏著大量豐富的生物電信號，本文研究的眼電信號便是其中之一。隨著科學技術的發展，現在已經可以通過一些設備采集眼電信號，進行分析研究，破譯它所蘊含的心理信息。然后通過眼電信號反映出來的信息對工作人員的工作疲勞程度進一步的分析，以此判斷工作人員此時是否適合繼續進行工作，為人們提供更安全的工作環境。同時，眼電信號還有著廣闊的發展前景，隨著深入的研究，可以利用這些眼電信號來對人的生活、工作、醫療等許多方面進行改善和提高。
本文通過實驗方法采集了執行過程控制任務的操作員的眼電信號，通過小波分析方法去除其中的高頻干擾信號，然后采用模糊c均值聚類檢測眼電波形的眨眼峰值點，從而計算出操作員的眨眼率。本文的研究成果將有利于后續對眼電信號和疲勞的分析，可利用眨眼率分析操作員的疲勞程度。
1 方法
1.1 眼電分析方法
傳統的人眼分析方法：主要有模板匹配法、灰度投影法、先驗知識法、邊緣檢測法，神經網絡、支持向量機、馬爾可夫模型和模糊推理模型，眼電圖EOC。①
新型的人眼分析方法：（1）基于代價敏感支持向量機的人眼檢測方法：②該方法利用Gabor濾波器來提取人眼特征向量，使其特征值維數提高，再利用PCA進行降維處理，將拒識代價和誤分類代價集成到支持向量機設計中，使得分類器擁有最小平均代價，然后設計支持向量機對提取的特征進行多次訓練，從而實現人眼檢測。（2）小波包變換理論：③小波包變換（Wavelet Packet Transform）方法是在小波變換（使信號分解成低頻近似部分和高頻細節部分）的基礎上，在借助于小波分解濾波器，對各個尺度上對低、高頻子帶均進行二次分解。解決了小波變換不對高頻部分進行分解，從而導致高頻部分頻率局部性不好的問題，對信號有著更強大的分析能力。（3）微機分析系統：④微機分析系統是一個多功能的分析軟件系統，它能接收記錄儀傳送的眼電信號試驗數據作為原始數據存盤.之后便能對眼電波形進行復雜的處理和分析，給出分析診斷報告，從而提高分析的水平。（4）MPl50系統：⑤ MPl50系統是一個功能十分強大的基于計算機的數據采集系統，它適用性寬廣，可以和任何一臺具有Ethemet以太網口的計算機通信。它可以實現眼電EOG信號的采集與分析，并能控制數據采集的過程，完成實時的數據計算，并可以用多種文件格式保存采集的數據。
本文首先利用小波變換對采集的眼電信號進行去噪，然后采用模糊c均值聚類方法檢測眨眼峰值點。
1.2 小波去噪
小波變換作為一種新興的數學處理方法，是結合了泛函數、Fourier分析、調和分析和數值分析的最完美的結合。小波變換在數學界被稱作“數學顯微鏡”，具有良好的時頻局部化特性，能有效的從信號中提取相關的信息，通過伸縮和平移等運算功能對函數或信號進行多尺度細化分析。小波變換解決了Fourier變換不能解決的許多困難問題。
小波變換繼承和發展了傅立葉變換局部化的思想，同時又克服了窗口大小不隨頻率變化等缺點，能夠提供一個隨頻率改變的“時間-頻率”窗口，是進行信號時頻分析和處理的理想工具。它的主要特點是通過變換能夠充分突出問題某些方面的特征。
小波去噪基于小波變換原理，利用小波變換的多分辨率、去相關和選基靈活等特性進行信號的去噪。信號經過小波變換后，在不同的分辨率下呈現出不同的規律，通過設定每一尺度下的閾值門限，調整小波系數，就可以達到小波去噪的目的。
小波去噪的基本思路可以概括為：首先，利用小波變換把含噪信號分解成多尺度信號，本文采用db小波進行小波分解；然后，設置閾值，把每一尺度中屬于噪聲的小波系數去除，保留屬于信號的小波系數；最后，重構出小波去噪后的信號。小波去噪的關鍵是用什么準則來去除屬于噪聲的小波系數，增強屬于信號的部分。
小波去噪的方法有小波分解與重構法去噪、小波變換閾值去噪、平移不變量小波去噪、小波變換模極大值法去噪等一些方法。
1.3 模糊c均值聚類算法
模糊c-均值聚類算法（Fuzzy c-means Algorithm ，FCM），是用隸屬度確定每組數據所屬類別的一種聚類方法。該算法是1973年，由Bezdek在早期硬c均值聚類（HCM）方法的基礎上提出的一種改進算法。在多種模糊聚類算法中，模糊c均值算法的應用最為廣泛且較為成功。FCM方法通過優化目標函數得到每個樣本點對所有類中心的隸屬度，從而決定樣本點的類屬以達到自動對樣本數據進行分類的目的。
FCM算法可描述為：⑥設 = {，，…，}是維聚類樣本， = （，，…，）為中第個維特征向量。將該樣本集劃分為（2≤≤）個子集，聚類中心的集合為 = {，，…，}，模糊矩陣 = （），是第個樣本屬于第類的隸屬度，（>1）為模糊指數。
FCM的目標函數為：
（1）
其中，表示樣本點與第類的聚類中心的歐氏距離。
使目標函數最小的算法迭代過程如下：
（1）初始化參數。給定聚類類別數、初始聚類中心、模糊系數、迭代終止閾值；
（2）根據下述公式計算隸屬度矩陣；
（2）
（3）根據下式更新個聚類中心（1≤≤）；
（3）
（4）如果||||
圖1 眼電信號去噪前后對比圖
2 結果及討論
本文對眼電信號進行分析和處理的過程如下：
（1）小波去噪：采用db4小波將眼電信號進行3層小波分解，通過無偏估計方法估計各層小波系數的噪聲閾值，最后采用軟閾值的方法去除小波系數中的噪聲，從而達到去除眼電信號中的高頻干擾的目的。圖1為一小段眼電信號去噪前后對比圖。
圖2 眼電峰值點圖形（紅色星號為找到的眼電峰值點）
圖3 每分鐘眨眼率波形圖
（下轉第253頁）（上接第212頁）
（2）模糊c均值聚類：去噪后的信號計算其一階導數、二階導數，然后進行模糊c均值聚類，將眼電信號分為兩類：高值點類和低值點類。最后在高值點類中找到了眼電的眨眼峰值點。圖2為通過模糊c均值聚類找到的眨眼峰值點，從圖中可以看出，本文提出的方法正確的找到了眼電峰值所在位置。
（3）眨眼率計算：采用相同的方法對所有的眼電信號進行峰值檢測，并計算每分鐘的眨眼率。圖3為計算出來的每分鐘眨眼率波形圖。
3 總結
本文對操作員的眼電信號進行了分析，首先通過小波去噪方法去除了眼電信號中的高頻干擾，然后利用模糊c均值聚類方法檢測出了眼電波形中的眨眼峰值點，從而計算出操作員眨眼率。本文方法對眨眼峰值點的檢測非常準確，可以計算出正確的眨眼率信息，其成果可用于進一步的基于眨眼率的操作員疲勞分析，從而判斷操作員的疲勞度。
基金項目：上海高校青年教師培養資助計劃（ZZGJD12011）
*通訊作者：王嬈芬
注釋
①②徐歡，高雁鳳，鄭恩輝，等.一種用于駕駛員疲勞檢測的人眼檢測方法.計算機工程，2013.39（9）：254-257.
③ 高春芳，呂寶糧，馬家昕.一種用小波包變換提取眼電信號警覺度特征的方法.中國生物醫學工程學報，2012.31（5）：641-648.
④ 李忠誠，李智，趙崗金，等.眼電信號記錄及分析系統的研究.北京生物醫學工程，1999.3.
濾波器去噪原理和基本方法范文4
我國現役空間瞬態光輻射信號探測系統中，老型號較多，大部分沒有配備自動檢測和錄取設備。空間瞬態信號的錄取、數據的處理和上報大多由人工進行，難以勝任復雜環境下快速、準確錄取信號以及氣象情報入網的要求。為適應現代化氣象分析的要求，采用DSP＋CPLD的方式將極大地提高現有空間瞬態信號探測的自動錄取和分析能力。
在實時信號處理技術中，DSP＋CPLD方式是目前國際上比較通用的方法，如美國、俄羅斯等多采用這種方式。DSP是一種可編程的數字微處理器。與單片機相比，DSP芯片具有更適于數字信號處理的軟件和硬件資源，可用于復雜的數字信號處理算法。本文采用美國TI公司的TMS320C3X系列浮點DSP芯片TMS320C32作為整個系統的主機，利用其完成系統的控制和數字信號處理功能。
CPLD是一種多用途、高密度的復雜可編程邏輯器件，可將系統的部分或全部功能集成在一塊芯片上，并且具有設計方便靈活、易于修改等特點，可大大縮短研制時間，并減小系統硬件復雜度。本文采用美國ALTERA公司的MAX7000S系列CPLD芯片EPM7128SLC84，利用CPLD實現A／D變速率采樣及其它邏輯控制。
1 系統組成及基本原理
本探測系統主要解決了嵌入式系統線路板面積有限與實時數據處理需要大量存儲空間的矛盾，實現實時處理信號。
如圖1所示，空間瞬態光輻射信號實時探測系統主要由三大模塊組成：前級預處理電路模塊、A／D變速率采樣模塊、DSP信號識別及存儲模塊。
各模塊的主要功能為：
（1）前級預處理電路模塊，負責空間瞬態光輻射信號的光電轉換、背景扣除、動態范圍壓縮等任務；
（2）A／D變速率采樣模塊，負責觸發信號產生、上升速率初判、信號采集時序控制、A／D變速率采樣及FIFO緩沖存儲等任務；
（3）DSP信號識別及存儲模塊，負責對空間瞬態信號進行快速識別處理，反演計算出能量大小，報告事件發生時刻并存儲和傳輸數據；同時控制整個系統、并與PC機或其它系統傳輸數據發送。
2 前級預處理電路模塊
2．1光電轉換
由于空間瞬態光輻射信號速度快、動態范圍大，故對光輻射探測器要求較高。本文采用日本濱松公司的S2387－1010R硅光電二極管，它具備靈敏度高、動態范圍大、時間響應快和覆蓋范圍大等特性。
2．2 背景扣除
太陽光輻射能量比空間瞬態光輻射信號能量高幾個數量級。對于系統而言，由于太陽光的影響，目標信號十分微弱，大多掩埋在強噪聲之中。因此必須對強背景信號進行扣除處理，提取出有用目標事件瞬態信號。
在信號自動處理和分析技術中，強背景下弱信號的提取是一個難點。本文根據背景信號變化緩慢而目標信號變化快速的特點，采用高通濾波器對信號進行背景扣除。
高通濾波器在技術實現上可以采用數字電路，也可以采用模擬電路。為簡化電路、減輕后續處理電路壓力，本文采用電容、電阻等構建一個模擬高通濾波器進行背景扣除，其原理如圖2所示。
由圖2可知，濾波器的傳遞函數為：
H（s）＝R/[(1/sC)+R]＝sRC/(1+sRC)
選擇適當電阻、電容值即可實現對目標信號的背景扣除。
2．3 動態范圍壓縮
空間瞬態光輻射信號的動態范圍太大，如果直接對其進行A／D轉換，則A／D的量化分辨率至少要15bit，并且因bit數多而增加后級數字信號處理的數據量、降低系統的實時性。因此采用對數放大器對信號的動態范圍進行對數壓縮。采用12bit的A／D轉換器即可滿足要求，且減少了處理的數據量，提高了系統實時性。本文采用美國TI公司的TL441M對數放大器。它是由四級30dB對數放大器級聯成的單片高性能對數放大器芯片，可以得到120dB的輸入電壓動態范圍。
3 A／D變速率采樣模塊
3．1 閾值觸發
如圖3所示，經前級預處理后，目標信號進入閾值觸發電路中的電壓比較器。DSP設置閾值信號，鎖存后經D／A轉換輸出到電壓比較器，與輸入的目標信號進行比較：若目標信號超過閾值信號，則產生觸發信號并驅動時序控制電路及A／D轉換電路工作；否則不工作。
3．2 CPLD控制A／D變速率采樣
為了進一步減少信號處理的數據量，實現實時處理，本文采用了變速率采樣的方法解決線路板面積有限與數據處理需要大容量存儲空間的矛盾。
由空間瞬態光輻射信號特征可知，其初始值變化速度快，高頻分量所占比重較大；而后面信號變化速度逐漸減小，越靠后信號越接近緩變信號，低頻含量高。所以采用采樣間隔逐漸增大的方法實現變速率采樣。
如圖4所示，初始采樣頻率為f,每隔M個采樣點采樣頻率下降一半,一直到采樣結束。在電路實現中采用的方法是：A／D轉換器按照固定的轉換速率進行模擬量到數字量的轉換，而CPLD控制采樣數據的變速率接收并存儲至FIFO。
FIFO存儲數據由其寫使能控制信號WEN（低電平有效）決定：當WEN為低電平時，數據在每個寫時鐘信號WCLK的上升沿寫入FIFO；當WEN為高電平時，數據保持不變。因此，控制FIFO變速率接收數據即控制它的寫使能信號WEN為低電平的間隔變速率變化。如圖5所示，在CPLD中由寫時鐘信號WCLK每隔M點二分頻后、再調整占空比即可實現WEN的時序信號。
CPLD對FIFO變速率接收采樣數據的邏輯控制，用美國ALTERA公司的軟件MUX＋plus II可由三種方法實現：一是用計數器、分頻器等畫電路圖實現；二是用VHDL語言或AHDL語言編程實現；三是輸入時序波形文件實現。針對本系統而言，采取第二種方法較為簡便，用VHDL語言編程實現的算法流程圖如圖6所示。
本文中A／D轉換器采用美國AD公司的AD678，它是一個12bit的多用途A／D轉換器，內部包括采樣保持器、微處理器接口、基準電壓源和時鐘驅動電路，具有高可靠性和低功耗等特性。
3．3 由CPLD進行上升速率初判
目標信號幅度值從超過閾值起始點開始的一段時間內的上升速率是判斷其能量范圍的重要判據。因此電路中采用CPLD對A／D采樣的數據做初步判斷。當目標信號上升速率滿足設定要求時，產生上升速率觸發信號，并與其它結果做符合判定；否則丟棄當前數據，等待下一次探測數據。
3．4 FIFO存儲
FIFO（First In First Out）是一種先進先出的存儲器，即先讀入的數據先讀出。FIFO存儲器自身的訪問時間一般為幾十納秒。A／D轉換器等外設速度一般比DSP慢。如果采用FIFO，A／D可以先將數據送往FIFO，一旦FIFO滿，FIFO再向DSP申請中斷。這樣可以省去DSP等待與查詢的時間，而且中斷次數也可以減少，從而提高傳輸速度。
本系統中,FIFO作為緩沖存儲器給上升速率初判電路和DSP處理器提供數據，同時作為變速率采樣結果的暫存單元。本文采用美國IDT公司的IDT72XXX系列同步并行FIFO實現對數據的緩存。
4 DSP信號識別及存儲模塊
4．1 DSP處理及存儲
目標信號自動識別能量范圍和錄取的核心是DSP信號處理模塊。為了滿足實時處理的要求，硬件的選取應以盡可能少的占用系統時間資源為基礎。從這個基本原則出發，采用TMS320C32作為處理器。它是目前TI公司浮點DSP系列中性價比較高、在國內已得到廣泛應用的芯片。它的指令周期為33／40／50ns，具有豐富的硬件資源，如內部有512字節的RAM、串行口、分開的程序總線、數據總線和DMA總線等，并且外部存儲器寬度可變、有程序引導（Boot－load）功能。在軟件方面，它豐富的指令系統、靈活的程序控制、流水線操作和多樣的尋址方式等特點使其特別適合于數字信號處理。
DSP處理模塊主要由DSP、慢速EPROM、高速SRAM、絕對時鐘芯片RTC（Real－Time－Clock）及RS232串口組成，其運行機制如圖7所示。其中，選擇慢速EPROM主要是為了降低系統成本，本文采用美國ATMEL公司的AT27C010芯片。用于存儲程序和初始化數據。高速SRAM用于程序執行和數據的暫存，本文采用美國ISSI公司的IS61C6416芯片，它與慢速EPROM配合，既降低了系統成本，又能使程序快速運行，實現對信號的實時處理。
如圖7，一旦目標事件發生，輸入信號經A／D轉換后，數據緩存在FIFO中，以備DSP調用。DSP上電復位后，將存儲在慢速EPROM中的程序裝載到高速SRAM中運行，對暫存在FIFO中的目標信號數據進行能量范圍的識別和處理；然后從絕對時鐘芯片RTC取得目標事件發生的時刻值，和處理結果一起存儲在SRAM中；并將信號處理結果與發生時刻值從RS232串口輸出到PC機。
如圖8所示，系統工作流程是：空間瞬態光輻射信號經光輻射探測器轉換為電信號，經前級預處理電路放大、去噪并壓縮動態范圍；若信號超過閾值，則閾值觸發電路觸發A／D采樣后暫存在FIFO中，否則不觸發A／D；由上升速率初判電路初步檢測信號初始值的上升速率?熏當上升速率滿足設定要求時，產生上升速率觸發信號，否則丟棄當前數據；上升速率觸發信號產生后，DSP從FIFO中取得數據，對信號進行模式識別和處理，存儲處理結果并經接口電路傳送到PC機。
4．2 絕對時鐘芯片RTC
所謂絕對時鐘是指不僅支持每天時間的更新，而且支持日期（世紀、年、日、星期）更新的一種永久性時鐘電路。本文采用美國MOTORALA公司的DS12887時鐘芯片，它對年、月、日、時、分、秒、星期進行自動記錄，內含114字節的RAM單元和內置晶振電路，支持多種中斷方式，備用電池可供其工作10年，是目前計算機上的主流實時時鐘芯片。
4．3 RS232串口
由于RS232串口電平標準采用了負邏輯，與DSP的電平標準不兼容，所以采用RS232串口收發的數據需要進行電平轉換。本文采用美國MAXIM公司的MAX232芯片作為電平轉換器件，它僅需＋5V電源，電平轉換所需的±10V電源由片內電荷泵產生。
濾波器去噪原理和基本方法范文5
關鍵詞：圖像分割；邊緣檢測；算子
中圖分類號： 文獻標識碼：A 文章編號：1007-9599(2011)22-0000-02
Image Segmentation Stud and Achievement Based on Visual C + + Image Edge Detection
Lei Xun,Cheng Luyu,Zheng Tao,Wang Xidi
(Xinjiang Agricultural University of Computer and Information Engineering,Urumqi 830052,China)
Abstract:Recalling the definition of image segmentation and classification algorithms,introduces the emerging modern image segmentation techniques:transform based on wavelet analysis and neural network-based image segmentation.In visual C++ platform to achieve several edge detection simulation.
Keywords:Image segmentation;Edge detection;Operators
圖像分割是計算機視覺領域中最基本、也是最困難的問題之一，分割結果的好壞直接影響到后續工作的優劣。由于圖像的多樣性和復雜性，目前還沒有一種完全通用的分割方法可以實現對所有圖像的正確分割，因此圖像分割技術一直是圖像處理鄰域的研究熱點之一。
一、圖像分割算法介紹
（一）圖像閾值分割。對灰度圖像的閾值分割就是首先對圖像中的所有像素點根據灰度值來進行分級，之后通過算法來確定一個確定的閾值相比較，將大于以及小于閾值的灰度值對應的像素點進行分類，而后對兩類不同的像素點進行二值化?？梢钥闯?，閾值的確定是圖像閾值分割算法研究的重點。
（二）圖像邊緣檢測法。圖像的邊緣是指圖像局部區域亮度變化顯著的部分。該區域的灰度剖面一般可以看做一個階躍，即從一個灰度值的很小的緩沖區域內急劇變化到另一個灰度相差較大的灰度值。[1]邊緣檢測主要是圖像的灰度變化的度量，檢測和定位。邊緣檢測的基本思想：先利用邊緣增強算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強度”，通過設置閾值的方法提取邊緣點集。[2]
（三）區域提取法。區域提取法有兩種方法：區域生長法和區域分裂合并法。區域生長法是從某個像素出發，按照一定的準則，逐步合并鄰近像素形成所需的分割區域，當滿足一定的條件時，區域分割完畢；區域分裂合并法是從整個圖像出發，逐漸分裂切割得到各個子區域。在實際應用當中通常是這兩種基本方法的結合。兩種方法的關鍵都是如何選擇合適的相似準則。
（四）結合特定理論工具的分割算法?；谛〔ǚ治龊妥儞Q的分割方法：小波分析計算復雜度低，抗噪聲能力強，且容易與其它方法結合進行圖像分割。小波分析發展了傳統的傅立葉變換思想，對非平穩信號具有更好的分析能力。[3]基于小波分析的動態閾值分割方法，先由二進制小波變換將圖像的直方圖分解為不同層次的小波系數， 然后依據一定的分割準則和小波系數選擇閾值門限，利用閾值標出圖像分割的區域。把小波分析引入圖像分割，利用小波分析動態取得閾值，可以實現很好的分割效果。
基于神經網絡的分割方法：人工神經網絡，也稱為神經網絡(Neural Networks)，即從生物學神經系統的信號傳遞而抽象發展成的一種方法。是由大量模擬神經元的數學模型相互連接，模擬人腦處理信息的方式，通過學習可以進行并行分布處理的非線性網絡系統。在神經網絡的應用中，相當多的神經網絡模型都是采用BP神經網絡或者它的改進形式。
二、邊緣檢測的Visual C++實現
（一）原理和算法
邊緣是一定數量點灰度發生變化的地方，那么邊緣檢測大體上就是計算這個灰度變化帶的導數。對這種變化最有用得兩個特征是灰度的變化率和方向，分別以梯度向量的幅度和方向來表示它們。
基于灰度的一階導數可以得到了原始數據灰度的梯度，可以利用此數據搜尋圖像灰度峰值，基于灰度的二階導數實質上是灰度梯度的變化率。在理想的連續變化情況下，在二階導數中檢測過零點就是梯度中的局部最大值，峰值檢測就是邊線檢測，邊緣檢測算子檢查每個像素的鄰域并量化灰度變化率，也包括方向的確定。
1.Roberts邊緣檢測算子。Roberts邊緣檢測算子是2 X 2 算子模板，利用斜向上的4個像素交叉差分定義。因此該算子對45度和135度方向上的邊緣較為敏感。該模板數學表示為：g(x，y)=[ - ]2+ - ]2}1/2 ，其中f(x，y)是具有整數像素坐標的輸入圖像。
2.Prewitt邊緣算子
為了在邊緣檢測中減少噪聲的影響，1970年Prewitt提出Prewitt算子。Prewitt算子從加大邊緣檢測算子模板大小出發，由2X2擴大到3X3來計算差分算子，其水平方向和垂直方向上的算子模板為以下兩個：
. .
3.Sobel邊緣算子
Sobel算子從不同的方向檢測邊緣，距離不同的像素具有不同的權值，在邊緣點處達到極值的現象進行邊緣檢測。圖像中的每個點都用下面這兩個卷積核做卷積，一個核對通常的垂直邊緣響應最大，而另一個對水平邊緣響應最大。
一個是檢測水平邊沿的 .一個是檢測豎直平邊沿的 。
4.拉普拉斯算子是對二維函數進行運算的二階導數算子。通常使用的拉普拉斯邊緣檢測算子如下：
.
由于拉普拉斯算子是一個二階導數，所以它將在邊緣處產生一個陡峭的零交叉。而噪聲點對邊緣檢測有一定的影響，所以可以利用平滑濾波器進行平滑后再進行邊緣檢測效果會更好，譬如高斯拉普拉斯算子。
（二）仿真實驗與分析
本實驗采用的軟件環境為Windows XP，編程環境Visual C++6.0，對bmp文件進行格式分析后先將24位位圖轉換為256位圖，二值化后再利用邊緣檢測算子對圖片分別進行卷積運算。
實驗結果如下所示：
原圖
Robert算子 Prewitt算子
Sobel算子 拉普拉斯算子
Robert算子利用4個像素進行計算，邊緣定位準，對噪聲敏感，適于處理陡峭的低噪聲圖像。Prewitt 算子對噪聲有抑制作用，但Prewitt算子對圖像邊緣的定位不如Robert算子，與Prewitt算子相比，Sobel算子對于像素的位置的影響做了加權，因此效果更好。Laplacian 算子同樣對噪聲比較敏感，所以通常都是用Laplacian 算子和平滑算子結合生成的模板進行圖像分割處理。
結論語：
本實驗只是利用各種邊緣檢測算子對灰度圖像的分割進行了研究，但通常圖像信息中空間復雜性和相關性都比較強，每種方法也只局限于特定的分割對象。實際應用中往往是各種算法的綜合處理。各種算法雖然都可以不斷改進，但如果要從根本上提高圖像處理質量的話，未來需要成功加入高層的語義信息才能滿足社會更多的需求。
參考文獻：
[1]殷國軍,秦莉.圖像分割算法研究綜述[J].河北工程技術高等?？茖W校學報.2009,(02)
[2]黃鋒華,劉琪芳,冀金鳳.基于MATLAB數字圖像邊緣檢測算子的研究[J].機械工程與自動化,2011,(04)
[3]王彪,李建文,王鐘斐,基于小波分析的新閾值去噪方法,計算機工程與設計,2011,(03)
[作者簡介]
