利用平衡正交多小波和维纳滤波方法提高地震记录的信噪比

结合平衡正交多小波变换和维纳滤波方法对地震剖面进行去噪处理。用两个多小波变换实现在小波域上的维纳滤波,以提高地震剖面的信噪比,试验结果表明,该方法优于单纯的多小波去噪方法。     

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.     

常用图像去噪方法探析与比较

均值滤波、中值滤波、维纳滤波和基于小波变换的软阈值法和硬阈值法是常用的几种图像去噪方法,通过对添加了不同噪声的图像进行了仿真实验。实验结果进一步验证了均值滤波在去除噪声的同时造成了图像边缘一定程度的模糊,中值滤波能相对较好的保留了图像的边缘,维纳滤波对高斯白噪声去噪效果较好但计算量大,相比较小波阈值法去噪是目前较好的的去噪方法,通过选取合适的阚值可以得到较为理想的去噪效果。     

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。     

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。     

基于小波变换的地震信号去噪方法研究

提高信噪比是地震信号数字处理的主要任务．研究了几种常用的小波去噪方法在地震信号中去除随机噪声的应用,分析了各自的特点,并改进了算法．通过MATLAB的仿真结果表明,小波变换的去噪效果明显优于传统的Fourier变换方法．     

基于小波变换的图像去噪方法的研究与实现

本文将小波阈值去噪与维纳滤渡结合起来,在小渡域进行维纳滤波.为了完成估计和去噪两个任务,我们设计了双小波基维纳滤波器,采用两路小波变换.我们采用构造的调节阅值函数作为第一路小渡滤波器,克服了硬阈值法产生的伪吉布斯效应和软阚值法产生的边缘模糊等失真现象,在有效去噪的同时很好地保留了图象边缘等局部特征.     

多小波理论及其在图像处理中的应用

综述了多小波变换理论的发展及其在图像处理方面的应用,展望了它今后的发展。实验表明多小波方法在信号去噪、图像数据压缩等方面可以取得比单小波更好的效果。     

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.     

基于小波基的两步自适应比例萎缩去噪算法

比列萎缩是小波去噪的一种重要方法,在对小波域自适应维纳萎缩去噪分析的基础上提出一种新的小波基去噪算法——两步萎缩算法。在小波域使用标准局部自适应维纳滤波,滤波结果作为第二步萎缩的引导信号,在第二步中根据新构造的萎缩函数进行滤波得到最终估计。实验结果证明,该算法优于目前的基于二维可分正交小波基的比列萎缩去噪算法。     

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。     

基于小波分析的地震资料去噪方法的研究和应用

利用信号和噪声在小波域内的小波系数的差异,实现小波去噪,将地震数据矩阵变换到小波域内,认为在低频部分集中信号小波系数,而高频部分集中噪声小波系数,且信号的小波系数幅值远大于噪声小波系数幅值,使用小波阈值算法对信噪进行分离.     

多小波理论及其在图像处理中的应用

综述了多小波变换理论的发展及其在图像处理处理方面的应用，展望了它今后的发展。实验表明多小波方法在信号专噪、图像数据压缩等方面可以取得比单小波更好的效果。     

短基线GPS应用中多径信号提取方法的对比分析(英文)

为了消除静态GPS短基线应用中的多径误差,引入了一种基于奇异谱分析的去噪方法(称为DSSA)提取多径信号.首先,从双差分残差中提取出多径误差,然后,利用相邻历元间多径误差的相关性对双差分观测数据进行多径误差校正.为了验证DSSA算法的有效性,基于仿真信号对DSSA、离散小波变换(DWT)和平稳小波变换(SWT)的去噪方法进行对比分析.采用真实的GPS基线误差对不同的多径提取方法进行了分析,多径抑制结果表明,DSSA校正后基线误差的均方根(RMS)较SWT改善48.6%,运算时间减少了75.3%.     

基于数据融合的多小波基联合图像去噪

提出了一种基于数据融合的多小波基联合图像去噪新方法．该方法首先用多个小波基分别对含噪图像进行分解、阈值处理和恢复,得到多幅恢复图像,然后根据像素点邻域的方差对这些图像进行加权融合获得最终去噪图像。该方法充分体现小波基的多样性和图像的局部特性。实验结果表明,该方法去噪效果比单一小波基方法和已有的多小波基联合方法都有明显的改善。     

基于Curvelet变换和均值滤波的图像去噪方法

针对图像中的高斯噪声干扰,提出一种改进的图像去噪方法．首先利用Curvelet变换将含噪声图像分解成多个子频带,再根据子带系数的高斯分布特性,利用阈值去噪和加权平均滤波相结合的方法对高频子带进行去噪处理,最后利用Curvelet反变换得到去噪后的图像．为了验证该方法的有效性,与传统的硬阈值、软阈值、基于小波变换的方法相比较,实验结果表明,该方法能够获得较好的峰值信噪比和视觉特性,保留较多的细节信息．同时也说明了Curvelet变换比小波变换能够得到更好的去噪效果．     

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。