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。     

基于小波变换的图像阈值去噪法

图像去噪是图像处理领域中的重要研究方向之一。小波变换具有选基灵活和多分辨率特性等,能清晰图像,因此在图像去噪中获得了广泛的应用。当含噪图像经过小波变换后,图像和噪声在不同的分辨率下呈现出不同规律,设定阈值门限,接着调整小波系数,最终达到去噪的目的。在硬软阈值去噪法的基础上提出新算法,并且利用Matlab进行仿真,实验结果表明新算法的峰值信噪比较高,具有较好的去噪效果。     

小波萎缩法去噪

通过利用软、硬阈值函数和比例萎缩LAWML法对高斯白噪声去噪比较研究,数值算例表明软阈值函数去噪效果最好,而且其效果与小波变换分解层有关。     

小波变换应用于信号去噪研究

分析了小波变换的基本原理,分别对小波分解与重构法去噪法、非线性小波变换阈值法去噪法以及小波变换模极大值去噪法的原理进行了阐述,并比较了这几种小波去噪方法的优缺点,通过计算机仿真结果表明有效可行.     

基于相关函数的小波变换实现语音去噪研究

语音信号是非平稳的短时瞬态信号,有用信号与所含噪声处于同一频率段,采用滤波器形式的传统去噪方法,不能将噪声有效分离。小波变换具有时频局部分析的特点,通过将含噪信号进行分解,分离噪声信号,将有用信号进行重构,可有效地去除噪声。白噪声为平稳随机信号,在不同尺度上的小波变换是不相关的。本文根据白噪声和语音信号在不同尺度下的相关性表现,结合小波去噪的基本思想,提出一种基于相关函数的小波变换进行语音去噪的方法。经MATLAB仿真,相关函数确定的去噪方法,能有效去除语音信号的白噪声。     

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。     

数字图像的小波去噪方法研究

由于外来信号的干扰,大多图像都含有不同程度的噪声。为了更好地对图像进行分析,就必须在图像预处理中减小这些噪声。图像去噪正是在保留图像原有重要信息（边缘等）的前提下降低或消除噪声。该文介绍了小波变换的基本理论,对以小波为工具的数字图像去噪方法进行了探索,同时选取不同小波基函数对多幅标准图像开展了大量仿真实验,并对小波基函数的选取以及软硬阈值去噪等相关问题进行了研究,得到了最优基的选择应根据图像自身的特征来确定等有意义的结论。     

基于VMD分解和小波阈值的语音信号去噪

为了对非平稳、非连续的语音信号进行降噪,提出一种基于VMD分解和小波阈值的语音降噪方法。通过仿真信号对比分析了VMD、EMD和EEMD算法对信号分解中存在的伪分量、模态混叠问题。先用VMD对语音信号进行分解,再利用小波阈值降噪。实验结果表明,该降噪方法明显优于小波阈值的语音信号降噪、基于EMD和小波阈值的语音信号降噪以及基于EEMD和小波阈值的语音信号降噪。     

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.     

一种改进的地震波信号去噪方法

从复杂地震波背景中提取单频信号问题出发,分析比较了经典的傅里叶变换滤波和传统小波变换去噪方法的局限性。根据地震波环境噪声不会突变的特点,采用震源发射信号的前几秒种所采集的噪声样本作为整个信号处理过程中的噪声信号。采用小波包变换去噪方法,先分别获取噪声系数和信号加噪声系数,然后从总系数中减去噪声系数,得到信号的系数,再根据这组系数对信号进行重构,获得很好的去噪结果。将此方法应用于落重产生的地震波信号的提取中,为后续地震波信息的利用提供了基础。     

基于小波分析的振动信号去噪处理

为提高检测气体绝缘金属封闭开关设备（GIS）故障点的有效定位率,提出利用软硬阈值结合法对振动信号设定阈值,采用具有多分辨率特性的小波分析方法进行有效降噪;通过Matlab仿真和实际试验结果验证其准确性,对比分析表明,基于小波分析的去噪方法提高了信噪比和定位准确性,是一种提取有用信号的有效方法。     

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。     

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。     

GIS局放信号小波去噪和模式识别方法

本文介绍了小波阈值法对GIS局放信号的检测方法及识别模式。小波分析具有多分辨特性,对多变化的信号具有更加敏锐的反应,大大增强了GIS局放信号背景噪声的检测能力,从而达到了较好的滤波效果。     

小波变换在激光超声无损检测信号去噪中的应用

介绍了基于小波变换的激光超声检测信号降噪处理技术,实际检测信号的降噪处理试验表明,应用该技术对激光超声检测信号进行降噪处理可显著提高信噪比.根据信号的波形特点选取了小波函数,采用heursure阈值去噪有利于提取超声回波波形.     

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。