ارائه يک روش وفقي براي حذف نويز سيگنال در قلمرو موجک
محورهای موضوعی : electrical and computer engineeringمهدی نصری 1 , حسین نظامآبادیپور 2 , سعيد سريزدي 3
1 - دانشگاه شهيد باهنر کرمان
2 - دانشگاه شهید باهنر کرمان
3 - دانشگاه شهيد باهنر کرمان
کلید واژه: تابع آستانهگذاري وفقيتبديل موجکحذف نويز سيگنالشبکههاي عصبي,
چکیده مقاله :
در اين مقاله، يک دسته آستانهگذار غير خطي جديد با يک پارامتر تنظيم شکل براي حذف نويز سيگنال در حوزه موجک ارائه شده است. همچنين، روش جديدي در آموزش شبکههاي عصبي آستانهگذاري براي حذف نويز از سيگنال پيشنهاد شده است. در روش پيشنهادي، بر خلاف ساير روشهاي موجود، پارامتر تنظيم شکل تابع آستانهگذار وفقي جديد به همراه پارامتر آستانه و با استفاده از الگوريتم LMS تحت آموزش قرار گرفته و مقادير بهينه آنها به صورت همزمان به دست ميآيد. با اين کار اثر هر دو فاکتور آستانه و شکل آستانهگذار در حذف نويز مد نظر قرار گرفته است. تابع آستانهگذار پيشنهادي براي حذف نويز در حالت آستانه - سراسري و زيرباند - وفقي آزموده شده و با روشهاي متداول در اين زمينه از طريق معيارهاي مختلف مقايسه شده است. همچنين آزمايشهايي براي تعيين کارآيي روش پيشنهادي آموزش شبکه عصبي در حالت زيرباند - وفقي انجام شده است. نتايج آزمايشها روي سيگنالهاي استاندارد، کارآيي روشهاي پيشنهادي را در حذف نويز از سيگنال نشان ميدهد.
In this paper, a new class of nonlinear thresholding functions with a tunable shape parameter for wavelet-based signal denoising is presented. In addition, a new learning technique for training of thresholding neural network is introduced. Unlike to existing methods, both the shape and the threshold parameters are tuned simultaneously using LMS rule. This permits us to consider the effects of both the threshold and the shape parameters on denoising. The proposed functions are tested in both universal-threshold and subband-adaptive denoising and compared with conventional functions. In addition, to evaluate the proposed training method, several numerical examples are performed. The experimental results obtained from denoising of several standard benchmark signals confirm the efficiency and effectiveness of the proposed methods.