Wpływ parametrów banku filtrów na skuteczność redukcji szumu w sygnale pomiarowym przy zastosowaniu algorytmu dyskretnej transformacji falkowej

• Autorzy: Dróżdż Łukasz , Roj Jerzy

Identyfikatory

DOI

10.32016/1.66.01

Warianty tytułu

EN

Influence of filter bank parameters on signal denoising using discrete wavelet transform

• Konferencja: LI Międzyuczelniana Konferencja Metrologów MKM 2019 (LI, 23.09.2019-25.09.2019; Opole–Moszna; Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono metodę usuwania szumu z sygnału pomiarowego bazującą na zastosowaniu dyskretnej transformacji falkowej. Przeprowadzone badania miały na celu wskazanie wpływu parametrów banku filtrów na skuteczność redukcji szumu w sygnale pomiarowym. Badania obejmowały ustalenie wpływu rodzaju falki oraz liczby poziomów dekompozycji na skuteczność algorytmu usuwania szumu. Prawidłowy dobór tych parametrów jest kluczowy do prawidłowego działania algorytmu.

EN

Paper describes signal denoising algorithm based on discrete wavelet transform. Research includes search how filterbank parameters influences on signal denoising. Paper describes how decomposition count and wavelet type influences on denoising process. Right choice of this parameters is very important to algorithm performs well. The wavelet transform algorithm is a tool enabling the analysis of signals by presenting them using a scaled and time-shifted function called a „mother wavelet”. Signal analysis requires decomposition process performed by filter banks witch parameters depends on mother wavelet and count of decomposition iterations. Presented wavelet signal denoising technique focuses on transform coefficient correction based on estimated noise parameters. This correction can be performed in many ways, depending on used strategy. Paper presents hard thresholding algorithm based on adaptive noise parameters estimation. According to simulation results the mother wavelet choice is not as important, as choice of right decompositions level count. Presented method provides better results than other common methods such Gaussian filter or average filter.

Słowa kluczowe

PL

dyskretna transformata falkowa; odszumianie sygnału; cyfrowe przetwarzanie sygnałów

EN

discrete wavelet transform; signal denoising; digital signal processing

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2019
• Tom: Nr 66
• Strony: 11--14
• Opis fizyczny: Bibliogr. 11 poz., rys., wykr., tab.

Twórcy

autor

Dróżdż Łukasz

• Politechnika Śląska, Wydział Elektryczny, Katedra Metrologii, Elektroniki i Automatyki tel.: [phone]

autor

Roj Jerzy

• Politechnika Śląska, Wydział Elektryczny, Katedra Metrologii, Elektroniki i Automatyki tel.: [phone]

Bibliografia

• 1. S. Kaur, N. Singh, Image Denoising Techniques: A Review, International Journal of Innovative Research in Computer and Communication Engineering, Nr. 2 (6), 2014, s. 4578-4583.
• 2. D. L. Donoho: Denoising by soft thresholding, Dept of Statistics, Stanford University, 1992.
• 3. D. L. Donoho I. M. Johnstone: Adapting to Unknown Smoothness via Wavelet Shrinkage, Journal of American Statistical Association, Nr. 90 (432), 1995, s. 1200-1224.
• 4. S. G. Chang, B. Yu, M Vetterli: Adaptive Wavelet Thresholding for Image Denoising and Compression, IEEETrans Image Processing, Nr. 9 (9), 2000, s. 1532- 1546.
• 5. S. G. Mallat: A Theory for Multiresolution Signal Decomposition - The Wavelet Representation, IEEE Transactions on Pattern Analysis and Machine Intelligence, Nr. 1, 1989, s. 674-693
• 6. J. Johnston: A filter family designed for use in quadrature mirror filter banks, IEEE International Conference on Acoustics, Speech and Signal Processing, 2003
• 7. R. G. Baraniuk, D. L. Jones: New Orthonormal Bases and Frames Using Chirp Functions, IEEE Transactions on Signal Processing, Nr. 41 (12), 1993, s. 3543-3548
• 8. M. Vetterli, C. Herley: Wavelets and filter banks: theory and design, IEEE Transactions on Signal Processing, Nr. 40 (9), 1992, s. 2207-2232
• 9. J. Akhtar, M. Y. Javed: Image Compression with Different Types of Wavelets, 2nd International Conference on Emerging Technologies, 2006, s. 133-137
• 10. P. Hedaoo, S. S. Godbole: Wavelet Thresholding Approach for Image Denoising, International Journal of Network Security & Its Applications, Nr. 3 (4), 2011, s. 16-21
• 11. M. Alfaouri, K. Daqrouq: ECG Signal Denoising By Wavelet Transform Thresholding, American Journal of Applied Sciences, Nr 5 (3), 2008, s. 276-281

Uwagi

PL

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).