基于最优小波包基的信号去噪算法

提出了一种基于最优小波包基的信号去噪算法,该算法以小波包分析为基础,根据最小代价原理搜索信号分解的最优基,然后对高频和低频系数采用不同的阈值算法进行量化,用量化后的系数重构得到去噪后的信号.实验结果表明该算法对于信号去噪是十分有效的.     

最优小波包变换在齿轮箱振动信号去噪中的应用研究

通过对小波变换和小波包分析研究,寻找最优小波包基,结合不同阈值去噪方法,对加噪信号以及齿轮箱振动信号进行去噪处理。实验表明最优小波包基的惩罚阈值去噪结果比小波变换常用的stein无偏风险阈值去噪结果和小波包默认阈值去噪结果要好很多。该方法不仅可以有效去除噪声,还可以很好地保留信号中的细节信息。     

基于最优小波包基的信号去噪方法研究

改进了基于最优小波包基的信号去噪算法,该算法以小波包分析为基础,根据最小代价原理搜索信号分解的最优基,然后对高频和低频系数采用不同的阈值算法进行量化,用量化后的系数重构得到去噪后的信号．     

浅析基于小波和EMD的语音信号去噪

针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较.试验结果证明,当信号的信噪比较小时,基于经验模态分解的小渡阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段.     

超声信号在不同阈值下小波去噪结果的比较

基于小波变换的去噪理论对纳米固体AIP/SiO2中激光超声信号进行了去噪处理。根据信号的波形特点选取了小波函数。给出了不同阈值下的去噪结果。结果表明采用heursure阈值去噪有利于提取超声回波波形。     

基于最大能量熵的小波阈值去噪法研究

分析了现有的软阈值、硬阈值以及软硬折衷阈值三种小波阈值去噪方法的优缺点,在此基础上,提出了一种基于最大能量熵的小波阈值去噪方法,根据最大能量熵的理论确定了改进型阈值函数中的加权因子。用三种阈值函数分别对Blocks、Bumps、Droppler信号进行滤波处理中,结果表明,基于最大能量熵的小波阈值去噪方法各项性能指标均优于另外两种方法,具有良好的去噪效果。     

经验模态分解在电力绝缘气体SF6红外光谱去噪中的应用

经验模态分解(EMD)是以信号极值特征尺度为度量的时空滤波器,它充分保留了信号本身的非线性和非平稳特征,在信号去噪中具有较大的优势.本文以电力绝缘气体SF6为研究对象,在介绍EMD分解方法的基础上,首先对含噪的SF6光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频IMF分量与低频IMF分量叠加重构得到去噪后的信号.分析了在不同噪声水平上与小波阈值去噪方法的处理效果.实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势.     

图像去噪的小波阈值法研究

介绍了小波去噪的基本理论以及小波阈值法去噪的原理。小波阈值法去噪的关键是阈值的设置和阈值函数的选择。阈值的设置主要分为全局阈值法和局部阈值法。归纳了阈值的设置方法,并针对图像去噪进行了仿真实验,将一幅混有不同噪声的图像分别采用全局阈值和局部阈值去噪。实验得出局部阈值优于全局阈值的结论。     

基于脊波变换的地震信号去噪方法

Ridgelet变换是信号的一种新的多尺度表示方法,它特别适合于具有线奇异性的二维信号的描述.将小波的自适应阈值去噪方法扩展到Ridgelet域中,应用Ridgelet变换,采用自适应阈值对地震信号进行去噪处理.教值实验结果表明,Ridgelet变换在地震信号去噪方面优于小波变换.     

基于CEEMDAN与小波软阈值的语音去噪算法研究

语音信号在应用场合中容易被噪声信号干扰,导致应用效果不佳。为了降低语音信号噪声的影响,根据CEEMDAN自适应分解的优点、自相关函数能得到不同时刻取值相关程度的特性,以及小波软阈值去噪的优势,提出了一种基于CEEMDAN与小波软阈值联合去噪的语音信号处理算法。通过仿真实验验证了该算法的有效性,相较于小波软阈值直接去噪与传统CEEMDAN去噪,该算法能有效地提高受噪声污染的语音信号的信噪比,降低噪声对语音信号造成的影响。