python小波变换去噪-创新互联

一,小波去噪原理:

专注于为中小企业提供成都网站建设、网站设计服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业尼泸西免费做网站提供优质的服务。我们立足成都,凝聚了一批互联网行业人才,有力地推动了近千家企业的稳健成长,帮助中小企业通过网站建设实现规模扩充和转变。

信号产生的小波系数含有信号的重要信息,将信号经小波分解后小波系数较大,噪声的小波系数较小,并且噪声的小波系数要小于信号的小波系数,通过选取一个合适的阀值,大于阀值的小波系数被认为是有信号产生的,应予以保留,小于阀值的则认为是噪声产生的,置为零从而达到去噪的目的。

小波阀值去噪的基本问题包括三个方面:小波基的选择,阀值的选择,阀值函数的选择。

(1) 小波基的选择:通常我们希望所选取的小波满足以下条件:正交性、高消失矩、紧支性、对称性或反对称性。但事实上具有上述性质的小波是不可能存在的,因为小波是对称或反对称的只有Haar小波,并且高消失矩与紧支性是一对矛盾,所以在应用的时候一般选取具有紧支的小波以及根据信号的特征来选取较为合适的小波。

(2) 阀值的选择:直接影响去噪效果的一个重要因素就是阀值的选取,不同的阀值选取将有不同的去噪效果。目前主要有通用阀值(VisuShrink)、SureShrink阀值、Minimax阀值、BayesShrink阀值等。

(3) 阀值函数的选择:阀值函数是修正小波系数的规则,不同的反之函数体现了不同的处理小波系数的策略。最常用的阀值函数有两种:一种是硬阀值函数,另一种是软阀值函数。还有一种介于软、硬阀值函数之间的Garrote函数。

另外,对于去噪效果好坏的评价,常用信号的信噪比(SNR)与估计信号同原始信号的均方根误差(RMSE)来判断。

二,在python中使用小波分析进行阈值去噪声,使用pywt.threshold函数

#coding=gbk

#使用小波分析进行阈值去噪声,使用pywt.threshold

import pywt

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import math

data = np.linspace(1, 10, 10)

print(data)

# [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]

# pywt.threshold(data, value, mode, substitute) mode 模式有4种,soft, hard, greater, less; substitute是替换值

data_soft = pywt.threshold(data=data, value=6, mode='soft', substitute=12)

print(data_soft)

# [12. 12. 12. 12. 12. 0. 1. 2. 3. 4.] 将小于6 的值设置为12, 大于等于6 的值全部减去6

data_hard = pywt.threshold(data=data, value=6, mode='hard', substitute=12)

print(data_hard)

# [12. 12. 12. 12. 12. 6. 7. 8. 9. 10.] 将小于6 的值设置为12, 其余的值不变

data_greater = pywt.threshold(data, 6, 'greater', 12)

print(data_greater)

# [12. 12. 12. 12. 12. 6. 7. 8. 9. 10.] 将小于6 的值设置为12,大于等于阈值的值不变化

data_less = pywt.threshold(data, 6, 'less', 12)

print(data_less)

# [ 1. 2. 3. 4. 5. 6. 12. 12. 12. 12.] 将大于6 的值设置为12, 小于等于阈值的值不变

三,在python中使用ecg心电信号进行小波去噪实验

import matplotlib.pyplot as plt

import pywt

# Get data:

ecg = pywt.data.ecg() # 生成心电信号

index = []

data = []

for i in range(len(ecg)-1):

X = float(i)

Y = float(ecg[i])

index.append(X)

data.append(Y)

# Create wavelet object and define parameters

w = pywt.Wavelet('db8') # 选用Daubechies8小波

maxlev = pywt.dwt_max_level(len(data), w.dec_len)

print("maximum level is " + str(maxlev))

threshold = 0.04 # Threshold for filtering

# Decompose into wavelet components, to the level selected:

coeffs = pywt.wavedec(data, 'db8', level=maxlev) # 将信号进行小波分解

plt.figure()

for i in range(1, len(coeffs)):

coeffs[i] = pywt.threshold(coeffs[i], threshold*max(coeffs[i])) # 将噪声滤波

datarec = pywt.waverec(coeffs, 'db8') # 将信号进行小波重构

mintime = 0无锡人流多少钱 http://www.bhnfkyy.com/

maxtime = mintime + len(data) + 1

plt.figure()

plt.subplot(2, 1, 1)

plt.plot(index[mintime:maxtime], data[mintime:maxtime])

plt.xlabel('time (s)')

plt.ylabel('microvolts (uV)')

plt.title("Raw signal")

plt.subplot(2, 1, 2)

plt.plot(index[mintime:maxtime], datarec[mintime:maxtime-1])

plt.xlabel('time (s)')

plt.ylabel('microvolts (uV)')

plt.title("De-noised signal using wavelet techniques")

plt.tight_layout()

plt.show()

运行结果如下:

python小波变换去噪

另外有需要云服务器可以了解下创新互联cdcxhl.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。


当前名称:python小波变换去噪-创新互联
转载源于:http://scyanting.com/article/diposh.html