(6)
式中,S为分解的层数,{hi}与{gi}为已设计好的小波滤波器。
Mallat快速分解法首先将数据f(n)分解为C1n与d1n,其中C1n为低频信号,d1n为高频信号。假设f(n)对应的频率ω满足|ω|<Ω,则C1n所对应的频率满足,d1n所对应的频率满足
。第二层分解是将C1n进行再分解。如此重复,则f(n)被分解成频率不同的成份:d1n,d2n,…,dsn,Csn。根据信号与噪声的频率特性,可以较容易地从这些频率不同的成份中区分出信号与噪声,从而完成信噪分离。
4.无衍射光束三角测量系统测量误差的小波处理
理想的贝塞尔光束信号是一曲线光滑、幅值变动较大的低频信号;而噪声的幅值变动较小,且呈不规则的随机状态,变动频率也较高,即噪声误差是高频信号。由于信号与噪声的频率特性不同,所以采用小波分析方法能将信号与噪声分离,进而剔除噪声误差。
图3所示是一模拟的理想贝塞尔光束信号,将它与图5所示的服从均匀分布的随机噪声相叠加,即得到存在噪声干扰的模拟信号,如图4所示。选用 Daubechies正交小波滤波器,根据式(6)对图4的信号数据进行三次小波分解,即可理想地分离信号与噪声,如图6和图7所示。通过多次理想光束加噪模拟试验,结果表明,经小波处理后,加噪光束峰值最大偏差由6μm减小到1μm,降噪效果显著。
如图8所示,CCD实测贝塞尔光束中含有噪声误差,中心光斑处出现多峰和峰值偏移,严重影响峰值的位置确定精度。
图4 理想光束信号+随机噪声
图5 服从均匀分布的随机噪声
图6 小波分离的噪声
图7 去噪后的贝塞尔光束信号
图8 CCD实测贝塞尔光束
图9所示为经小波处理后的实测贝塞尔光束。由图可见,经小波处理后,光束峰值位置突出、居中。经多次实测结果可知,实测信号峰值的最大偏差由3个像元减小到1个像元,使相应的位置测量精度显著提高。
图9 经小波处理后的实测贝塞尔光束