孫永帥，王少云

（1.南京航空航天大學 電子信息工程學院，江蘇 南京210016；2.南京航空航天大學 無人機研究院，江蘇 南京210016）

基于萊特準則和小波變換的遙測數據處理方法

孫永帥1，王少云2

（1.南京航空航天大學 電子信息工程學院，江蘇 南京210016；2.南京航空航天大學 無人機研究院，江蘇 南京210016）

遙測數據經常含有噪聲和野值，針對遙測數據的處理面臨的消除噪聲和野值剔除問題，介紹了小波變換的基本原理以及小波消噪在信號處理方面的應用，提出了利用萊特準則和小波軟閾值消噪相結合的方法進行野值剔除，利用MATLAB軟件進行遙測信號噪聲消除和野值剔除仿真試驗，結果表明該方法具有良好的降噪效果和出色的野值剔除能力。

遙測數據；小波變換；野值剔除；降噪；閾值

在靶場外彈道測量動態(tài)目標時，由于隨機誤差和各種干擾的存在，測量數據中往往包含嚴重偏離目標真值的數據點，這些嚴重偏離目標真值的數據就是所謂的“野值”。野值的特點是幅值大，持續(xù)時間短，無規(guī)律［1］。如果不予以分離和剔除這些野值，則給數據處理帶來很大的誤差，嚴重影響處理結果的精度，無法準確地反映武器系統(tǒng)的飛行特性，因此必須將它們全部剔除．本文提出一種基于小波變換的野值剔除方法。

1 基本理論

1.1 小波變換理論

小波變換主要討論R上平方可積分函數構成的函數空間L2（R），若小波函數φ（t）∈L2（R），需要滿足如下容許條件［2］：

設s（t）是平方可積分函數，則它的連續(xù)小波變換定義為：

式中φa，b（t）為小波變換的基函數，它是通過窗函數φ（t）時間平移b，尺度伸縮a得到的。常數a和b分別稱為尺度參數和平移參數，若尺度參數a變大，基函數窗口時寬增大，時域分辨率降低，頻域分辨率提高；若尺度參數a變小，基函數窗口時寬縮小，時域分辨率提高，頻域分辨率降低，所以小波變換既能對信號的高頻成分進行精確分析［3］，也可以對信號低頻成分精確分析，小波變換的這種多分辨率特性使其在信號處理方面得到了廣泛的應用，文中將小波變換應用于實時遙測數據野值剔除工作。

1.2 野值的判別與剔除

根據萊特準則，當觀測數據服從正態(tài)分布時，殘差落在3倍標準差［-3σ，3σ］的概率超過99.7%，落在此區(qū)域外的概率不超過0.3%，因此，可以認為殘差落于該區(qū)域外的測量數據為野值［4］。假設1組觀測序列為x（i）（i=1，2，…，N），在x（k）中存在野值數據點。利用萊特準則剔除野值首先要計算該組觀測數據的算術均值［4］

再計算其標準差σ

根據原始觀測序列x（i）和算術均值計算數據殘差xb（i）

將殘差xb（i）逐一與3倍標準差進行比較，進行野值檢驗。如果|xb（i）|≥3σ，則與xb（i）對應的觀測數據x（i）為野值，應予以剔除，對于判定為野值的點，如果直接置零，可能會引入更大的誤差，文中采用以野值前一個樣本值替換野值的方法，循環(huán)檢測并剔除野值，直至樣本信號中所有野值被剔除。

1.3 小波去噪方法

小波去噪方法有3種。

1）強制去噪

該方法把小波分解中的高頻分量強制為零，即丟棄所有高頻分量的信息，再對信號進行小波重構，計算簡單，而且得到的信號比較平滑，但是這種方法在消除噪聲的同時有可能損失掉信號的重要細節(jié)。

2）閾值去噪

閾值去噪包含硬閾值去噪和軟閾值去噪。

硬閾值去噪法：

軟閾值去噪法：

其中x為高頻系數，dm（x）為閾值量化后的高頻系數，閾值，硬閾值去噪法針對每一層的高頻分量都求得一個閾值，將絕對值小于等于閾值的高頻系數置零，絕對值大于閾值的高頻系數不做處理直接保留［5］。硬閾值去噪法操作簡單，但容易引起偽吉布斯效應。軟閾值去噪法將絕對值小于等于閾值的高頻系數置零，絕對值大于閾值的正高頻系數減去閾值，絕對值大于閾值的負高頻系數加上閾值，使用軟閾值量化后的高頻系數對信號進行重構，得到的信號相對比較平滑。

3）模極大值去噪

模極大值去噪法利用李普希茲（Lipschitz）指數求出每個尺度上小波變換系數對應的模極大值點，不同尺度層的模極大值采用不同的閾值進行處理，根據保留下來的模極大值的位置重構小波系數，利用重構的小波系數進行小波反變換得到消除噪聲的信號［6］。

2 理論分析與仿真

文中選取正弦信號作為原始信號，記為s（n），該信號幅度為2，角頻率為0.03 rad/s，采樣點數為1 000。向s（n）中加入高斯白噪聲和野值點，作為待處理含噪聲信號，記為sn（n），如圖1所示，可以看出，該信號中包含隨機噪聲以及隨機產生的野值。

2.1 直接使用小波軟閾值去噪

對信號s（n）直接使用小波軟閾值去噪法所得到的處理效果如圖2所示，在不含有野值的區(qū)間，小波軟閾值降噪效果良好，在出現野值的位置，雖然野值的幅度有所降低，小波軟閾值去噪并沒有消除野值，而且野值附近還存在波動，因此直接使用小波軟閾值降噪法不能不能滿足此類遙測信號處理要求。

圖1 加入白噪聲和野值的信號

圖2 直接使用小波軟閾值降噪的處理效果

2.2 萊特準則剔除野值

針對圖1中含有白噪聲和野值的信號使用萊特準則進行野值判別，對于判定為野值的點，使用該樣本點的前一個樣本點替換野值，循環(huán)多次使用萊特準則判別并替換野值，直到萊特準則判定信號中無野值，經過萊特準則循環(huán)多次剔除野值后的信號如圖3所示，可以看出較為明顯的野值點已經被剔除，波形大體顯示為正弦波，由于萊特準則只適用于野值判別，對信號中存在的大量的噪聲則無能為力。

3 萊特準則和小波變換遙測數據處理方法

由以上仿真分析可知，萊特準則能夠比較準確的判別野值，小波軟閾值去噪能夠有效的去除高斯白噪聲，結合兩種方法的特點，文中提出使用萊特準則與小波軟閾值去噪相結合的方法對遙測數據進行處理，將該方法稱為LW （Letts and Wavelet）遙測處理方法。

LW遙測處理方法分為4個步驟：

1）使用萊特準則對含噪聲信號剔除野值；

2）對剔除野值的信號進行5層小波分解，得到近似分量和高頻分量；

3）使用小波軟閾值去噪法對1～5層高頻分量進行降噪處理；

4）小波反變換重構信號。

圖3為循環(huán)多次使用萊特準則剔除野值后的信號，可以看出幅值較大的野值點已經被剔除掉，圖中所表現出的波動可以近似視為高斯白噪聲，下一步可以使用小波多尺度分解，文中將圖3中的信號進行5層分解，得到每層的近似分量和細節(jié)分量，如圖4所示，有用信號包含在左側的近似分量部分，噪聲包含在右側的細節(jié)分量部分，但細節(jié)分量還包含原信號中的高頻信息，不可以直接將細節(jié)分量強制置零，否則會損失原始信號的細節(jié)，往往這些細節(jié)對數據分析工作至關重要，用小波軟閾值去噪法對每個尺度上的細節(jié)分量進行降噪處理后，利用塔式重構算法進行小波重構即可得到剔除野值并去除噪聲的近似原始信號［7］，LW遙測數據處理方法處理效果如圖5所示。

從圖5中可以看出，最終效果曲線比較平滑，逼近原正弦曲線，含噪聲信號中的野值已經剔除，高斯白噪聲也已經消除，處理效果能夠滿足數據分析要求。

圖3 萊特準則剔除野值的信號

圖4 小波多尺度分解

圖5 LW方法處理效果

4 結束語

文中針對遙測信號含有噪聲和野值的情況，對萊特準則判別野值的性能和小波軟閾值去噪法進行MATLAB仿真分析，得出萊特準則具有出色的野值判別性能，小波軟閾值去噪具有良好的白噪聲消除性能［8］，提出了基于萊特準則和小波變換的遙測數據處理方法，并進行了理論分析和MATLAB實驗仿真，證明了這一方法的有效性，該方法提高了遙測數據處理和分析的效率，可滿足遙測數據事后處理要求。

［1］李保霖，趙建川，藺文彬.小波分析在信號降噪中的應用［J］.電子設計工程，2015，23（6）:41-44.

［2］姜大治，常興華.基于偏差估計的彈道異常值剔除方法［J］.戰(zhàn)術導彈技術，2013（3）:71-75.

［3］Al Mutawa，J.Identification of errors-in-variablesmodel with observation outliers based on minimum-covariance-determinant［C］//Proceedings of the American Control Conference，Proceedings of the 2007 American Control Conference，2007．

［4］司禎禎.傅里葉變換與小波變換在信號去噪中的應用［J］.電子設計工程，2011，19（4）:155-157.

［5］徐利娜，陳俊彪，穆高超.靶場外彈道數據處理中的實時野值剔除算法［J］.應用光學，2012，33（1）:90-95.

［6］PARK JS，LEE SW.An example-based face hallucination method forsingle-frame，low-resolution facial images［J］.IEEE Transaction on Image Processing，2008，17（10）:1806-1816.

［7］盧元磊，何佳洲，安瑾，等.幾種野值剔除準則在目標預測中的應用研究［J］.指揮控制與仿真，2011，33（4）：98-102.

［8］馬志剛.基于小波分析的車輛噪聲特征提取方法研究［J］.電子設計工程，2010，18（1）：3-7.

The processingmethod of telemetry data based on letts criterion and wavelet transform

SUN Yong-shuai1，WANG Shao-yun2
（1.College of Electronic and Information Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China；2.UVA Research Institute，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China）

Since noise and outliersare often contained in telemetry data，telemetry data processing is faced with the problem of Gaussian noise removing and outliers eliminating.The basic principle of wavelet transform and the application of wavelet transform in signal processing are introduced.The application of Letts criterion combined with wavelet transform in signal processing is introduced.The results show that themethod has good noise reduction effect and excellent outliers eliminating ability by using MATLAB software.

telemetry data；wavelet transform；outliers eliminating；noise reduction；threshold

TN911.72

A

1674－6236（2016）20-0082-03

2015-10-19 稿件編號：201510121

孫永帥（1989—），男，山東臨沂人，碩士研究生。研究方向：遙控遙測。