小波阈值去噪在信号处理领域应用非常广泛。针对传统软、硬阈值函数算法存在的缺陷,许多学者提出了介于软、硬阈值之间改进型阈值函数算法。但这些阈值函数在整个小波空间域内高阶不可导,存在临界阈值处不能平滑过渡的现象。因此提出一个带参数的阈值函数,可以实现临界阈值处的平滑过渡。同时,采用粒子群优化算法,针对信号含噪情况,自动优化阈值函数参数,实现去噪过程的自动寻优。采用基准信号仿真结果表明,提出的算法可以获得更小的均方误差和更高的信噪比,达到了去噪实用化的效果。 粒子群优化改进小波阈值函数的去噪研究177《软件》杂志欢迎推荐投稿：cosoft@vip.163.com于最佳的适应度值的结果参数，对对应的小波系数进行阈值化处理，利用阈值化后小波细节系数和小波近似系数进行小波重构，得到去噪后的信号。图3基于PSO优化参数小波阈值去噪方法的流程图F数据仿真与结果可以采用多个指标来评估阈值去噪方案相对于重构信号质量的性能。本文采用的指标是信噪比和均方误差两个。信噪比（SNR）如（5）所示其中f（i）是原始信号，f(i)是去噪后的信号，信噪比SNR提高越大，本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 表示信号去噪效果越函数的去噪研究-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机好。5.1仿真设置以下对两种不同噪声振幅的基准信号进行仿真去噪，实验结果对比去噪的效果，来验证整体自动寻优的基于粒子群优化带参数小波阈值函数的去噪效果优于新阈值函数的去噪效果。这两种基准信号分别是从众所周知的Bumps和Doppler信号，含噪信号的信噪比设置为10分贝（dB）。仿真平台采用基于Windows7系统的MATLABR2013a软件。原始信号的总样本为2048，最大迭代次数设置为50。5.2仿真结果与分析分别对Bumps和Doppler信号进行仿真，运行算法，生成含噪信号去噪前后的效果图，同时在workspace查看变量数据，显示含噪信号去噪前后的信噪比和均方误差值，对比实验结果数据，并进行结果分析。实验仿真结果显示其去噪后的效果图4和图5、数据表格表1和表2。由图4和图5可以看出，基于pso优化的带参数小波阈值函数法对含噪信号去噪获得的曲线更接近于原始信号，重构的信号更好地反映原始信号的细节信息。因此，所提出的基于pso优化的带参数小波函数的去噪研究-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/