小波变换域滤波方法在电磁生物医学成像中的应用

电磁生物医学成像信号是一种非平稳信号,传统滤波方法全造成信号重要信息的损失。小波变换局部极大值滤波方法利用信号与噪声不同的尺度变化特性来区分信号与噪声,将噪声从信号中分离出来。小波变换局部极大值描述是信号的一种稳定的、近似的描述,可以利用交替投影算法从小波变换局部极大值描述来重构信号。ａｄｈｏｃ算法是寻找小波变换对数模极大线的一种有效算法,在此基础上,提出模极大值漂移抑制方法,对生物医学成人像仿真     

小波奇异性分析在DS-UWB降噪中的应用

直接序列超宽带（DS—UWB）信号的脉冲持续时间极短,信号以极低的功率谱密度分布在很宽的频带上。热噪声成为主要干扰源,传统射频滤波只能去除带外噪声。文中基于DS-UWB信号的奇异性分析,利用小波变换模极大值法进行带内滤波。仿真结果表明,该方法能有效地保留信号的奇异点信息,突显信号的细节特征,降噪效果明显。     

多层次模极大值降噪算法研究

小波模极大值去噪方法具有很好的理论基础,却在应用上存在许多影响去噪性能的因素,如最优分解尺度选择、收缩阈值估计、模极大值线搜索及重构算法的效率和精度。在经典Mallat模极大值去噪算法的基础上,提出多层次模极大值降噪算法,设定分解尺度的最优选择范围,并利用改进的自适应阈值估计对模极大值序列进行预处理及利用多项式插值对模极大值序列进行快速重构。Maltab仿真结果表明多层次模极大值降噪算法具有良好的去噪性能,有效解决模极大值去噪方法在实际应用中面临的问题。     

几种雷达辐射源信号降噪算法比较分析

基于波形配对的雷达辐射源信号分选识别方法受噪声影响大,需要对信号进行降噪处理,降噪效果直接影响分选的准确率和实时性.首先介绍了基于快速傅里叶变换(FFT)的滤波降噪法,对4种经典滤波器进行特性分析.鉴于经典滤波法存在适用范围窄、降噪效果不理想的缺陷,又介绍了模极大值法、阈值法、小波包分析法3类基于小波变换的降噪算法,提出了以纯净信号和降噪后信号的信噪比、均方误差指标来衡量降噪效果,为小波变换降噪法的研究指明了方向.     

心电信号降噪小波函数选取的定量研究

为了定量地评估不同小波函数对心电（ECG）信号的降噪效果,建立了含噪声的ECG模型作为实验标准信号,采用正交小波变换和不同阈值方法来对该标准信号进行高频噪声消除实验,通过信噪比参数结合波形形态来衡量降噪效果。实验表明,当降噪后信噪比接近标准信号信噪比时,降噪效果最佳,得到既能保证信号失真度小又具有较高信噪比的降噪方案和适用于ECG信号小波分解和重构的小波函数,最后通过MIT-BIH数据库数据验证了利用该研究结果能够有效地消除ECG信号中的高频噪声。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

小波分析在信号降噪中的应用

针对信号检测中经常存在的噪声污染问题,利用小波分解之后可以在各个层次选择阈值,对噪声成分进行抑制,手段更加灵活。本文介绍了小波变换的一般理论以及在信号降噪中的应用,分析了被噪声污染后的信号的特性;利用MATLAB软件进行了信号降噪的模拟仿真实验并在降噪光滑性和相似性两个方面体现出小波变换的优势。本文分别使用了不同类型的小波和相同类型小波下不同阈值对信号进行了降噪.仿真结果表明小波变换具有良好降噪的效果。     

基于小波变换的断路器振动信号降噪方法

本文提出了一种基于小波变换的断路器振动信号降噪方法。该方法将振动信号分解到不同的时间尺度上,并剔除高频噪声分量,再对其余分量进行重构从而获得降噪后的振动信号。实验证明,该方法对振动信号等非平稳信号的高频噪声具有良好的降噪效果。     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

小波包分析结合VMD的气体泄漏信号降噪

针对气体泄漏声波信号降噪的问题,提出一种集合小波包分析(WPA)与变分模态分解(VMD)相结合的降噪方法。通过小波包变换对信号的噪声进行预处理;利用VMD对去除噪声的信号进行分解,得到所有的本征模函数(IMF)分量,并根据相关系数准则判断有效IMF;最后提取有效成分并进行信号重构。对本文方法进行验证,结果表明,本文方法能够有效剔除气体泄漏信号中包含的各种噪声,降噪后信噪比为15.485 1,均方根误差为0.028,为后续信号分析减少了干扰,也为气体泄漏声波信号的特征提取与分析提供了新的思路。     

基于一种自适应折中-平滑阈值的脉搏信号小波去噪

人体脉搏信号在采集过程中会掺杂着各种噪声信号,而传统所采用的小波变换阈值去噪法在处理脉搏信号时又存在着缺陷,本文采用的折中一平滑闽值函数,并基于斯坦恩无偏估计（SURE）优化算法去寻找最优阈值门限,与在原有阈值基础上的小波自适应阈值去噪做对比,通过利用Matlab对脉搏信号进行去噪仿真。结果表明,依据信噪比（SNR）和信号平滑度Ⅲ的评判标准,该方法去噪效果更好,结果令人满意。     

基于小波的信号去噪分析

由实际应用可得,作为一种新的多辨认分析方法的小波变换,由于具有多分辨特征和时频局部性,可同时进行频域和时域分析,所以特别适用于进行非平稳信号的处理。首先介绍了小波分析的信号去噪原理,其次接着阐述了4种去噪算法：小波分解与重构去噪方法、模极大值检测法、阈值法及平移不变量小波去噪法。对于叠加了高斯白噪声的仿真信号,分别将上述的4种方法用于去噪处理,并通过仿真过程不同及图形差异对几种方法进行比较。     

一种新的小波阈值函数改进方法及实现

局部放电信号是一种弱信号,受周围复杂电磁环境的干扰较大,利用小波分析对它进行去噪处理是当前研究的一个热点.传统的小波阈值去噪方法主要包括硬阈值方法和软阈值方法,它们在实际应用中取得了很大的成功,但同时也存在一些需要改进的地方.文章在传统软、硬阈值函数的基础上,提出了一种新的双变量阈值函数,并分别利用软、硬阈值函数和新阈值函数对局部放电仿真信号进行了小波去噪分析,仿真结果表明,通过调节两个可变参数,新阈值函数可以获得具有最佳信噪比和最小均方误差的去噪信号,其去噪效果明显优于传统的软、硬阈值函数,而且更具灵活性.     

基于小波多分辨率分析的一维信号阈值去噪

介绍了基于阈值选取的小波去噪原理及去噪步骤。分别用傅立叶分析法和小波分析法对一加入白噪声的信号进行消噪处理,仿真结果表明,用小波进行信号的消噪可以很好的保存有用信号中的尖峰和突变部分,小波分析技术在本质上比傅立叶分析技术具有更大的优越性。对某系统的某次采样信号,分别选用强制消噪、默认阈值消噪和给定软阈值消噪三种阈值进行小波去噪,并对仿真结果进行分析比较。     

基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

基于小波的信号Lipschitz指数分析和应用

奇异信号往往带有一些重要信息,一般用Lipschitz指数来描述信号的奇异性。在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义和相关理论基础,同时研究了小波变换与信号奇异性关系和Lipschitz指数的计算。利用信号和噪声奇异指数不同的特点应用于去噪声,文中提出了一种对噪声模极大值对应点周围的小波系数进行非线性压缩后重构信号新方法,仿真实验结果表明,这种方法有着较好的去噪效果。     

小波降噪及其在MATLAB中的仿真与比较

随着小波理论的日益完善,小波分析在信号降噪领域已经得到越来越广泛的应用.首先讨论了小波分析的基本特点;其次通过理论分析和MATLAB仿真实验,详细讨论了四种降噪方法:阈值降噪法、平移不变量小波阈值降噪法、模极大值降噪法、基于各尺度下小波系数相关性降噪法.最后,对这几种算法的降噪效果进行了比较.     

基于经验模态分解的激光陀螺随机信号消噪

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了抑制激光陀螺的随机漂移,提高使用精度,提出了一种新型经验模态分解方法对陀螺随机漂移测试信号进行滤波处理。该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元,并作为基本分析对象,通过对模态单元振幅的阈值处理来判断模态单元的类型,进而建立模态单元滤波模型。分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律,并建立了一种用于高斯消噪的阈值选取规则。运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于提升小波与粒子群相结合的混沌信号降噪

提升小波变换用于混沌信号降噪具有良好的效果,阈值选取与混沌信号降噪后信号的畸变具有紧密联系。为了提高混沌信号中提升小波的自适应能力,降低降噪后信号的畸变率,提出了一种基于提升小波和粒子群相结合的混沌信号降噪方法。该方法在对提升小波变换后的细节部分进行阈值处理时,采用阈值自适应选择方法,并结合粒子群算法全局搜索最优阈值。通过对Colpitts模型进行仿真分析,与标准的软阈值降噪相比,能更好地对混沌信号降噪,并且降噪后信号失真度较小,具有很好的应用价值。