基于小波与小波包分析的微波降噪比较研究
作者： 胡本钧
来源：《科学与技术》 2019年第3期
摘要：为准确识别微波信号中的目标信号，本文将小波与小波包变换引入到微波目标信号处理，对微波信号进行分解、重构，去除信号中的噪声，并采用MATLAB 软件进行系统仿真，结果表明，，在噪信比较低时，两种方法的性能相近。在噪信比较高时，小波包降噪明显优于小波降噪。
关键词：小波包；小波；微波
引言
本文采用小波与小波包算法在多个尺度上对微波信号进行分解，对分解后的信号进行多分辨分析，对其中的高频分量进行阀值处理，对其中的低频部分依次提取其低频系数，从而尽量减少的目标信号与噪声在相应坐标系内的重叠，从而实现目标信号与噪声的分离，通过matlab 软件进行仿真试验，结果表明在噪信比较低时，两种方法的性能相近。在噪信比较高时，小波包降噪明显优于小波降噪。
3 原始信号的分解与重构
对于原始信号s，其已知长度为N，整个算法最多需要log2N步来完成。
首先，从信号s 进行小波分解，对其中的低频部分在原来尺度的1/2 尺度上在进行小波变换。
能产生两组参数，一组参数是通过作用于低通滤波器能得到一个近似信号，我们将低通滤波器定义为h0（-n），近似信号定义为cA1，另外一组参数是通过高通滤波器得到细节信号，高通滤波器我们定义为h1（-n），将细节信号定义为cD1，在这两个信号都是在尺度为2 时，滤波器对原始信号进行下采样，图1 为算法实现的分解流程图。
信号的重构是小波变换的逆运算，它们之间的差异在于，重建过程是先从尺度最低的细节系数cDj 和近似系数cAj 开始的，通过低频和高频作用，重构出滤波器（h0（n）和h1（n），从而恢复出上一尺度的近似信号cAj-1，然后不断重复上述过程，直到得到原始信号s.
图3 为算法实现的单步流程。
将信号分解和重构的过程组合起来就形成了镜像滤波器电路。
4.仿真结果分析
按照上面建立的模型系数对两组受污染的微波信号进行MATLAB 仿真。。
在微波信号噪信比较低和较高时，小波包消噪与小波消噪的仿真结果对比如图3 与4 所示：
图3 与图4 的仿真结果表明，在噪信比较低时，两种方法的性能相近。在噪信比较高时，小波包降噪明显优于小波降噪。
基于小波与小波包分析的微波降噪比较研究
