ارائه يک روش وفقي براي حذف نويز سيگنال در قلمرو موجک
الموضوعات :
مهدی نصری
1
(دانشگاه شهيد باهنر کرمان)
حسین نظام‌آبادی‌پور
2
(دانشگاه شهید باهنر کرمان)
سعيد سريزدي
3
(دانشگاه شهيد باهنر کرمان)
الکلمات المفتاحية: تابع آستانه‌گذاري وفقيتبديل موجکحذف نويز سيگنالشبکه‌هاي عصبي,
ملخص المقالة :
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.
[1] D. L. Donoho and I. M. Johnstone, "Ideal spatial adaptation by wavelet shrinkage," Biometrika, vol. 81, no. 3, pp. 425-455, Sep. 1994.
[2] D. L. Donoho, "De - noising by soft - thresholding," IEEE Trans.Inform. Theory, vol. 41, no. 3, pp. 613-627, May 1995.
[3] D. L. Donoho and I. M. Johnstone, "Adapting to unknown smoothness via wavelet shrinkage," J. Amer. Statist. Assoc., vol. 90, no. 432, pp. 1200-1224, Dec. 1995.
[4] M. S. Crouse, R. D. Nowak, and R. G. Baraniuk, "Wavelet – based signal processing using hidden Markov models," IEEE Trans. Signal Processing, vol. 46, no. 4, pp. 886-902, Apr. 1998.
[5] N. P. Subramaniam, M. S. Sudhakar, and K. B. Bagan, "A modified approach for denoising of power line signals using stein’s unbiased risk estimator incorporated with phaselet transform," Iranian J. of Elec. and Comp. Eng., vol. 5, no. 1, pp. 51-56, Winter-Spring 2006.
[6] X. P. Zhang and M. D. Desai, "Adaptive denoising based on SURE risk," IEEE Signal Processing Letters, vol. 5, no. 10, pp. 265-267, Oct. 1998.
[7] X. P. Zhang, "A new time-scale adaptive denoising method based on wavelet shrinkage," in Proc. ICASSP’99, vol. 3, pp. 1629-1632, Phoenix, Arizona, Mar. 1999.
[8] H. Y. Gao and A. G. Bruce, "Waveshrink with firm shrinkage," Statistica Sinica, vol. 7, no. 4, pp. 855-874, 1997.
[9] H. Gao, "Wavelet shrinkage denoising using the nonnegative garrote," J. Comput. Graph. Stat., vol. 7, no. 4, pp. 469-488, Dec. 1998.
[10] W. Q. Zhang and G. Song, "A translation-invariant wavelet de-noising method based on a new thresholding function," in Proc. Second Int. Conf. on Machine Learning and Cyber, vol. 4, pp. 2341-2345, Nov. 2003.
[11] B. J. Yoon and P. P. Vaidyanathan, "Wavelet-based denoising bycustomized thresholding," in Proc. ICASSP’04, vol. 2, pp. 925-928, May 2004.
[12] Z. D. Zhao, "Wavelet shrinkage denoising by generalized thresholding function," in Proc. Fourth Int. Conf. on Machine Learning and Cybernetic, vol. 9, pp. 5501-5506, Aug. 2005.
[13 ] م. نصري، ح. نظام آبادي پور و س. سريزدي، "حذف وفقي نويز از سيگنال در حوزه موجك،" دوازدهمين كنفرانس بي نالمللي انجمن كامپيوتر ايران،صص1932-1927 ، تهران، ايران، اسفند 1385.
[14] M. A. Kavchak and H. M. Budman, "Adaptive neural network architectures for nonlinear function estimation," in Proc. American Control Conf., vol. 1, pp. 63-67, Jun. 1998.
[15] Q. Zhang and A. Beveniste, "Wavelet networks," IEEE Trans. On Neural Networks, vol. 3, no. 6, pp. 889-898, Nov. 1992.
[16] X. L. Chen, M. Tian, and W. B. Yao, "GPR signal de-noising by using wavelet networks," in Proc. 4th Int. Conf. on Machine Learning and Cybernetics, vol. 8, pp. 4690-4693, Aug. 2005.
[17] U. Lotric, "Wavelet based denoising integrated into multilayered perceptron," Neurocomputing, vol. 62, pp. 179-196, Dec. 2004.
[18] X. P. Zhang, "Thresholding neural network for adaptive noise reduction," IEEE Tran. on Neural Networks, vol. 12, no. 3, pp. 567-584, May 2001.
[19] S. Haykin, Neural Network: A Comprehensive Foundation, Prentice-Hall, NJ, 2nd ed., 1999.
[20] S. Haykin, Adaptive Filter Theory, Prentice-Hall, Englewood Cliffs ,New Jersey, 1996.
[21] C. Stein, "Estimation of the mean of a multivariate normal distribution," Ann. Stat., vol. 9, no. 6, pp. 1135-1151, 1981.
[22] V. P. Oikonomou and D. I. Fotiadis, "A Bayesian approach for biomedical signal denoising," presented at IEEE ITAB 2006 Conf.,Ioannina, Greece, Oct. 2006.
