Fulltext

A New Signal De-Noising Method UsingAdaptive Wavelet Threshold based on PSO Algorithm and Kurtosis Measuring for Residual Noise

Sameer Abdul Kadhim

Journal of University of Babylon مجلة جامعة بابل
ISSN: 19920652 23128135 Year: 2017 Volume: 25 Issue: 1 Pages: 8-19
Publisher: Babylon University جامعة بابل

Abstract

The signal de-noising based on waveletthresholdingis subjected to the value of threshold and how the way selection for it. Thismadea threshold value acts as an oracle which distinguishes between noise and signal.To date, there havebeen several methodsdeveloped to predictthe value of thresholddepending on statistical calculationsfor the noisy signalassuming that there is some priori knowledge for original signal and noise distributions.In fact, in any practical issues, only theobserved noisy signal that wehold.Therefore, in this work, an intelligent modelis developed to estimate the value of thresholdwithout any priority of knowledge for these distributions. This is done by implementingthe Particle Swarm Optimization (PSO) algorithm for kurtosis measuring of the residual noise signal to find an optimum threshold value at which the kurtosis function be maximum. These residual noise signal can be estimated by applying an inverse threshold function to the detail coefficients of the DWT. This model has been validated by comparison the results with the statisticalmodels and shows strong agreement for the obtained threshold parameter.Computer simulation for proposed model was implemented using MATLAB2011 as follows:At first, the kurtosis measuring for residual noise was analyzedusing three different signals with four SNR levels. Through this step we found that: there's a single value for the threshold that maximizes the kurtosis of residual noise. Then, the PSO algorithm was implemented to find this optimumvalue.At the same time, it's noticed that the PSO algorithm with ten swarmprovidesa convergence speed about (20~ 30)iterationfor any signal distribution at any SNR level and for each decomposition level.Finally, the mean square error (MSE) was used to evaluate the performance oftwo and five decomposition levels for each tested signal.

ان عملية تقليل الضوضاء بالاعتماد على طريقة قياسالعتبة في تحويلة المويجات للاشارة المستلمةيخضع الى قيمة العتبة وطريقة اختيارها. وهذا يجعل قيمة العتبة كالفاصل الذي يميز بين الضجيج والإشارة. لهذا الوقت توجد هناكعدة طرققد طورت لتخمين قيمة العتبة والتي تعتمد على الحسابات الاحصائية للاشارة المشوشة حيثتفرض ان توزيع الاشارة الاصلية وتوزيع الضوضاء معلوم مسبقا. في الحقيقة وفي اي نظام عملي تكون الاشارة المستلمة (المشوشه) هي المعلومة فقط . ولهذا - في هذا العمل - قد تم تصميم نظام ذكي يبحث قيمة العتبة بدون اي معلومات سابقة لتلك التوزيعات الاحصائيةوذلك عن طريق تنفيذخورازميةتجمع الجسيماتلـ (مقياس تفلطح متبقي الضوضاء المخمن) لايجاد قيمة العتبة المثالية والتي تكون عندها قيمة دالة التفلطح اعظم مايمكن. ويمكن تخمينمتبقي الضوضاءوذلك باستخدام دالة العتبة العكسية للعوامل التفصيلية لتحويلة المويجة المتقطعة للاشارة.ان مصداقية هذا الموديل قد تمت بمقارنة النتائج مع الحسابات الاحصائية وقد بينت النتائج قبول جيد لقيمة العتبة المستحصلة.تم تنفيذ النظام المقترحبواسطة المحاكاة عن طريقبرنامجMATLAB2011 كالاتي: اولا:تم قياس معامل التفلطح للضوضاء المتبقي لثلاث إشارات مختلفة بأربعة مستويات مختلفه للضوضاء.وقد وجد ان هناك قيمة واحدة فقط يكون عندهاﻤﻌﺎﻤل ﺍﻟﺘﻔلطﺢ للضوضاء المتبقيةأعظممايمكن. وبعد ذلك تم تنفيذخوارزميةتجمع الجسيماتللعثور على هذه القيمة المثالية.وفي نفس الوقت لوحظ أن خوارزمية تجمع الجسيمات بـ عشرة جسميات فقطتوفر سرعة تقارب حوالي من 20 الى 30 تكرار لأي توزيع إشارة ولأي مستوىضوضاء مستخدم .وبالاخرتم تقييم الاداء باستعمال معدل مربع الخطأمعمستويان و خمسة مستوياتتحلللكل إشارة اختبار.

Keywords

Signal de-noising --- inverse threshold --- residual noise --- PSO --- kurtosis --- تقليل ضوضاء الاشارة، العتبة العكسيه، الضوضاء المتبقيه، خوارزمية تجمع الجسيمات ، ﻤﻌﺎﻤل ﺍﻟﺘﻔلطﺢ.