《表3 不同阈值下的信号压缩率和重构精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于小波包的锅炉炉管声波信号自适应压缩感知》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从历史数据中任意截取5段长度为256个采样点的声波信号，采用Sym5小波基对信号进行4尺度小波包分解，并计算各信号4尺度下小波包系数高频部分的数学期望E。分别以1.2倍、1.0倍、0.8倍数学期望（1.2E、1.0E、0.8E）为阈值对4尺度下小波包系数进行置零处理。然后按本文小波包系数块分类方法对各信号进行重构，分别计算各声波信号的CR/PSNR值（表3）。由表3可见:小波包系数的置零阈值越大，其数据压缩率越高，这是因为置零阈值越大，则小波包系数的稀疏度越高，则压缩率越高；当采用1.2E作为小波包系数阈值时，其信号的重构精度低于1.0E，这是因为前者的阈值较大，采用过大阈值对小波包系数进行置零处理会丢失部分有用的信号特征，因而其重构精度不高；当采用1.0E作为小波包系数阈值时，其信号的重构精度优于0.8E，这是因为前者的阈值较大，采用较大阈值对小波包系数进行置零处理时，其信号的稀疏度高于后者，因而重构精度较高。综上所述，采用1.0E作为小波包系数阈值时，信号的压缩率和重构精度均比较理想。