基于小波阀值的信号去噪

利用小波变换消除噪声的方法有多种,如小波模极大值去噪、小波阀值去噪等.本文首先分析小波变换的基本原理,分别对小波变换的模极大值去噪法和阈值去噪法的原理进行阐述,通过计算机仿真表明小波阈值法和模极大值法去噪的有效可行.     

基于新阈值函数的小波阈值去噪方法

针对硬阈值去噪效果不佳,软阈值过度光滑使信号失真的缺点,本文在研究Donoho的软、硬阈值去噪方法基础上,提出了一种新的阈值函数,该阈值函数在整个定义域内统一定义,表达式简单易于计算,同软阈值函数一样具有连续性。通过对典型信号Blocks、Bumps、Heavy sine、Doppler的仿真实验结果显示,与基于硬、软阈值去噪方法相比,基于新阈值函数的小波去噪方法取得非常好的去噪效果,在均方误差等性能指标上表现优异,重建信号的信噪比也得到提高。     

基于小波变换系数门限值的去噪方法研究

本文系统分析了基于小波变换的门限值去噪方法,研究了小波变换门限值选择的准则及其算法.通过计算机仿真,比较了各种准则的性能,验证了基于小波变换门限值去噪方法的滤波效果.仿真结果表明,基于小波变换门限值的去噪方法可以有效地去除宽带噪声.     

基于多小波分析的图像优化去噪方法研究

针对传统单小波在对称性、正交性、有限支撑等特性上的不足,提出一种基于多小波分析的图像优化去噪方法。对图像进行预滤波处理操作,消除多小波的不恰当离散性。对待处理信号经预滤波处理后产生的四个分量进行多小波变换处理。采用Visu shrink方法与基于stein无风险估计的Sureshrink方法对阈值进行确定。保持总像素量不变,给出多小波分解及重构系统框图。以S=2的多小波为例对多小波变换进行分析。分别完成行滤波和列滤波。对噪声方差进行预测,完成对原始图像多小波系数的方差的估计,对尺度参数和阈值进行计算。仿真实验结果表明,所提方法能够有效去除图像噪声,进一步增强了图像的信噪比。     

基于多个小波基联合去噪方法的研究

图像在形成、传输、存储过程中,不可避免地会受到各种噪声的干扰,极大地影响了人们从图像中提取信息,因此,采用适当的方法尽量减少图像噪声是一个十分重要的处理步骤。小波变换应用于图像去噪领域比较成功,在图像去噪中能更好地保护图像细节。本文提出了一种多个小波基联合去噪的方法,该方法能够很好的去除图像中常见的噪声。     

基于小波变换的信号去噪研究

小波变换在信号去噪的应用中有很大的优势,它弥补了傅里叶变换在信号去噪中的局限。小波变换在时间域和频率域都具有良好的局部特性,可以聚焦到信号的任意细节。根据信号的特性利用小波变换的处理方法能够有效的将有用信号与噪声分离开来从而达到去噪的效果。     

金融时间序列去噪的小波变换方法

比较分析了传统滤波方法对金融数据去噪的缺陷，提出采用小波分析对金融时间序列进行去噪。根据Donoho提出的小波去噪中的非线性阚值理论，结合金融时间序列的特点，分析了相应去噪参数的选取问题。以深圳成份指数数据为例进行实验。结果表明了该方法的有效性。     

基于小波变换的图像阀值去噪算法

随着社会经济的不断发展和科学技术的日益提高,人们对于各种数字仪器和数码产品的需求越来越多,同时,伴随着时代的进步,图像和视频已然成为当下人类活动中最常用的信息载体。但是,受种种因素的影响,图像的获取和传输过程很容易出现画质降低的问题,尤其以因各种噪声导致的图像降质问题最为严重。基于此,本文从图像阀值去燥算法理论基础出发,结合试验研究了小波变换下图像阀值去噪算法的应用改进方法,以希冀给予广大图像领域专家一些可行的帮助和建议,进而促进我国图像阀值去噪技术的进一步发展和进步。     

基于小波变换的微震信号去噪研究

微震信号去噪的目的是通过剥离噪声信号来最大化获取有用信号。该有用信号蕴含着岩石内部应力变化及破裂的机理,通过对微震有用信号的分析处理,可以定位微震震源位置和计算矿震能量大小。文章介绍了小波变换去噪的基本原理和方法;并通过在MATLAB环境下对微震原始信号进行小波阈值去噪仿真,验证了小波阈值方法在微震信号去噪领域的可行性及优越性;阐述了小波消噪中阈值的选取规则,并通过对微震原始信号的4种自适应阈值去噪效果的比较,表明4种阈值去噪方法均能有效地实现微震信号去噪。     

基于小波变换和稀疏表示的人脸识别方法研究

在传统的基于小波变换的人脸识别方法的基础上,加入稀疏表示的方法对人脸识别进行研究,进一步提高人脸识别率。小波变换把人脸图像分解为一幅低频人脸图像和三幅高频人脸图像,低频人脸图像代表人脸图像的全局(整体)信息,高频人脸图像代表人脸图像的纹理和边缘等细节信息。低频人脸图像在人脸识别中起到关键性作用,用正交投影的方法对低频人脸图进行识别得到的低频人脸图像分类隶属度。高频人脸图像在人脸识别中同样存在不可忽略的作用,用基于领域能量的方法把三幅高频人脸图像融合为一幅高频融合人脸图像,然后用稀疏表示的方法对融合图像进行识别得到高频人脸图像分类隶属度。最后把高、低频分类隶属度融合确定人脸图像所属类别,与传统人脸识别方法相比,进一步提高了人脸识别率。     

小波去噪理论的仿真研究

本文利用小波方法对含噪的Blocks信号进行去噪,从小波基函数、阈值、阈值的施加方式、分解层数等方面对信号进行了小波去噪仿真,之后使用平移不变量对结果进行了进一步处理,并以信噪比、均方根误差和视觉效果为标准,对结果进行了研究,得出了对此类信号较好的去噪方法。     

基于小波变换尺度间去噪的监测数据处理

利用小波技术对监测数据进行去噪分析是一种具有广阔应用前景的数据挖掘技术。首先介绍了小波分析的原理与小波变换尺度间去噪方法,在此基础上,应用小波对一组模拟监测数据进行去噪分析,结论显示小波可以用于监测数据的预测分析。     

基于语音特点的小波阈值去噪算法分析

小波分析在信号处理方面具有优越性。本文将其应用于语音去噪,并根据语音信号的特点提出了一种适应性强的阈值函数;将新的阈值算法和Waveshrink算法用于语音去噪,并运用多个语音样本进行实验对比,仿真数据表明,本算法有良好的适应性,效果较优。     

基于语音特点的小波阈值去噪算法分析

小波分析在信号处理方面具有优越性。本文将其应用于语音去噪,并根据语音信号的特点提出了一种适应性强的阈值函数;将新的阈值算法和Waveshrink算法用于语音去噪,并运用多个语音样本进行实验对比,仿真数据表明,本算法有良好的适应性,效果较优。     

基于小波去噪与改进的DFT信道估计算法

针对基于离散傅里叶变换(DFT)信道估计算法没有消除循环前缀长度以内噪声,本文提出了一种小波去噪与改进DFT相结合的正交频分复用(OFDM)系统信道估计算法。与传统的基于DFT信道估计算法相比,在误码率相同或者均方误差相同的条件下,该算法的信噪比(SNR)有了较大的提升。仿真结果表明,该算法能较好地减小信道所受噪声的影响,并能有效提高信道估计的精确度,其总体性能比基于DFT的信道估计算法更优。     

基于小波变换的容积脉搏波信号去噪研究

在容积脉搏波信号采集过程中,会受到多种噪声干扰,传统的去噪处理效果并不理想。经过理论分析各种小波基特点得出适合处理容积脉搏波的最佳小波基,通过使用传感器采集的信号进行验证,采用分层阈值去噪的方法,提出对比去噪后信号的二阶微分信号作为去噪性能评定指标,最后得出coif5小波基在抑制噪声的同时还能保留容积脉搏波信号的特征便于进行后期研究。     

基于新阈值函数的电动机故障信号小波去噪

针对采集的电动机故障信号提取特征频率时产生的噪声干扰,提出了一种新的小波阈值函数,并将其与分层阈值相结合用于故障信号的小波去噪。新阈值函数很好地克服了软、硬阈值函数的缺点,分层阈值符合噪声分解系数随着分解尺度增大而迅速衰减的特点。对仿真信号及实测工程信号的分析结果表明,该算法有良好的去噪效果并有助于提高故障诊断的准确性。     

基于小波变换的语音增强—阙值去噪的研究

对小波去噪的基本原理和小波阙值去噪方法进行了分析、研究.在此基础上丢小渡阙值去嗓法中阙值函数进行了研究.并针对软、硬阙值函数的不足,提出了一种新阙值函数,并对这个新阙值函数进行分析,并进行试验仿真.     

基于小波神经网络的信号去噪时的阀值自学习

本文针对某一确定数据采集系统中小波去噪时的阀值选择，提出以小波神经网络加标准信号来标定去噪阀值的方法，从而提高对信号的去噪性能。     

一种改进的小波去噪算法研究

根据信号与噪声在小波变换下的不同特征,可以运用小波变换来消除噪声。模极大值小波域消噪算法只能采用二进制尺度分解,这限制了一些信号的分析结果。针对该不足进行了改进,采用自适应选择分解尺度代替二进制尺度分解尺度。