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。     

小波变换用于色谱信号处理

利用快速离散小波变换(DWT)和小波逆变换(IDWT)对色谱信号进行小波分解、滤波和信号重构,同时,也与其他数字滤波方法进行了比较,结果表明,小波变换可以成功去除色谱信号中的噪声,使色谱信号平滑和提高信噪比.     

微弱信号混沌检测系统的噪声分离研究

混沌学是目前非线性科学研究中的热点之一.传统的微弱信号混沌检测技术在信号存在噪声的情况下暴露出许多不足之处,如去噪能力较差、检测精度不高等,本文基于前人的研究基础,提出了一种改进小波变换算法的微弱信号混沌检测系统的方法,通过仿真实验可知能够将该方法运用到微弱信号检测.具体方法是对传统小波变换算法的变换域变量进行离散化,目的是消除变换中的冗余,之后采用阈值折衷策略对小波系数进行阈值优化,处理后的小波算法将应用于微弱信号混沌检测系统中,周期策动力为有限离散处理后的含噪信号并入混沌系统,从而实现含噪情况下的微弱信号检测.一系列仿真实验表明,提出和改进的小波变换算法的去噪效果要优于传统小波变换算法,同时在微弱信号混沌检测系统的应用中,改进算法的检测精度和鲁棒性更好.     

WICA算法在脑电α波增强中的应用

随着脑电信号处理技术的发展,脑诱发电位的提取更广泛地应用于神经精神科以及其他领域.但是,目前一系列脑电分析方法都存在一定的缺陷.而根据脑电信号以及信号分析方法各自的特点,把小波变换(WT)和独立分量(ICA)结合的方法(WICA)应用到脑电α波增强中,小波变换可以增强待检测信号成分,削弱非目标信号成分和噪声的干扰,经过小波变换后子带重组的多道ICA输入信号中,非目标信号成分和干扰信号成分己变得较弱,因此,WICA算法能有效地分离出相对较强的目标信号成分.实验结果表明,WICA算法在脑电α波增强中可取得比较好的效果.     

基于小波变换的局放信号检测与提取

为提高局放信号检测的准确度，确保电力设备故障诊断的有效性和可靠性，本利用连续小波变换对背景噪声较强的的局放信号进行多尺度分解，在某些尺度下，使局放信号明显增强，用阀值比较可以有效地检测并消除噪声干扰。实验结果表明，只要选取合适的小波函数就能有效地抑制噪声干扰并完成对局放信号的检测和特征提取。     

二维非平稳信号的小波谱均衡处理方法

小波变换对信号的分时分频的精细表达和多分辨率的全面把握，使我们能更深入地认识信号和噪声的特性，便于基于小波域进行更有效的高分辨率的处理工作；而谱均衡处理技术是提高信号纵向分辨率的有效方法，所以本文提出了将两种方法结合起来共同进行提高二维非平稳信号分辨率．其基本思想是先将二维非平稳信号进行小波分频处理，得到不同尺度的信号；然后将各尺度上的信号分别进行谱均衡处理，再将经谱均衡处理的不同尺度信号进行重建，从而得到高分辨率信号，我们将上述方法称之为小波谱均衡处理．利用提出的新方法进行实际信号处理，处理结果表明该方法的处理效果要好于常规的谱均衡方法，它既能提高二维非平稳信号的纵向分辨率，同时又能保持原信号的固有特征．     

小波消噪在信号处理中的应用

小波理论是近年来迅速发展起来的新兴学科，已成为众多领域的研究热点。本文介绍了利用小波分析理论，分析噪声干扰有用信号的处理问题，并利用二进小波变换对含噪声的振动信号进行信噪分离。并将小波变换与短时Fourier变换消除噪音进行了比较，分析结果表明小波分析对非平稳信号消噪有着傅立叶分析不可比拟的优点。     

基于小波变换的数字调制信号的特征提取

主要研究基于小波变换的数字调制信号的特征提取.和傅里叶变换不一样,小波变换是一个很好的时频分析工具.在实际中数字调制信号常常带有噪声(如白噪声等).首先对ASK、PSK、FSK信号进行小波分析,并对其特征进行提取(幅度、频率和相位等),其次对染噪的数字调制信号进行去噪处理,然后再进行小波分析比较.     

基于小波包滑动阈值的信号去噪

传统信号去噪方法常采用门限法对噪声信号的小波或小波包变换做阈值处理以达到去噪的目的。本文介绍了一种利用小波包滑动阈值去噪的新方法,通过对信号的小波包分解系数的滑动阈值量化,得到重构的去噪信号。计算机仿真结果表明,滑动阈值法具有很好的实用价值。     

基于MATLAB的小波消噪仿真实现

小波阈值消噪方法是利用小波变换技术对含噪信号进行分解和重构,通过对小波分解后的小波系数限定阈值来消除噪声的方法.分析小波消噪的算法和实现步骤,并基于MATLAB软件平台编写仿真程序.进行光纤光栅反射信号的小波消噪仿真实验,消噪效果良好.     

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。     

应用“dmey”小波变换及遗传算法对重叠光谱分离研究

小波变换可以去除噪声信号,遗传算法具有全局搜索能力,可以任意逼近分析信号。本文将小波变换和遗传算法相结合来处理分析化学中的重叠信号,通过对模拟信号和实验信号的处理,结果显示小波变换和遗传算法能将重叠信号去噪、分离,可用于多组分样品信号重叠的分离研究。     

基于小波变换与LBP算子的遥感图像融合研究

提出一种新的基于小波变换与LBP算子相结合的遥感图像融合算法．该算法在源图像小波变换的高频子带内，利用局部LBP算子极大的方法得到小波重构高频系数，而低频系数则利用源图像小波分解后低频子带系数的非线性加权得到．然后由此高频和低频系数进行小波重构得到融合图像．实验采用可见光图像与SAR图像融合，结果表明这种方法可以很好地在保留源图像各自信息的同时融合源图像的细节信息，并且能够有效抑制源图像中孤立噪声点．     

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。     

基于小波变换的低对比度图像增强改进算法

提出一种基于小坡变换的图像增强算法.利用小波变换的时频局域性和方向性特点,对分解后的高频系数进行子树划分,以子树为单位实现图像的对比度增强.在VC++环境下实现了该方法,实验结果表明该算法能得到整体视觉好的图像,是一种有效的图像增强算法.     

基于小波变换和动态时间规整算法相结合的故障识别算法

提出了一种基于小波变换和动态时间规整算法相结合的故障识别算法。该算法首先利用小波变换对实验样本与参考样本进行处理以去掉样本信号的非平稳性和噪声,然后利用动态时间规整算法对未知的实验样本与参考样本之间的相似性进行评价,并基于最短距离进行分类,以达到故障识别的目的,最后将此算法应用到Tennessee Eastman过程的故障识别中,仿真结果表明基于小波变换和DTW算法能够准确地识别出发生何种故障,而常规的DTW算法则存在一定的失误。     

二维非平稳信号的小波谱均衡处理方法

小波变换对信号的分时分频的精细表达和多分辨率的全面把握,使我们能更深入地认识信号和噪声的特性,便于基于小波域进行更有效的高分辩率的处理工作;而谱均衡处理技术是提高信号纵向分辨率的有效方法,所以本文提出了将两种方法结合起来共同进行提高二维非平稳信号分辨率.其基本思想是先将二维非平稳信号进行小波分频处理,得到不同尺度的信号;然后将各尺度上的信号分别进行谱均衡处理,再将经谱均衡处理的不同尺度信号进行重建,从而得到高分辨率信号,我们将上述方法称之为小波谱均衡处理.利用提出的新方法进行实际信号处理,处理结果表明该方法的处理效果要好于常规的谱均衡方法,它既能提高二维非平稳信号的纵向分辨率,同时又能保持原信号的固有特征.     

基于平稳小波变换的高鲁棒性的边缘提取

借鉴平稳小波变换的多尺度分析思想,结合模糊聚类均值法,提出了一种高鲁棒性的图像边缘提取算法.该算法利用平稳小波变换的位移不变性,将小波分解后的分量进行配准构成一像素的特征向量,然后利用模糊c-均值进行无监督分类,分割图像,最后用Canny算子提取图像边缘.用一系列附加不同强度的高斯白噪声图像测试了该算法的有效性.实验证明在图像受到较强噪声(如附加高斯白噪声)污染时,该算法仍可检测到较好的边缘效果,展现出良好的鲁棒性.     

含噪电能质量信号小波降噪的方法与改进

在电力系统电能质量信号的检测中,不可避免会遇到因为测量设备故障以及环境因素的影响,使得信号夹杂噪声,使得采集到的信号受到一定程度的噪声污染,干扰了检测电力系统的电能质量准确性,而小波降噪在信号降噪中具有很大优势,所以利用小波降噪降低电力系统信号中的噪声具有重要的意义。在比较分析小波变换的优势,多次进行小波变换反馈信号特征,通过观察信号的时频特性,应用小波变换局部化特性可调整不同叠加信号的系数,可最大限度的得到电能质量的有用的分析信号,然后再分析和运用多种阈值处理方式改进小波降噪,并应用差值的方法分析哪种阈值处理方式更加有效。     

基于小波变换的语音增强算法

结合小波技术对传统的维纳滤波算法进行改进,对语音信号进行离散小波变换,求得小波系数,计算小波系数的阈值,然后利用阈值对小波系数进行过滤,再对小波重构信号,信号经过维纳滤波器模型达到去噪效果。最后对算法进行了仿真试验。