王明康，周世健，李志農(nóng)，王奉偉

（1.南昌航空大學(xué)無損檢測技術(shù)教育部重點實驗室，江西南昌 330063；2.同濟(jì)大學(xué)測繪與地理信息學(xué)院，上海 200092）

0 引言

在信號處理中，噪聲通常被認(rèn)為是對信號有害的，即它“污染”了信號。正因為噪聲的存在，才產(chǎn)生了一系列的信號處理算法，使信號處理理論迅速發(fā)展。目前現(xiàn)有的一些信號去噪方法均是在加性類噪聲（且默認(rèn)為高斯白噪聲）的基礎(chǔ)上進(jìn)行的。加性類噪聲的消除方法有很多，如自適應(yīng)濾波、經(jīng)驗?zāi)B(tài)分解方法等：自適應(yīng)濾波是在維納濾波、Kalman濾波等線性濾波基礎(chǔ)上發(fā)展起來的一種最佳濾波方法；經(jīng)驗?zāi)B(tài)分解方法是為了精確描述頻率隨時間的變化而提出的一種自適應(yīng)較好，直觀的瞬時頻率分析方法；小波變換是眾多去噪方法中具有代表性的一種，信噪分離和弱信號提取是小波在信號分析中應(yīng)用的重要方面。利用小波或小波包分解，可以將信號分解成不同的頻段，從而實現(xiàn)信噪分離。

加性類噪聲的信號是固定的，且噪聲部分不隨信號而變化，但是乘性類噪聲則不同。乘性噪聲往往由信道不理想引起，噪聲部分隨著信號的變化而變化[1]。因此，對于乘性噪聲，利用傳統(tǒng)的去噪方法很難得到理想的效果?，F(xiàn)有的有效處理方法是引入同態(tài)變換去除噪聲與信號的相倚性，將乘性噪聲轉(zhuǎn)化為加性噪聲，再對信號進(jìn)行濾波處理[2]，此方法的去噪效果明顯優(yōu)于傳統(tǒng)的去噪方法。聯(lián)合同態(tài)映射與小波變換，提出一種基于同態(tài)映射與小波變換的乘性噪聲消除方法，并進(jìn)行仿真實驗驗證。

1 基于同態(tài)小波變換的乘性噪聲消除方法

一般地，乘性噪聲可用式（1）的數(shù)學(xué)模型表示[3]。

其中，y（t）表示含噪觀測信號，s（t）表示真實信號，e（t）表示噪聲，噪聲類型為服從N（1，σ2）的高斯噪聲。

首先由同態(tài)變換和小波閾值去噪兩部分組成。首先，y（t）經(jīng)過對數(shù)同態(tài)變換為 G（t）=ln（s）+ln（e）。這樣就將原有的乘性噪聲，在同態(tài)映射下已轉(zhuǎn)換為加性噪聲[4-5]。對于含加性噪聲的信號，可利用小波變換方法對信號進(jìn)行多尺度分解，選定門限閾值對小波系數(shù)進(jìn)行量化處理，在每一尺度下把屬于噪聲的小波系數(shù)去除，保留并增強(qiáng)屬于信號的小波系數(shù)，最后重構(gòu)出小波去噪后的信號，運用指數(shù)逆變換恢復(fù)真實信號，文章選取信噪比和均方根誤差2個指標(biāo)對去噪效果進(jìn)行評價。具體流程如圖1所示。

圖1 算法流程

小波去噪存在小波基和閾值的選取問題[6-9]，如何選取最優(yōu)的小波基和閾值以達(dá)到提高去噪、準(zhǔn)確提取信號的目的也是很多學(xué)者研究的對象。這里小波基選取Daubechies小波，小波閾值采用軟閾值法，將信號小波系數(shù)的絕對值和閾值比較，小于或等于閾值的點置零，大于閾值的點變?yōu)樵擖c與閾值的差值，見式（2）。

2 仿真實驗分析

為了驗證該乘性噪聲消除方法的有效性，對仿真的3種非線性非平穩(wěn)信號（bumps，blocks和 x（t））進(jìn)行測試（對 blocks信號進(jìn)行平移處理，使其幅值全為正值），其中信號采樣點數(shù)為1024點，則有式（3）。

均方根誤差 RMSE（Root Mean Square Error）見式（4）。

（2）信噪比 SNR（Signal-Noise Ratio）見式（5）。

其中SNR單位為dB。

采用Daubechies小波函數(shù)進(jìn)行去噪處理。原始信號和加入噪聲的3種信號見圖2，含噪信號經(jīng)處理后的結(jié)果見圖3。利用MATLAB仿真3個含有乘性噪聲混疊觀測信號，并添加相同強(qiáng)度的噪聲，通過小波閾值函數(shù)直接對含噪仿真信號處理和文中方法對含噪仿真信號處理2種方法進(jìn)行去噪。小波去噪采用db6小波基，分解層次4層，根據(jù)第1層的高頻系數(shù)估計噪聲標(biāo)準(zhǔn)差σ，然后對含噪信號進(jìn)行閾值處理。

圖2是3種仿真信號的模擬序列，噪聲已“污染”整個信號，需采用信號處理方法去除噪聲的干擾，恢復(fù)有用信號。表1中，bumps信號經(jīng)小波變換和文中方法處理后，信噪比分別為10.434 6 dB，14.572 4 dB；blocks信號處理后信噪比分別為14.729 0 dB，15.266 1 dB；x（t）信號處理后信噪比分別為14.294 3 dB，15.316 6 dB，可以看出信噪比明顯提高。圖3和表1結(jié)果表明，該方法在某種程度上實現(xiàn)了原始含噪觀測信號中乘性噪聲干擾的消除，較傳統(tǒng)的小波變換或自適應(yīng)濾波去噪有一定優(yōu)勢。

3 結(jié)語

針對乘性噪聲去除問題，提出基于小波閾值處理的對數(shù)同態(tài)變換法。相比于其他方法，該法在去除乘性噪聲方面效果明顯，表明對于乘性噪聲的去除，同態(tài)變換過程是有必要的。仿真實驗中，bumps信號由小波閾值去噪處理后，信噪比與均方根誤差分別為10.434 6 dB主0.541 3 mm；由該方法處理后，信噪比與均方根誤差分別為14.572 4 dB和0.336 2 mm。結(jié)果表明，該方法較小波變換去噪有一定優(yōu)勢。此外，該方法實現(xiàn)簡單，可直接處理時頻域信號。因此，在含有乘性噪聲的信號處理領(lǐng)域有較大應(yīng)用潛力。

圖2 模擬仿真序列

圖3 小波閾值去噪與文中方法去噪結(jié)果

表1 3種仿真信號的去噪結(jié)果

[1]T.Teuber，A.Lang.A new similarity measure for nonlocal filtering in the presence of multiplicative noise[J].Computational Statistics and Data Analysis，2012，56（12）：3821-3842.

[2]蔣立輝，李寧，成向陽，等.基于一種新的同態(tài)濾波算法的散斑噪聲壓縮[J].激光與紅外，2002，30（1）：11-14.

[3]Dong Y，Zeng T.A convex variational model for restoring blurred images with multiplicative noise[J].SIAM Journalon Imaging Sciences，2013，6（3）：1598-1625.

[4]焦衛(wèi)東，楊世錫，錢蘇翔，等.乘性噪聲消除的同態(tài)變換盲源分離算法[J].浙江大學(xué)學(xué)報（工學(xué)版），2006（4）：581-584，614.

[5]焦衛(wèi)東，蔣永華，林樹森.基于經(jīng)驗?zāi)B(tài)分解的改進(jìn)乘性噪聲去除方法[J].機(jī)械工程學(xué)報，2015，51（24）：1-8.

[6]關(guān)履泰.小波方法與應(yīng)用[M].北京：高等教育出版社，2007：35-37.

[7]彭自然，王國軍.用小波變換對ECG信號進(jìn)行去噪研究[J].信號處理，2017，33（8）：1122-1131.

[8]Donoho D L.Denoising by soft-thresholding[J].IEEE Transactions on Information Theory，1995，11（3）：613-627.

[9]毛建東，華燈鑫，王玉峰，等.基于小波包分析的激光雷達(dá)信號消噪算法的研究[J].中國激光，2011，38（2）：226-233.