基于阵列信号处理的波前重构技术

自适应光学波前重构和信号处理对精度和速度要求很高。介绍了目前常用的波前重构:区域法和模型法。针对常规方法中存在局部性和运算量大的问题,提出阵列信号处理方法在波前重构中的实现步骤,并讨论了工程实现的若干问题。     

基于小波变换的图像降噪

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法可以有效地降低噪声,又可以较好地保持图像细节。     

地震面波去噪应用型综合实验设计

为了加强学生对所学信号理论知识的理解、培养学生的实践能力和创新能力,从研究性教学的理念出发,设计了地震面波去噪应用型综合实验项目。详细阐述了实验设计的思路、内容和方法。实践表明,该实验选题新颖,学生参与积极性高,能够有效将信号理论知识与实际应用结合,不仅帮助学生深入理解所学理论知识,为后续专业课程的学习奠定扎实基础,而且提高了学生的创新意识、实践能力和科研能力。     

基于小波变换的信号降噪

介绍了应用一维小波变换对电信号进行降噪的方法,并利用Matlab编程仿真给出仿真结果.     

基于非下采样轮廓波变换与数学形态学方法的图像边缘检测(英文)

提出了一种新的图像边缘检测算法,该算法融合了非下采样轮廓波变换与数学形态学方法来实现图像的边缘检测.首先,源图像被非下采样轮廓波变换分解成多尺度、多方向子带;然后,分别采用双阈值模极大值算法和数学形态学方法提取高频与低频子带的边缘信息;最后,综合高频、低频子带边缘信息,得到源图像全部的边缘信息,并进行细化,剔除孤立点,获得源图像的边缘.仿真实验结果表明:新算法能够有效抑制噪声,去除伪边缘,一定程度上克服了光照不均引起的不良影响;与传统经典算法LoG,Sobel和Canny及模极大值方法相比,该算法能保持足够的定位精度和边缘细节,且边缘轮廓的完整性、光滑度、清晰度等得到明显提升.     

基于小波变换的语音降噪分析与实现

介绍了小波变换的一般理论及在信号降噪应用中的理论基础,分析了染噪后语音信号的特性,并使用多种小波和不同阈值对语音信号进行小波变换降噪,对结果进行了分析比较。     

基于小波变换及子带阈值的彩色图像降噪

提出了一种对彩色图像降噪的新方法,该方法先把彩色图像分解为红、绿、蓝3个基色图像,然后利用小波变换分别对3个基色图像进行多尺度分解,求出其各个尺度三个方向高频系数的子带阈值,并组成1个子带阈值矩阵,对单基色图像的各个尺度3个方向的高频系数进行阈值处理,实现对单基色图像的降噪,最后把降噪后的3个基色图像融合为一幅彩色图像。实验结果表明该方法可以很好地消除噪声,又可以较好地保持图像细节。     

基于小波变换的信号消噪

通过对噪声特性的分析并用小波的方法对信号进行消噪处理,结合去噪原理讨论和比较了实际应用中对小波基及阈值规则的合理选取问题。结果表明,这种方法在改善信噪比的同时,又保持相当高的时间分辨率,并且计算简单,有很好的去噪效果。     

基于小波变换星地同步数据处理技术研究

阐述了星地授时同步原理和小波变换理论,分析了小波基的选取准则以及阈值,阈值函数的选取方法。将小波变换理论应用于星地同步数据的处理上,在matlab的平台上对星地同步数据进行降噪仿真处理,分别采用haar小波、db6小波、db10小波和sym6小波对星地授时同步数据进行降噪处理。实验结果表明,小波变换方法实现了对授时同步数据的有效降噪,将授时同步精度提升至10纳秒以内,是一种可靠的分析方法,为星地同步数据降噪方法提供了一定的参考价值。     

基于双密度小波变换的信号去噪研究

为了改善信号的去噪效果,在分析离散小波变换和双密度小波变换的基础上,提出一种基于双密度小波变换的去噪算法。双密度小波有两个小波函数,同一个尺度内相邻的小波间的频带间隔更小,有效的克服了离散小波变换时移性的缺点,有近似的平移不变性,更能描述信号的真实特征。将该算法用于不同噪声强度下的信号去噪,实验结果表明：基于双密度小波变换的去噪算法优于基于离散小波变换的去噪算法,是一种有效的信号去噪新算法。     

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．     

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.     

基于改进阈值函数的小波去噪算法研究

为更好地消除心电信号（ECG）处理过程中存在的基线漂移、工频干扰和肌电干扰等噪声,提出一种基于改进小波阈值的去噪算法。该算法选定 coi5 作为小波基进行分解,选取分解尺度为 8 层,使用改进的阈值选取方法对每一层信号系数进行去噪。该阈值函数不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差,同时具有良好的自适应性。实验结果表明,该方法与传统阈值法相比,信噪比提高了24.26%,均方误差降低了 21.42%;与当前国际上先进的去噪算法相比,信噪比提高了 2.01%,均方误差降低了6.9%,去噪效果显著提升,验证了该算法的有效性。     

具有两个生成元的小波框架的信号去噪

介绍了小波框架的基本知识和小波框架的分解重构算法,及小波框架阈值去噪算法,对Haar小波、db4小波、sym8小波和小波框架进行去噪实验,仿真实验结果表明最小能量小波框架去噪效果优于Haar小波、db4小波、sym8小波的去噪效果.     

基于小波阈值去噪的改进方案

在D.L.Dohono提出的软、硬阈值去噪方法的基础上,提出了两种新的阈值函数,并对小波阈值的去噪算法进行仿真实验研究。首先分析软、硬阈值去噪法及最新的阈值改进算法,在此基础上提出两种改进小波阈值去噪算法,然后用提到的各种小波阈值去噪算法对指定图像进行去噪仿真研究,最后基于实验结果进行对比分析。新阈值函数在图像去噪方面要优于传统的软、硬阈值函数。能更好的保留原始图像信息,提高峰值信噪比并降低均方误差。     

基于小波分析的图像去噪

针对图像去噪展开研究,结合均值滤波技术和小波分析技术,提出了使用高斯平滑滤波与小波局部阈值处理相结合的方法。首先对图像进行高斯平滑滤波,然后选取适当的小波阈值对小波系数进行处理、重构得到新的图像,并将去噪图像的峰值信噪比作为性能指标,仿真实验结果表明文中所用的方法去噪效果更佳,图像有着更好的视觉效果。     

基于小波理论的心电信号仿真分析

小波理论在心电信号去噪处理中已经得到了广泛的应用,针对不同的噪声可以采用不同的小波方法进行去噪处理。根据小波在各个尺度上的不同的带通滤波特性,利用小波变换多分辨的特点对心电信号进行滤波,并应用Matlab仿真进行实验。通过实验证明,利用不同的阈值函数及自适应阈值能较好地抑制信号中的基线漂移、工频干扰和肌电干扰,具有一定的实用价值。     

对小波图像去噪方法的探讨

小波图像去噪方法已广泛应用于图像去噪领域．在对日前小波图像去噪文献进行综合的基础上，描述了信号奇异性，并阐述了三种基于小波阈值去噪的方法，最后对小波去噪方法进行了一些展望．