![](https://csdnimg.cn/release/download_crawler_static/18653468/bg1.jpg)
第
31
卷第
10
期
2_011
年
lQ
月
qnv-
n-
nu
a
nu
胆
nr
用
A
一
应
M
一
机刷
算
mm
计。
俨
+A
O-
d
m
二
u-
O
YJ
Vo
l.
31
No.
lO
Oc
t.
2011
文章编号
:1001
-9081(2011)10
-2790
-03
doi:l0.3724/SP.J.I087.2011.02790
基于平稳小波变换的飞行数据去噪方法
李正欣张凤呜张晓丰费
文
2
(1.空军工程大学工程学院,西安
710038;
2.
北京军区空军装备部,北京
100061
)
(1
蛐
engxin_2005@
163.
com)
摘
要:为更有效地去除飞行数据中的噪声,分析了平稳小波变换的基本原理,将小波系数相关性与阅值收缩去
嗓方法相结合,提出一种基于系数相关性的改进阅位函数去嗓方法。该方法采用平稳小波变换,先对小波系数进行
相关性分析,而后使用改进的阂值函数对小泼系数进行阅位处理,最后进行信号重构。实验结果表明:该方法不仅能
够很好地保持信号的形状,而且信嗓比较高、均方误差较小;在实际的飞行数据处理中能够获得较好的去嗓效果。
关键词:飞行数据;多元时间序列;平稳小泼变换;信号去嗓;阂佳函数
中图分类号:
TP18 ;TN911.
72
文献标志码
:A
Flight data denoising method based on stationary wavelet transform
11
Zheng-xin
1
,
ZHANG
Feng-ming
1
,
ZHANG
Xiao-feng
1
,
FEI
Wen
2
(1.
E
昭
nee
口
ng
Inst
山甜
,
Air force Engineering University, Xi'an Shaanxi
710038
,
Chir
叫
2. Air
Force
Armament
Depart
阳
nt
,
Beijing Military Area Command,
Beij
ιπ:g
100061
, China)
Abstract:
In order to get rid of the noise of flight data more effectively, based on discussing the principle
of
Stationary
Wavelet Transfonn (SWT) , a new denoising method was proposed, which combined correlation of wavelet coefficient with
wavelet shrinkage. Firstly, signals were decomposed by using SWT; secondly, wavelet coefficient
was
dealt with by using
methods of coefficient correlation and wavelet shrinkage in sequence; at last, denoised signal was reconstructed through inverse
wavelet transfonn.
Th
e results of experiments show that the proposed method can raise Signal-to-Noise Ratio (SNR) , decrease
Mean Squared Error (MSE) and preserve the shape of signal; and it can be applied
to
flight data effectively.
Key
words:
flight data; multivariate time series; Stationary Wavelet Transfonn
(SWT);
signal denoising; threshold
function
0
引言
飞行数据真实地反映了飞机各系统的工作情况和各种飞
行状态,为开展维修保障、评估飞行训练质量以及调查分析飞
行事故提供了客观依据
[1]
。受机载设备的电磁干扰,或是飞
行过程中受外部环境的影响,使得飞行数据不可避免地含有
干扰噪声,降低了数据的可信度,给后续的飞行数据分析和处
理带来了困难。对飞行数据进行可靠的降噪滤波是其在多领
域应用研究的必要保证
[2]
。
传统方法是将含有噪声的信号通过一个滤波器,滤掉噪
声频率部分,这种方法对于信号和噪声的频带相互分离时很
有效,但当信号和噪声的频带相互重叠、信号低信噪比的情况
下,经过滤波器处理,不仅信噪比得不到改善,而且信号的位
置信息也会被模糊。文献
[3J
建立了一种滑动多项式回归模
型来处理飞行数据中的异常值,但由于飞行数据本质上具有
非平稳、非线性的特点,用回归模型进行去噪,效果有限。小
波变换具有低'脑性、多分辨性和选择小波基的灵活性等特
点
[4]
可以较好地刻画信号的非平稳性特征,在信号去噪中
得到了广泛应用。文献
[5J
直接利用小波阔值去噪方法对飞
行数据进行预处理。文献
[6J
构造了一种新的闰值函数,去
噪效果优于软硬闰值去噪方法,然而对于信号的边缘信息提
取不足。文献
[7J
分别使用二进小波尺度乘积法和阔值收缩
法对飞行数据进行连续两次去噪,计算较为复杂。
小波系数相关性去噪方法
[8]
能够有效提取信号边缘信
息,小波阔值收缩去噪方法
[9]
可使信号有限平滑,结合两种
方法的特点,本文提出一种基于系数相关性的改进阑值函数
去噪方法。
1
平稳小波变换
平稳小波变换
(Stationary
Wavelet Transfonn ,
SWT)
是一
种非正交小波变换[山]。该变换在每次分解后不进行下抽样,
而是分别在低通、高通滤波器的每两个系数间插入
2
i
-
1
个零
来实现滤波器的扩展,如式
(1)
-
(2)
所示:
k = 2
1
m
0 ,
其他
(1)
gk
ω
=
{g
ω
,
k = 2
1
m
0 ,
其他
(2)
其中
mEZ
。
经平稳小波变换后的近似信号、细节信号与原信号具有
相同的长度;同时,平稳小波变换的重构采用对所有
8-
采样
离散小波变换的重构结果进行平均,保证了时移不变性,能很
好地抑制伪
Gibbs
振荡现象;此外,平稳小波变换是一种非正
交变换,信号的表达存在冗余,部分小波系数的扰动不会带来
信号的严重失真,从而减小了信号的重构效果对单个小波系
数的依赖。
收稿日期
:2011
-04
-25;
修回日期
:2011
-
06
-16
。
作者简介:李正欣(1
982
- )
,男,河南信阳人,博士研究生,主要研究方向:信息系统工程、智能决策、数据挖掘;
张凤鸣(1
963
- )
,男,重庆
人,教授,博士生导师,主要研究方向:信息系统工程、智能决策;
张晓丰(
1978
- )
,男,天津人,讲师,博士,主要研究方向:信息系统工程、智能
决策;
费文(1
981
- )
,男,黑龙江大庆人,硕士,主要研究方向:装备管理与决策。