中医现代化研究分享 http://blog.sciencenet.cn/u/baishp 当你们都还在想象时,我已经在路上了。这注定是一场一个人的战争吗?

博文

26、小波包消噪及曲线光滑度估计

已有 3469 次阅读 2012-11-30 00:09 |个人分类:斤斤计较|系统分类:论文交流| 模数, 阈值, 标准差, 小波消噪, 光滑度

   

    上一篇博文一维小波消噪,消噪的结果,残差的:

 

阈值:      Fixed     SURE      Minimaxi

标准差:    15.23、   2.673、   11.97

平均绝对差:12.31、   2.267、   9.662

模数:      3679、    645.5、   2890

  

    消噪信号与原信号的模数比:

 

Fixed阈值的:normr1=norm(TWden_fix)/norm(TW4860_r)=0.7205; 

SURE阈值的:normr2=norm(TWden_rig)/norm(TW4860_r)=0.9846;

Minimaxi阈值的:normr4=norm(TWden_mnmx)/norm(TW4860_r)=0.7891。

 

    感觉消噪要么太过,要么不及。觉得模数比在0.9~0.95附近才比较好。

 

    模数与标准差、绝对差的定义、计算方法虽然不一样,但它们的变化步调是一致的。如果用消噪信号的标准差、绝对差比上原信号的标准差、绝对差,所得结果与上面的模数比基本上是一样的。残差的模数、标准差、绝对差与原信号的模数、标准差、绝对差之比也基本上是一样的。所以模数比反映的其实也是消噪信号与原信号的相似度。


    将体温信号序列TW4860_r导入小波分析GUI界面,改变各种消噪的方式、参数,完全用它默认的设置进行消噪。下图是用sym5小波对信号进行小波包分解、消噪的截图:


    图26-1

 

    界面中小波包最多能分解12层,我的系统资源最多能将此信号分解8层,但消噪最多只能消噪到6层,所以就按6层分解。上左图为最优小波树,各节点上的数字表示各节点所占能量百分比;下左图为我随选的节点[3,4]的重构信号(系数);上右图原始信号;下右图为叶子节点染色系数。

 

    点其上De-noise进入消噪界面。截图如下:

 
    图26-2

 

    选定中度惩罚阈值penalize medium,再点其中的De-noise开始消噪。左上图为系数绝对值排序;左下图为系数绝对值的直方图;右上图红色为原始信号,紫色为消噪信号;右中图为原系数,右下图为阈值作用后系数。

 

    点residuals打开残差观察窗口,截图如下:


    图26-3

 

    点图26-2的View Denoised Signal,打开消噪信号观察窗口,如下:


    图26-4 TW4860_r及其消噪信号时域波形对比

 

    上图信号曲线是局部放大了的。红色为原信号,黑色为消噪信号。将消噪信号导出,记为TWpsy5den_med,表示体温、小波包、sym5小波、消噪信号、中度惩罚阈值。消噪残差也导出,记为TWpsy5res_med,表示体温、小波包、sym5小波、消噪残差、中度惩罚阈值。

 

    下面是TW4860_r、TWpsy5den_med、TWpsy5res_med功率谱比较图。蓝、紫、黄色分别是TW4860_r、TWpsy5den_med、TWpsy5res_med功率谱。

 

    图26-5 TW4860_r、TWpsy5den_med、TWpsy5res_med功率谱比较图

 


    图26-6 图26-5低频端放大

 

    可见消噪信号与原信号功率谱低频端完全重合,残差功率谱图只是极小的一条水平线。

 


    图26-7 图26-5高频端放大

 

    可见消噪信号与原信号功率谱高频端有明显差异。除了消噪信号整体数值变小,波形也不完全一致。图中实标尺线处,消噪信号的一个峰值对应于原信号的一个峰值,但虚标尺线消噪信号的一个峰值对应于原信号的一个谷值附近。

 

    将图26-2界面的阈值改为高惩罚阈值penalize high、低惩罚阈值penalize low消噪,并将消噪信号导出,记为TWpsy5den_hi、TWpsy5den_low。

 

    看看各消噪信号与原信号的模数比(也是相似度度量之一):

 

normrh=norm(TWpsy5den_hi)/norm(TW4860_r)

normrm=norm(TWpsy5den_med)/norm(TW4860_r)

normrl=norm(TWpsy5den_low)/norm(TW4860_r)

 

    运行,得:

normrh =

    0.9576


normrm =

    0.9662


normrl =

    0.9687

 

    下面是各消噪信号与原信号的标准差比:

 

stdrh=std(TWpsy5den_hi)/std(TW4860_r)

stdrm=std(TWpsy5den_med)/std(TW4860_r)

stdrl=std(TWpsy5den_low)/std(TW4860_r)

 

    运行,得:

stdrh =

    0.9575


stdrm =

    0.9661


stdrl =

    0.9686

 

    下面是各消噪信号与原信号的平均绝对差比:

 

madrh=mad(TWpsy5den_hi)/mad(TW4860_r)

madrm=mad(TWpsy5den_med)/mad(TW4860_r)

madrl=mad(TWpsy5den_low)/mad(TW4860_r)

 

    运行,得:

madrh =

    0.9575


madrm =

    0.9661


madrl =

    0.9685

 

    我觉得这几个数值比上篇中的处理结果要好。

 

    曲线的光滑度,我觉得可以用它的功率谱的低、高频部分的能量比来衡量,数值越大越光滑(当然也可以用它的功率谱的高、低频部分的能量比来衡量,数值越小越光滑)。

 

函数m文件:

-----------------------

function S=smn(X,Order,Nfft,Fs)
%求函数光滑度S

Nfft=2^16;%快速傅立叶算法点数
Order=10000;%参数估计法阶数,选取原则参见第6篇博文

Fs=Nfft;%采样频率取Nfft,为使P_TW序号等于圆频率(再加“1”)

P=pyulear(X,Order,Nfft,Fs);%功率谱估计
P_1=P(2:end);
Sl=sum(P_1(1:length(P_1)/2));%低频部分能量
Sh=sum(P_1(length(P_1)/2+1:end));%高频部分能量
S=Sl/Sh;%光滑度

end

------------------------

以文件名“smn”保存。

 

 

%消噪信号TWpsy5den_hi的光滑度Sdh:

sdh=smn(TWpsy5den_hi)

 

%消噪信号TWpsy5den_med的光滑度Sdm:

sdm=smn(TWpsy5den_med)

 

%消噪信号TWpsy5den_low的光滑度Sdl:

sdl=smn(TWpsy5den_low)


%原信号TW4860_r的光滑度Stw:

stw=smn(TW4860_r)

 

    运行,分别得:

sdh =

    398.4736


sdm =

    228.5763

 

sdl =

    196.7536

 

stw =

    53.7294

 

    光滑度分别提高倍数:

smnrh=sdh/stw

smnrm=sdm/stw

smnrl=sdl/stw

 

    运行,分别得:

smnrh =

    7.4163

 

smnrm =

    4.2542

 

smnrl =

    3.6619

 

    光滑度提高倍数越来越小。可见在信号消噪这件事情中,消噪信号与原信号相似度越高,光滑度提高倍数就越小。用相似度与光滑度当中的一个指标衡量消噪效果就可以了。

 

 

(本文首发于:http://blog.sina.com.cn/s/blog_6ad0d3de01013iuc.html

首发时间:2012-03-04 23:09:12)

 



https://wap.sciencenet.cn/blog-825323-637601.html

上一篇:25、GUI界面一维小波消噪
下一篇:27、各生理信号小波包消噪
收藏 IP: 14.153.189.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2023-6-9 18:55

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部