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。     

应用小波分析对图像进行降噪处理

对传统傅里叶变换与小波变换进行理论分析比较,运用小波分析中小波变换具有对信号的自适应特性可以消除实际信号噪声中的高频成分,通过使用Matlab-6.51中的Wavelet工具箱可实现对图片的降噪操作,最终达到降噪效果。     

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。     

基于小波变换实现脉搏信号降噪处理

脉搏波形复杂而且测量过程中易受各种噪声影响,因此降噪处理是提取清晰、有效的脉搏信息的关键步骤。在去噪过程中,由于脉搏信号具有非平稳特性且污染噪声分布范围大,限制了传统线性滤波器的使用。这里利用小波变换的多层分解将脉搏信号分成具有不同尺度的小波系数,然后根据小波分解的底层低频系数和各层高频系数进行一维小波重构,在重构的过程中可以剔除与噪声相关的系数,保留信号中的有用成分。     

一种小波自适应阈值全频降噪方法

目前的基于小波阈值降噪方法往往假设信号的噪声分布在高频段,因此大部分方法只对高频段进行降噪,而忽略了低频段噪声对信号的影响.在现实的应用中,复杂的噪声并不满足该假设条件,也即复杂噪声不仅分布在信号的高频段,而且低频段的噪声同样不容忽视.针对上述问题,论文提出了一种全新的解决方案:小波自适应阈值全频降噪方法.在该方法中,根据不同类型的噪声随小波分解层数、噪声强度等因素变化规律,提出了一种新的自适应阈值确定方法;然后利用小波去相关性方法来检测信号受到的最主要的噪声干扰;最后结合噪声类型检测方法,检测信号中所隐含的最接近的噪声类型,选取合适的阈值确定方法,对信号的低频和高频同时进行降噪.论文的实验结果表明:(1)当信噪比较低时,采用全频降噪方法对大部分类型的噪声而言均优于传统方法,并且全频降噪方法仅需要信号分解到1~2层即可取得良好效果;(2)当信噪比较高时,全频阈值降噪技术的降噪效果和传统方法一致,但所需小波的分解层数少于传统方法.     

基于VDM和小波阈值的语音降噪方法研究

针对带噪声的语音信号,提出了基于变分模态分解（VMD）和小波阈值相结合的去噪方法。首先,采用VMD对带噪声道信号进行分解,从而得到分解后的固有模态（IMFs）信号;然后,引入T检验对各IMFs分量进行低频和高频区分,对其中的高频分量用小波阈值进行噪声滤除;最后,对将低频IMFs分量和滤波后的高频IMFs分量进行重构,从而得到降噪后的具有较高信噪比的语音信号。通过实验验证,本方法与EMD和小波阈值联合算法相比,具有更好的去噪性能,具有一定的实用价值。     

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

基于小波变换和均值滤波的图像去噪研究

针对均值滤波现有的缺点和小波变换存在的优势,特提出将小波变换和均值滤波相结合的算法,在该算法中,首先通过小波去噪进行图像处理,将处理后的图像通过小波变换得到近似图像、水平、垂直和对角三个高频细节提取出来,针对含噪图像的特点,对水平、垂直和对角三个高频细节采用不同的滤波模板进行中值滤波变换,最后将近视低频细节和变换后的三个高频信号采用逆小波变换得到再一次去噪后的图像。经过仿真实验结果可知,该算法在有效降低噪声的同时,保留了尽可能多的图像细节信息,其去噪效果优于单一的小波变换去噪、均值滤波去噪。     

光纤陀螺全频域小波阈值降噪技术

为了有效地去除光纤陀螺信号中的分形噪声,提出了全频域小波多尺度阈值降噪方法。从分形信号的分数微分形式出发,建立了分形信号与高斯白噪声之间的联系,结合小波分析的高阶消失矩特性,实现了分形信号在小波空间的去相关。当分形信号被具有高阶消失矩的小波分解后,其在小波域具有白噪声的特点,可以采用阈值处理的方法予以去除。同时,根据陀螺信号噪声的宽频带特点,对小波分解的低频近似系数和高频细节系数进行阈值处理,有效地抑制了噪声成分。光纤陀螺信号的降噪实例表明:相比传统的小波阈值降噪方法、卡尔曼滤波方法和滑动平均滤波方法,该方法具有较好的降噪效果。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

米散射激光雷达降噪反演算法研究和应用

针对激光雷达信号中含有的噪声，提出一种将数据分区使用小波包变换分解和重构算法的信号降噪方法，该方法能为下一级消光系数反演提供高质量数据。为了验证该方法的有效性，比较雷达原始数据、小波包处理后反演的消光系数、分区小波包处理后反演的消光系数的差异，并进一步使用Bump、Block测试信号进行数值模拟，定量分析了分区小波包算法的去噪效果。分区小波包算法处理的Bump、Block测试信号评价函数的均方误差（MSE）和R值均优于一般小波包结果。结果表明，分区小波包降噪方法能通过降噪改善下一级反演消光系数结果，有效保护低空的激光雷达消光廓线的细节结构并抑制高空的信号噪声。空气气溶胶消光系数随时间和空间变化的伪彩图表明了所提方法的可行性和实用性。     

小波变换在语音信号降噪技术中的应用

小波变换是一种时频变换方法,它由短时傅立叶变换发展而来,继承了局部化的思想,克服了短时傅立叶变换窗口大小不随频率变化的缺点,并且可以提供随频率改变的时频窗口,是进行信号时频分析和处理的理想工具。文中介绍了小波变换的基本理论及其在语音信号降噪中的具体方法,使用加入高斯白噪声的语音信号作为被处理信号进行小波降噪,并且对比了使用不同阈值小波变换的降噪效果,验证了小波降噪方法在语音信号降噪中的可行性。     

傅里叶变换与小波变换在信号去噪中的应用

对于高频信号和高频噪声干扰相混叠的信号,采用小波变换去除噪声可以避免用傅里叶变换去噪带来的信号折损。对于噪声频率固定的平稳信号,在对信号进行傅里叶变换后使用滤波器滤除噪声。对高频含噪信号则采用正交小波函数sym4对信号分解到第4层,利用极大极小值原则选择合适的阈值进行软阈值处理,最后利用处理后的小波系数进行重构。实验结果表明,对于高频含噪信号傅里叶去噪会出现严重的信号丢失现象,使用极大极小值原则选择阈值进行小波去噪可以有效地保留高频部分的有用信号。     

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。     

平移不变小波变换在遥测数据去噪中的应用

有效去除遥测数据中的噪声,对数据的正确判读和后续处理具有重要意义。通过对遥测数据进行研究,为抑制去噪时在信号奇异点处产生的伪吉布斯现象,采用平移不变小波去噪处理遥测数据。针对传统小波阈值函数存在的缺陷,采用新阈值函数的平移不变法改善降噪效果。仿真结果表明,平移不变小波变换去噪方法提高了信噪比,降低了均方根误差,证明了该方法的有效性。     

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。     

基于双树复小波变换和形态学的脉搏信号去噪

常见的医学信号（如脉搏信号）包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪方法的缺陷,提出了一种基于双树复小波变换和形态学的去噪算法,具有结构简单、计算复杂度低等优点,有效地克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效地去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。     

激光诱导单空泡溃灭噪声频谱特性研究

采用压电陶瓷水听器对液体中激光诱导单空泡溃灭噪声进行了信号检测实验。描述了实验仪器实施配置方法,并编制了一款应用小波变换、快速傅里叶变换(FFT)等信号分析手段对测得的空化噪声信号进行小波降噪、功率谱分析的空化噪声分析软件。该软件试用表明,小波降噪技术应用于空化信号分析是一种有效的方法。设计的噪声分析软件能够快速直观地反映噪声信号的频谱特征,实现空化的在线检测和监测。研究结果对水轮机、螺旋桨等水利机械的空蚀预警及空化空蚀现象的研究和应用具有一定意义。     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。