邵鴻翔，高宏峰

(1.河南科技大學(xué)電子信息學(xué)院，河南洛陽471003;2.洛陽理工學(xué)院工程訓(xùn)練中心，河南洛陽471003)

1 引言

FBG傳感器具有不受電磁干擾、信號帶寬大、靈敏度高、易于復(fù)用、結(jié)構(gòu)緊密、適合高溫和耐腐蝕等優(yōu)點被廣泛應(yīng)用與光傳感和光通信領(lǐng)域［1－2］。FBG具有波長編碼特性，外界物理參量作用于FBG影響其中心波長漂移，因此解調(diào)出中心波長的漂移量是關(guān)鍵［3］。但是光譜在傳輸?shù)倪^程中易受到噪聲的干擾，因此解調(diào)的重點是消除噪聲的干擾。

1994年，Donoho等人在小波變換的基礎(chǔ)上提出了小波閾值去噪的概念，并證明了此方法能夠在最小均方差意義下達(dá)到最佳估計值［4－6］。傳統(tǒng)的小波閾值去噪方法是軟閾值處理和硬閾值處理，但是硬閾值函數(shù)不連續(xù)，在去噪過程中會出現(xiàn)附加震蕩;軟閾值函數(shù)不存在間斷點問題，但小波估計系數(shù)與小波系數(shù)之間存在恒定偏差［7－8］。學(xué)者對軟硬閾值函數(shù)進(jìn)行改進(jìn)，提出軟硬閾值折中法，但是折中法函數(shù)中調(diào)節(jié)因子有1處不連續(xù)，影響去噪性能;文獻(xiàn)［5］所提閾值函數(shù)連續(xù)，但是函數(shù)中存在不確定因子，其取值不同，效果也不同。

針對上述方法存在的不足，本文提出一種改進(jìn)閾和值閾值函數(shù)，在此基礎(chǔ)上，合理選取小波基和分解層數(shù)，對FBG含噪反射譜進(jìn)行處理。

2 小波閾值去噪

設(shè)一維觀測信號如式(1):

其中，s(t)為原始信號;n(t)為方差σ2的高斯白噪聲，服從(0，σ2)。

真實信號通常為低頻或者比較平穩(wěn)的信號，而噪聲則表現(xiàn)為高頻信號。小波變換的稀疏性及去相關(guān)性保證了真實信號的能量集中在有限的小波系數(shù)上，由信號產(chǎn)生的小波系數(shù)幅值較大，但其數(shù)目較小［9－10］;而噪聲的能量比較均勻的分布在所有的小波系數(shù)上，其對應(yīng)的小波系數(shù)幅值較小。因此通過在不同尺度上選取合適的閾值，并對小波系數(shù)進(jìn)行閾值量化處理，從而盡可能地去除噪聲［11］。

小波閾值去噪的過程為:

1)小波分解。選取合適的小波基和分解尺度對小波進(jìn)行j層分解。。

2)閾值處理。閾值處理包括閾值和閾值函數(shù)，閾值是分離噪聲與有用信號小波系數(shù)的門限值，然后對小波系數(shù)進(jìn)行量化，量化規(guī)則稱為閾值函數(shù)。

3)小波重構(gòu)。對量化之后的小波系數(shù)進(jìn)行重構(gòu)，得到重構(gòu)信號，既去噪后的信號。

小波閾值去噪原理如圖1所示。

圖1 小波閾值去噪流程

由小波去噪的過程可知，影響小波去噪新能的四個因素為:小波基、分解尺度、閾值和閾值函數(shù)，其中閾值和閾值函數(shù)是小波閾值去噪的重點［12］。

3 閾值及閾值函數(shù)選取

3.1 閾值的選取

閾值是小波閾值去噪的關(guān)鍵，閾值選取過大，會將一部分噪聲當(dāng)成有用信號，出現(xiàn)“過保留”現(xiàn)象;若閾值選取過小，會將一部分有用信號當(dāng)成噪聲濾除，出現(xiàn)“過扼殺”現(xiàn)象［13］。傳統(tǒng)的閾值為通用閾值，其表達(dá)式如式(2):

其中，σ為噪聲均方差;N為信號長度。通用閾值是根據(jù)D.L.Donoho給出的關(guān)于閾值估計風(fēng)險定理確定的閾值。由式(2)可知，信號一旦確定，閾值便為一定值。但是隨著分解層數(shù)的增大，噪聲的小波系數(shù)會減小，因此，在高層需要一個較小的閾值來處理小波系數(shù)?；诖?，本文提出一種改進(jìn)閾值如式(3)所示:

其中，j為分解層數(shù)，且0＜a＜1。此閾值考慮到噪聲及有用信息的小波系數(shù)隨著分解尺度的變化特點:隨著分解尺度的增加，噪聲產(chǎn)生的小波系數(shù)減小，閾值減小也適應(yīng)性地減小。

3.2 閾值函數(shù)

閾值函數(shù)是小波閾值去噪的量化準(zhǔn)則，硬閾值處理是將大于閾值的小波系數(shù)保持不變，但是硬閾值函數(shù)因不連續(xù)會在去噪過程中出現(xiàn)震蕩現(xiàn)象;軟閾值處理時將大于閾值的小波系數(shù)進(jìn)行收縮，但是軟閾值函數(shù)小波估計系數(shù)與小波系數(shù)之間存在恒定偏差。軟硬閾值表達(dá)式如式(4)、式(5)所示:

式(4)為硬閾值函數(shù)，式(5)為軟閾值函數(shù)。學(xué)者在此基礎(chǔ)上進(jìn)行改進(jìn)，比如折中法、文獻(xiàn)［5］閾值函數(shù)，但是這些閾值函數(shù)中存在不確定因子，不確定因子的取值不同，去噪效果也不同。本文根據(jù)上述方法存在的不足，提出了一種改進(jìn)閾值函數(shù)，如式(6)所示:

由式(6)可知，此閾值函數(shù)繼承了軟硬閾值函數(shù)的優(yōu)點。改進(jìn)閾值函數(shù)具有連續(xù)性:當(dāng)時;當(dāng) ωj，k→∞ 時。說明函數(shù)在λ連續(xù)，克服了硬閾值函數(shù)的不足;當(dāng)時，，說明函數(shù)是以為漸近線，克服了軟閾值函數(shù)的缺陷;函數(shù)中并沒有不確定因子，提高了去噪穩(wěn)定性;隨著分解尺度的增大，閾值函數(shù)也隨之改變，具有更好的自適應(yīng)性。

利用式(3)閾值和式(6)閾值函數(shù)進(jìn)行去噪。

4 仿真與實驗分析

4.1 獲得FBG光譜

實驗系統(tǒng)如圖2所示。

由圖2可知，實驗系統(tǒng)由寬帶光源、3 dB耦合器、FBG和光譜儀組成。寬帶光源發(fā)出的光經(jīng)耦合器在FBG處反射，光譜儀測得其反射譜。

圖2 實驗系統(tǒng)圖

FBG去噪性能指標(biāo)為信噪比(SNR)和均方差(MSE)。信噪比越大，均方差越小，說明去噪效果越好，式(7)、式(8)分別為信噪比和均方差表達(dá)式。

4.2 小波基和分解尺度的選取

4.2.1 小波基選取

閾值和閾值函數(shù)雖然是小波閾值去噪的核心，但是小波基和分解尺度也是影響去噪性能的因素，常用的小波基有Daubechies小波族和Symlets小波族，為了選取合適的小波基用于去噪，本文以信噪比的變化為基準(zhǔn)確定小波基，仿真條件:分解層數(shù)為6，閾值為通用閾值;閾值函數(shù)為折中法閾值函數(shù)。結(jié)果如圖3所示。

圖3 小波基隨信噪比變化

圖3為db小波系和sym小波系隨著性噪比的變化曲線。由圖3可知，sym小波族整體比db小波族的去噪效果好。且sym8小波基在同簇中信噪比能夠達(dá)到最大，因此我們選取sym8。

4.2.2 分解層數(shù)的選取

小波閾值去噪是根據(jù)經(jīng)驗先設(shè)定一個分解層數(shù)。但分解層數(shù)過多時，會造成有用信號信息的丟失，計算工作量也大為增加;當(dāng)分解層數(shù)過少時，信噪比又不能得到很大的提高。本文根據(jù)分解尺度與信噪比的變化，選取合適的分解尺度。仿真條件:采用sym8小波，閾值為通用閾值，閾值函數(shù)為折中法閾值函數(shù)，結(jié)果如圖4所示。

圖4 分解層數(shù)的確定

由圖4可知，隨著分解層數(shù)的增大，sym8小波基的信噪比整體比db8小波高，符合圖3的結(jié)論;針對sym8小波基，當(dāng)分解尺度為6時，信噪比能夠達(dá)到最大。因此，確定對信號進(jìn)行6層分解。

4.3 實驗驗證

實驗條件:信號為光譜儀測得的FBG反射譜，選用sym8小波基，分解尺度為6，加入20dB的高斯白噪聲，采用本文所提閾值和閾值函數(shù)。去噪效果如圖5所示。

圖5 原始信號與含噪信號

圖6為采用傳統(tǒng)軟硬閾值函數(shù)、折中法閾值函數(shù)、文獻(xiàn)［4］閾值函數(shù)、文獻(xiàn)［5］閾值函數(shù)和本文所提方法去噪效果圖。由圖6可知:硬閾值函數(shù)因其不連續(xù)性去噪效果最差;軟閾值函數(shù)因存在恒定偏差效果不佳;折中法閾值函數(shù)有效的解決了傳統(tǒng)軟硬閾值存在的不足，改善了去噪性能，但因其存在不連續(xù)點，仍留有一定的噪聲;文獻(xiàn)［4］、文獻(xiàn)［5］所提閾值函數(shù)中存在不確定因子，留有少量噪聲;本文所提方法去噪效果優(yōu)于其他幾種方法。評價結(jié)果如表1所示。

圖6 不同方法去噪效果圖

表1為不同方法去噪后的SNR和MSE指標(biāo)。由表1可知，本文所提方法SNR最大(31.4645)，MSE最小(0.0768)，說明本文所提方法相當(dāng)于其他方法去噪效果好，與圖6結(jié)論相符。

表1 不同方法的評價指標(biāo)

5 結(jié)論

根據(jù)FBG傳感系統(tǒng)精確解調(diào)的需要，針對FBG含噪信號，本文利用小波閾值函數(shù)進(jìn)行去噪，并提出一種改進(jìn)閾值和函數(shù)。所提閾值能夠適應(yīng)噪聲小波系數(shù)隨分解尺度變化的特點;所提閾值函數(shù)連續(xù)且消除了不確定因子的干擾，并能適應(yīng)性的隨分解尺度變化;給出小波基和分解尺度選取方法;仿真與實驗結(jié)果表明，本文所提方法能夠獲得最大的信噪比、最小均方差性能，滿足精確FBG的需要。

［1］ Wada A，Tanaka S，Takahashi N.Optical fiber vibration sensor using FBG Fabry-Perot interferometer with wavelength scanning and fourier analysis［J］.IEEE Sensors Journal，2012，12(1):225 －229.

［2］ Jia Zhenan，Liu Jing，Qiao Xueguang，et al.Ademodulation technology based on digital tunable F-P filter for fiber Bragg grating sensing signals［J］.Journal of Optoelectronics·Laser，2011，22(5):649 －651.(in Chinese)賈振安，劉靜，喬學(xué)光，等.FBG傳感信號數(shù)字化可調(diào)F-P濾波器解調(diào)技術(shù)研究［J］.光電子·激光，2011，22(5):649－651.

［3］ Guo Liang，Zhang Hua，F(xiàn)eng yan.Research status of fiber grating encapsulation and sensitization［J］.Semiconductor Optoel Ectronics，2012，33(4):463 －466.(in Chinese)郭亮，張華，馮艷.光纖Bragg光柵封裝增敏技術(shù)研究現(xiàn)狀［J］.半導(dǎo)體光電，2012，33(4):463 －466.

［4］ Chang Fengxiang，Hong Wenxue，Zhang Tao，et al.Research on wavelet denoising for pulse signal based on improved wavelet thresholding.［C］.First International Conference on Pervasive Computing，Signal Processing and Applications，2010:564 －567.

［5］ Guo Xiaoxia，Yang Huizhong.An improved compromise for soft/hard thresholds in wavelet denoising［J］.Caal Transactions on Int Elligent Systems，2008，3(3):222 －225.(in Chinese)郭曉霞，楊慧中.小波閾值去噪軟硬閾值的一種改良折衷法［J］.智能系統(tǒng)學(xué)報，2008，3(3):222 －225.

［6］ Wu Fei，Zhan Jing，Liu Bin，et al.Study on local temperature characteristics of fiber bragg gratings［J］.Optcelectronics Letters，2010，6(2):98 －102.

［7］ Xiao Fangyu，Tang Wei，F(xiàn)u Na.Wavelet based de-noising self-optimizing method［J］.Signal Processing，2012，28(4):577 －586.(in Chinese)肖方煜，湯偉，傅娜.自尋優(yōu)小波去噪方法［J］.信號處理，2012，28(4):577 －586.

［8］ Donoho D L.De-noising by soft-threshold［J］.IEEE Transon Information Theory，1995，41(3):613 －627.

［9］ Wang Shuanzhong，Zhu Yutian.Comparative simulation study of evolutional wavelet based on denoising algorithms［J］.Noise and Vibration Control，2012，1(28):128 －132.(in Chinese)王拴中，朱玉田.改進(jìn)小波閾值去噪法的對比性仿真實驗與分析［J］.噪聲與振動控制，2012，28(1):128 －132.

［10］ Yang Ronggen，Ren Mingwu.Wavelet denoising using principal component analysis［J］.Expert Systems with Applications，2011，38(1):1073 －1076.

［11］ Mota H O，Rocha L C，Salles T C，et al.Partial discharge signal denoising with spatially adaptive wavelet thresholding and support vector machines［J］.Electric Power Systems Resarch，2011，81(2):644 －659.

［12］ Chen Weidong，Sun Haiquan.Adaptive de-noising of pulse signal based on multiple wavelet transform［J］.Electronic Measu Rement Technology，2008，31(8):120 －122.

［13］ Duan Qing，Li Fengxiang，Tian Zhaolei.An improved method for wavelet thresholding signal denoising［J］.Computer Simulation，2009，26(4):348 －351.