CN109614937B - 一种基于组稀疏性的小波域信号增强方法 - Google Patents

Abstract

本发明公开了一种基于组稀疏性的小波域信号增强方法，所述方法包括如下步骤：步骤1、将含噪信号先进行降采样处理，然后进行标准化处理，使得信号的取值皆在[‑1,1]的范围内且均值为0；步骤2、初始化参数：组大小参数K、小波分解层数J、总正则参数λ、第j层的正则参数λ_j、降噪信号的初值x⁽⁰⁾；步骤3、采用‘db10’小波将含噪信号变换到小波域，得到J层含噪的小波细节系数c_j；步骤4、对步骤3中的每层含噪小波细节系数c_j引入刻画分组稀疏性质的正则进行降噪处理；步骤5、重构降噪信号：使用小波逆变换得到降噪信号。本发明所提出的方法在不同的噪声水平下其性能皆好于目前的adaOGS降噪方法和传统的小波降噪方法。

Description

一种基于组稀疏性的小波域信号增强方法

技术领域

本发明属于信号处理技术领域，涉及一种信号增强与噪声抑制方法，可应用于心音信号的增强与去噪方面。

背景技术

现实世界中承载着信息的信号往往受到噪声的污染，从而影响其所传递信息的准确性，心音信号就是如此。基于心音信号的智能化的数字听诊是未来的发展趋势。然而，在现实环境中，心音信号易于噪声污染，如背景噪声或听诊设备与皮肤的摩擦声等，从而影响其所传递信息的可靠性。因此，需要对其进行增强处理。

为实现信号增强的目的，就需要充分利用信号的先验知识。目前的降噪方法大多是通用的处理技术，如传统的小波变换或基于信号光滑性的降噪声方法，这些方法并不能满足面象实际任务的需要。

发明内容

本发明的目的在于利用信号在小波域的各个子带中的系数呈组稀疏分布的特点，提供了一种基于组稀疏性的小波域信号增强方法。将本发明所提出的方法在国际公开的心音数据库进行验证，结果表明在不同的噪声水平下其性能皆好于目前的adaOGS降噪方法和传统的小波降噪方法。

本发明的目的是通过以下技术方案实现的：

一种基于组稀疏性的小波域信号增强方法，包括如下步骤：

步骤1、信号预处理：

将含噪信号先进行降采样处理，然后进行标准化处理，使得信号的取值皆在[-1,1]的范围内且均值为0；

步骤2、初始化参数：

组大小参数K、小波分解层数J、总正则参数λ、第j层的正则参数λ_j、降噪信号的初值x⁽⁰⁾；

步骤3、含噪信号的小波变换：

采用‘db10’小波将含噪信号变换到小波域，得到J层含噪的小波细节系数c_j；

步骤4、引入分组稀疏性的小波域降噪处理：

对步骤3中的每层含噪小波细节系数c_j引入刻画分组稀疏性质的正则进行降噪处理，得到降噪后的小波系数

步骤5、重构降噪信号：

使用小波逆变换得到降噪信号：

其中IWT(·)表示小波逆变换运算。

相比于现有技术，本发明具有如下优点：

与目前广泛用于心音信号降噪的小波变换方法与adaOGS方法相比，本发明所提出的降噪方法具有更好的降噪声效果和更低的计算代价，而且算法易于实现。因此，本发明的技术方案具有易于实现、可靠性好的特点，适合推广使用。

附图说明

图1为依据输入信噪比条件下组参数对输出信噪比影响来选择组参数的方法；

图2为使用本发明降噪方法与adaOGS和传统小波降噪方法在不同噪声水平条件下，对美国马里兰大学公开发布的心音数据库中的心音记录进行降噪处理时的平均性能表现图。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

本发明提供了一种基于组稀疏性的小波域信号增强方法，所述方法步骤如下：

步骤1、信号预处理：

将含噪信号进行降采样处理，产生采样频率为2000Hz的信号。然后再进行标准化处理，使得信号的取值皆在[-1,1]的范围内且均值为0。

步骤2、初始化参数：

本发明所提出的算法中的参数设置方法如下：

组大小参数：K＝20，具体的选择过程如图1所示；

小波分解层数：J＝5；

总正则参数：λ＝ηδ²，其中δ²为噪声方差，η∈[0.2069,0.3260]；

第j层的正则参数：

其中λ₀＝λ，j＝1,…,5；

算法中降噪信号的初值为x⁽⁰⁾＝y，其中y是长度为N的含噪信号。

步骤3、含噪信号的小波变换：

采用‘db10’小波将含噪信号变换到小波域，其中小波的层数为J＝5，得到5层含噪的小波细节系数c_j，其中j＝1,…,5。

步骤4、引入分组稀疏性的小波域降噪处理：

对步骤3中的每层含噪小波细节系数c_j引入刻画分组稀疏性质的正则进行降噪处理。令h表示长度为K的全1向量，x^t _j表示在算法第t次迭代中得到降噪后的第j层的小波系数，在算法的第t+1次迭代过程中，其计算过程由以下步骤构成：

步骤4.1、计算对角阵：

其中diag(·)表示对角阵运算，*表示卷积运算，ψ(·)表示引入稀疏性的函数。

步骤4.2、计算降噪小波系数：

利用步骤4.1中所得到的对角阵

降噪后的第j层小波系数按下式进行计算：

步骤5：重构降噪信号

在步骤4中算法收敛后，得到降噪后的小波系数

使用小波逆变换得到降噪信号：

其中IWT(·)表示小波逆变换运算，

是算法的解，

是迭代算法在第t+1次时的第j层小波系数。

为验证本发明中所提出的降噪方法的有效性，我们采用‘db10’小波作为所提出算法中的小波变换，将本发明中的方法与adaOGS算法和传统的小波变换基于美国马里兰大学公开发布的心音数据库进行降噪处理，然后进行性能比较。此数据库中共含有23个心音记录，分别用M1、M2、…、M23表示，在这些心音记录中包含多种类型的心音。在不同噪声水平下，采用上述三种方法对所有记录进行降噪处理的平均性能如图2所示。显见，本发明所提出的方法在不同的噪声水平条件下都取得了最好的性能表现。因此，实验充分证实了本发明所提出方法的有效性。

Claims (4)

1.一种基于组稀疏性的小波域信号增强方法，其特征在于所述方法包括如下步骤：

步骤1、信号预处理：

将含噪信号先进行降采样处理，然后进行标准化处理，使得信号的取值皆在[-1,1]的范围内且均值为0；

步骤2、初始化参数：

组大小参数K、小波分解层数J、总正则参数λ、第j层的正则参数λ_j、降噪信号的初值x⁽⁰⁾；

步骤3、含噪信号的小波变换：

采用‘db10’小波将含噪信号变换到小波域，得到J层含噪的小波细节系数c_j；

步骤4、引入分组稀疏性的小波域降噪处理：

对步骤3中的每层含噪小波细节系数c_j引入刻画分组稀疏性质的正则进行降噪处理；

步骤5、重构降噪信号：

使用小波逆变换得到降噪信号：

其中IWT(·)表示小波逆变换运算，

为降噪后的小波系数。

2.根据权利要求1所述的基于组稀疏性的小波域信号增强方法，其特征在于所述步骤1中，含噪信号进行降采样处理后产生的信号的采样频率为2000Hz。

3.根据权利要求1所述的基于组稀疏性的小波域信号增强方法，其特征在于所述步骤2中，K＝20；J＝5；λ＝ηδ²，其中δ²为噪声方差，η∈[0.2069,0.3260]；

其中λ₀＝λ，j＝1,…,5；x⁽⁰⁾＝y，其中y是长度为N的含噪信号。

4.根据权利要求1所述的基于组稀疏性的小波域信号增强方法，其特征在于所述步骤4的具体步骤如下：

令h表示长度为K的全1向量，

表示在算法第t次迭代中得到降噪后的第j层的小波系数，在算法的第t+1次迭代过程中，其计算过程由以下步骤构成：

步骤4.1、计算对角阵：

其中diag(·)表示对角阵运算，*表示卷积运算，ψ(·)表示引入稀疏性的函数，h表示长度为K的全1向量，

表示第t次迭代中得到降噪后的第j层的小波系数；

步骤4.2、计算降噪小波系数：

利用步骤4.1中所得到的对角阵

按下式计算降噪后的第j层小波系数：

Images