基于SVM的小波图像去噪

在小波分析的基础上,运用支持向量机(SVM)方法来对噪声和非噪声数据进行分类。首先,把一带有噪声的信号进行多尺度小波分解;然后通过试验检测出小波分解系数中部分噪声信号和非噪声信号,得到样本数据来训练SVM;最后对所有的小波系数用训练后的SVM来进行分类得到非噪声信号,并且对这部分非噪声信号进行小波重构即达到了去噪的目的。     

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。     

基于小波阈值去噪和自适应变分模态分解的谐波检测方法

为准确检测电力系统的谐波分量,提出一种基于小波阈值去噪和自适应变分模态分解（VMD）的谐波检测方法。在传统VMD算法基础上,通过构建输入信号Hankel矩阵并进行奇异值分解（SVD）的方法,自适应确定模态分解个数;利用改进的小波阈值去噪方法减少噪声的干扰,进一步提高检测精度。仿真实验表明,所提方法能有效地估计谐波的频率和幅值参数,具有较高的检测精度和良好的噪声鲁棒性。     

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。     

基于小波分析的面波信号处理

面波勘探在矿井探测方面已经成为了一种有力的手段。采集到的面波信号由于受到噪声的干扰,在进行信号解析之前,去除噪声干扰是很有必要的。提出了一种新的基于自适应阈值的小波模极大值算法对面波信号去噪,关键是在每个分解尺度上选取合适的阈值,对小波变换系数的模极大值点进行筛选,相对传统的阈值选取,该方法达到了满意的去噪效果。     

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。     

含噪语音信号分析与处理

语音信号在传输时受到噪声的污染会影响信息传递的可靠性与清晰度,以MATLAB为仿真工具,录制一段语音并加入高斯噪声模仿含噪语音信号,再分别设计出低通、高通、带通、带阻滤波器对含噪的语音信号进行滤波处理,最终比较滤波效果。结果表明:人的声音能量主要集中在低频部分,而噪声能量主要集中在高频部分,采用低通滤波器和带阻滤波器对含噪语音信号进行滤波具有较好的效果。     

一种基于小波域的中值滤波去噪法

根据脉冲噪声和高斯噪声在小波变换下的不同特点,结合中值滤波,在小波域内对高频子带图像进行中值滤波.仿真结果表明,此算法不仅能滤除图像中的脉冲噪声和高斯噪声,且能较好的保留图像的边缘细节,可获得较好的去噪效果.     

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.     

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。     

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.     

基于小波变换的信号消噪方法研究

小波分析是近年来发展起来的一门新的数学理论和方法,在噪声消除等方面有着广泛的应用。常用的小波消噪方法主要有基于小波系数间相关性消噪和小波收缩阈值消噪两种,通过对两种方法进行分析研究,提出一种新的消噪方法——基于小波系数尺度间相关性的阈值收缩法,仿真试验证明该方法是可行的。     

基于小波变换的信号消噪方法研究

小波分析是近年来发展起来的一门新的数学理论和方法,在噪声消除等方面有着广泛的应用。常用的小波消噪方法主要有基于小波系数间相关性消噪和小波收缩阈值消噪两种,通过对两种方法进行分析研究,提出一种新的消噪方法——基于小波系数尺度间相关性的阈值收缩法,仿真试验证明该方法是可行的。     

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。     

基于小波变换的无线局域网通信信号增强方法

信道多径效应、传输带宽有限性等因素，可导致无线局域网通信信号中存在大量的噪声，降低了通信信号质量.为此，提出基于小波变换的无线局域网通信信号增强方法 .利用小波变换算法提取网络通信信号特征，分类处理无线局域网通信信号，得到信号类别；利用噪声模型与信号类别进行对比，确定带噪信号的小波系数，将小于阈值的信号视为噪声去除；重构无线局域网通信信号，实现无线局域网通信信号的增强.实验结果表明：应用提出的算法信号信噪比得到了明显提升，信号均方误差低于最低限值，充分证实提出的算法具备可行性.     

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。