论文部分内容阅读
摘 要：对于无线射频识别系统，提出使用小波变换去噪的方法降低其射频信号的噪声影响。介绍了小波变换的基本理论及在RFID信号去噪中的应用；对无线射频识别信号去噪的过程进行了计算机仿真，仿真结果表明，小波变换用于RFID信号去噪具有较为理想的效果。
关键词：无线射频识别；小波变换；去噪；仿真
1 引言
无线射频识别（Radio Frequency Identification，RFID）是一种非接触式的自动识别技术，它利用射频信号及其空间耦合和传输特性，实现对静止或移动物体的自动识别，具有准确率高、读取距离远、存储数据量大、耐用性强等特点，广泛应用于产品生产、物流、销售等环节中[1]。在RFID系统工作过程中，信号需要经过一段空间距离进行传输，数据在传输过程中很可能遭到电磁干扰或噪声破坏，导致RFID系统工作不稳定和传输数据错误，因此在对接收到的射频信号进行解调之前需要进行去噪处理，以提高系统工作的可靠性和数据传输的精确性。
目前实现去噪的方法有传统的傅里叶变换滤波法和小波去噪法，傅里叶变换去噪法相当于通过一个低通或带通滤波器，只适于平稳随机信号和噪声与信号分离的情况，而对于非平稳过程信号、含宽带噪声信号，该方法具有明显的局限性，因为该过程是将信号完全放在频域里进行分析，它不能给出信号在某个时间点上的突变情况。而近十几年发展起来的小波分析方法是一种窗口面积恒定、窗口形状可变的时—频局部化分析方法，具有多分辨率的特点，广泛应用于非平稳信号的去噪，既能较好的去除噪声，又不损坏信号的突变部分，可以完成傅里叶变换无法解决的信号分析与处理。本文提出用小波变换的方法，在MATLAB环境中对无线射频识别信号进行去噪处理[2]，具有重要的理论意义和实际意义。
2 小波方法去噪
2.1 小波变换
连续小波变换对信号x（t）在小波基上的展开具有多分辨的特性，这种特性正是通过尺度因子a和平移因子？子实现的，通过a、？子的变化就得到了小波变换下不同的时频信息，从而实现对信号x（t）的局部化分析。但在实际应用中，尤其是在计算机上实现时，连续小波必须加以离散化，这一离散化是针对连续的尺度参数a和平移参数？子，而不是针对时间变量t的。
从式（2）、（3）、（4）可以看出，当a值小时，时域上观察范围小，而在频域上相当于在较高频率作分辨率较高的分析；当a值较大时，时域上观察范围大，而在频域上相当于在较低频率作分辨率较低的分析。通过适当地选择尺度因子和平移因子，可得到一个伸缩窗，只要适当地选择基本小波，就可以使小波变换在时域和频域都具有表征信号局部特征的能力。这种由粗及精对事物的多分辨率分析，是小波变换联系工程应用的重要方法。
2.2 小波阈值去噪
小波去噪的方法很多，其中，閾值去噪方法由于具有良好的去噪性能而得到广泛的应用，而且阈值去噪方法是其他去噪方法的基础。它是对小波分解后的各层系数中模大于和小于某阈值的系数分别处理，然后对处理完的小波系数再进行反变换，重构出经过去噪后的信号，从而达到去噪的目的。其主要步骤为[4]：
1）含噪信号的小波分解。选择一种小波并确定分解的层次，然后对信号进行N层小波分解。图1为信号S的3层小波分解示意图。
图1 信号3层小波分解示意图
2）小波分解高频系数的阈值量化。对第1层到第N层的每一层高频系数，选择一个阈值进行阈值量化处理。
3）去噪信号的小波重构。根据小波分解的第N层的低频系数，和经量化处理后的第1层到第N层的高频系数，进行信号的小波重构。
在上述小波去噪的3个步骤中，最核心的就是如何选取阈值并对阈值进行量化，在某种程度上它关系到信号去噪的质量。在小波变换中，对各层系数所需的阈值一般根据原始信号的信号噪声比来选取，也即通过小波各层分解系数的标准差来求取。在得到信号噪声强度后，可以确定各层的阈值。这里讨论了两种不同小波以及同一小波下不同阈值对恢复后信号质量的不同来说明小波和阈值选取的重要性[5]。
3 基于MATLAB的仿真实验
在RFID系统中，射频信号经射频芯片的天线发射出去，读写器接收信息进行处理并做出相应的反应，在信号传递的过程中不可避免的会引入噪声。下面在MATLAB中，模拟RFID射频信号的小波去噪过程。
信号去噪结果如图2、图3。
图2 不同小波的去噪效果
从图2可以看出：利用db3小波去噪后的信号基本上恢复了原始信号的形状，并且明显消除了噪声干扰。但是，滤波后的信号和原始信号相比有了明显的改变，这主要是因为去噪过程中所用的分析小波和细节系数阈值不恰当所致。然后利用sym8小波去噪，看得出它更进一步地恢复了原始信号的图像特征，两者信号质量的不同是因为小波选取的不同造成的。
图3 同一小波不同阈值下的去噪
图3中，本仿真使用smy8小波分别在默认阈值和给定阈值下进行去噪，可以看出这里使用给定阈值去噪的效果略优于默认阈值去噪的效果。由此可见在信号去噪过程中阈值的选取是十分重要的，在一定程度上它直接关系到对信号去噪处理的质量。
4 结束语
无线射频识别信号的去噪处理是RFID系统正常工作的一个重要环节，本文提出利用小波变换方法对RFID信号进行去噪处理，并讨论了不同小波及不同阈值情况下的去噪效果。仿真表明，基于小波的去噪方法效果明显，研究小波变换在射频信号去噪中的应用具有现实意义并切实可行。
参考文献
[1] 康东，石喜勤，李勇鹏.射频识别（RFID）核心技术与典型应用开发案例[M].北京：人民邮电出版社，2008.
[2] 孙凤，何怡刚，肖迎群.RFID射频信号的小波消噪方法[J].计算机仿真，2010，27（11）：332-335.
[3] 李弼程，罗建书.小波分析及其应用[M].北京：电子工业出版社，2003.
[4] 董长虹，高志，余啸海.Matlab小波分析工具箱原理与应用[M].北京：国防工业出版社，2004.
[5] 朱来东，廉小亲，江远志.小波变换在信号降噪中的应用及MATLAB实现[J].北京工商大学学报（自然科学版），2009，27（2）：46-49.
关键词：无线射频识别；小波变换；去噪；仿真
1 引言
无线射频识别（Radio Frequency Identification，RFID）是一种非接触式的自动识别技术，它利用射频信号及其空间耦合和传输特性，实现对静止或移动物体的自动识别，具有准确率高、读取距离远、存储数据量大、耐用性强等特点，广泛应用于产品生产、物流、销售等环节中[1]。在RFID系统工作过程中，信号需要经过一段空间距离进行传输，数据在传输过程中很可能遭到电磁干扰或噪声破坏，导致RFID系统工作不稳定和传输数据错误，因此在对接收到的射频信号进行解调之前需要进行去噪处理，以提高系统工作的可靠性和数据传输的精确性。
目前实现去噪的方法有传统的傅里叶变换滤波法和小波去噪法，傅里叶变换去噪法相当于通过一个低通或带通滤波器，只适于平稳随机信号和噪声与信号分离的情况，而对于非平稳过程信号、含宽带噪声信号，该方法具有明显的局限性，因为该过程是将信号完全放在频域里进行分析，它不能给出信号在某个时间点上的突变情况。而近十几年发展起来的小波分析方法是一种窗口面积恒定、窗口形状可变的时—频局部化分析方法，具有多分辨率的特点，广泛应用于非平稳信号的去噪，既能较好的去除噪声，又不损坏信号的突变部分，可以完成傅里叶变换无法解决的信号分析与处理。本文提出用小波变换的方法，在MATLAB环境中对无线射频识别信号进行去噪处理[2]，具有重要的理论意义和实际意义。
2 小波方法去噪
2.1 小波变换
连续小波变换对信号x（t）在小波基上的展开具有多分辨的特性，这种特性正是通过尺度因子a和平移因子？子实现的，通过a、？子的变化就得到了小波变换下不同的时频信息，从而实现对信号x（t）的局部化分析。但在实际应用中，尤其是在计算机上实现时，连续小波必须加以离散化，这一离散化是针对连续的尺度参数a和平移参数？子，而不是针对时间变量t的。
从式（2）、（3）、（4）可以看出，当a值小时，时域上观察范围小，而在频域上相当于在较高频率作分辨率较高的分析；当a值较大时，时域上观察范围大，而在频域上相当于在较低频率作分辨率较低的分析。通过适当地选择尺度因子和平移因子，可得到一个伸缩窗，只要适当地选择基本小波，就可以使小波变换在时域和频域都具有表征信号局部特征的能力。这种由粗及精对事物的多分辨率分析，是小波变换联系工程应用的重要方法。
2.2 小波阈值去噪
小波去噪的方法很多，其中，閾值去噪方法由于具有良好的去噪性能而得到广泛的应用，而且阈值去噪方法是其他去噪方法的基础。它是对小波分解后的各层系数中模大于和小于某阈值的系数分别处理，然后对处理完的小波系数再进行反变换，重构出经过去噪后的信号，从而达到去噪的目的。其主要步骤为[4]：
1）含噪信号的小波分解。选择一种小波并确定分解的层次，然后对信号进行N层小波分解。图1为信号S的3层小波分解示意图。
图1 信号3层小波分解示意图
2）小波分解高频系数的阈值量化。对第1层到第N层的每一层高频系数，选择一个阈值进行阈值量化处理。
3）去噪信号的小波重构。根据小波分解的第N层的低频系数，和经量化处理后的第1层到第N层的高频系数，进行信号的小波重构。
在上述小波去噪的3个步骤中，最核心的就是如何选取阈值并对阈值进行量化，在某种程度上它关系到信号去噪的质量。在小波变换中，对各层系数所需的阈值一般根据原始信号的信号噪声比来选取，也即通过小波各层分解系数的标准差来求取。在得到信号噪声强度后，可以确定各层的阈值。这里讨论了两种不同小波以及同一小波下不同阈值对恢复后信号质量的不同来说明小波和阈值选取的重要性[5]。
3 基于MATLAB的仿真实验
在RFID系统中，射频信号经射频芯片的天线发射出去，读写器接收信息进行处理并做出相应的反应，在信号传递的过程中不可避免的会引入噪声。下面在MATLAB中，模拟RFID射频信号的小波去噪过程。
信号去噪结果如图2、图3。
图2 不同小波的去噪效果
从图2可以看出：利用db3小波去噪后的信号基本上恢复了原始信号的形状，并且明显消除了噪声干扰。但是，滤波后的信号和原始信号相比有了明显的改变，这主要是因为去噪过程中所用的分析小波和细节系数阈值不恰当所致。然后利用sym8小波去噪，看得出它更进一步地恢复了原始信号的图像特征，两者信号质量的不同是因为小波选取的不同造成的。
图3 同一小波不同阈值下的去噪
图3中，本仿真使用smy8小波分别在默认阈值和给定阈值下进行去噪，可以看出这里使用给定阈值去噪的效果略优于默认阈值去噪的效果。由此可见在信号去噪过程中阈值的选取是十分重要的，在一定程度上它直接关系到对信号去噪处理的质量。
4 结束语
无线射频识别信号的去噪处理是RFID系统正常工作的一个重要环节，本文提出利用小波变换方法对RFID信号进行去噪处理，并讨论了不同小波及不同阈值情况下的去噪效果。仿真表明，基于小波的去噪方法效果明显，研究小波变换在射频信号去噪中的应用具有现实意义并切实可行。
参考文献
[1] 康东，石喜勤，李勇鹏.射频识别（RFID）核心技术与典型应用开发案例[M].北京：人民邮电出版社，2008.
[2] 孙凤，何怡刚，肖迎群.RFID射频信号的小波消噪方法[J].计算机仿真，2010，27（11）：332-335.
[3] 李弼程，罗建书.小波分析及其应用[M].北京：电子工业出版社，2003.
[4] 董长虹，高志，余啸海.Matlab小波分析工具箱原理与应用[M].北京：国防工业出版社，2004.
[5] 朱来东，廉小亲，江远志.小波变换在信号降噪中的应用及MATLAB实现[J].北京工商大学学报（自然科学版），2009，27（2）：46-49.