基于MATLAB小波去噪方法及应用研究

在实际的计算机控制系统中,采样信号不可避免的受到各种噪声和干扰的污染,使得由采样信号辨识得到的系统模型存在偏差妨碍了系统控制精度的提高。Donoho和Johnstone提出的小波去噪算法对去除高斯白噪声非常有效。我们对此在MATLAB环境下做了详尽的探讨及仿真实验研究,得到一些实际应用经验,并利用傅立叶变换/反变换和小波阈值去噪方法对电厂机组调速级压力运行数据进行了去噪对比实验,结果表明小波去噪方法能取得较好的去噪效果,为后续系统模型辨识打下良好的基础。     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

基于二进小波变换的信号去噪

由于信号在二进小波变换空间的表示是冗余的,同小波级数相比,基于二进小波变换的信号重建效果对信号的小波变换系数的误差灵敏度将会下降,因此可以期望在相同的误判概率下基于二进小波变换的去噪效果将优于基于小波级数变换的去噪效果。基于这个思想,该文将已有的基于小波级数的去噪方法推广到基于二进小波变换去噪上去,比较了基于二进小波去噪同基于小波级数去噪的效果。数值实验表明,对于各种检验信号,较之小波级数去噪,二进小波变换去噪效果有明显改善。     

短波电台消噪技术的实现方法

本文介绍了短波电台一种新的消噪技术，它和传统的静噪技术不同，效果较好，有较好的应用前景。     

基于小波-Contourlet变换与Cycle Spinning相结合的SAR图像去噪

由于合成孔径雷达（SAR）在农业、林业、水文、地矿、海洋、测绘等领域广泛应用,SAR图像质量和视觉效果提升成为了各国学者研究的热点问题。SAR图像的主要噪声源——相干斑噪声的抑制和去除显得越来越重要。本文通过分析了SAR图像的噪声成因以及其噪声模型。基于SAR图像的特性,本文结合小波变换和Contourlet变换各自的优点,提出了一种基于小波-轮廓波变换与图像循环平移结合的SAR图像去噪算法。本文所提出的算法不仅可以显著去除相干斑噪声,提高图像的信噪比,而且还具有平移不变性,可明显改善图像的视觉效果。实验结果表明:与单独使用小波变换去噪相比,本文算法的信噪比提高2分贝;与单独使用Contourlet变换去噪相比,本文的算法去噪后的图像更平滑,抑制了人造纹理产生,视觉效果得到了明显的改善。      

基于提升小波的图像消噪

提升算法能够有效解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性.介绍了提升算法的过程,基于提升小波的图像消噪算法.实验结果表明,该算法消噪后的图像质量上优于一般小波变换的传统方法.     

利用小波对信号进行去噪及参数估计

在以往的小波软阈值去噪的基础上对阈值进行了一定的改进，利用小波系数对信号进行了参数的估计，与其它方法相比较，该估计参数的方法能在较低的信噪比，下比较准确的计算出信号的到达时间等重要参数，满足准确性和实时性的要求。     

小波边界处理及实时去噪

基于小波阀值去噪良好的去噪能力和简单的操作方法，提出了一种基于小波阀值去噪的实时去噪方法。首先针对实际应用中数据有限对小波变换边界的影响，推导出了左右边界延拓数目，通过边界延拓，减小边界效应的影响，使去噪能力得到进一步的提高。接着推导出受边界效应影响的数目，给出了实时去噪流程图，通过相应的数据滞后输出，去除边界效应对数据区间的影响，使得实时小波去噪能够取得与离线去噪一样的效果。最后对算法进行仿真，给出了仿真结果。     

小波分析去噪的应用研究

小波分析理论是一种新兴的信号处理理论,通过对噪声特性的分析,并应用小波的方法对信号进行消噪处理,总结出小波分析对信号消噪的优点。     

基于小波分析理论的电源信号消噪方法

某电源信号是典型的非平稳、非线性信号,信号中带有各种噪声,需进行适当处理.小波变换时的频局域性好,是分析非平稳信号的有效工具之一.研究基于小波变换的阈值消噪法,借助LabVIEW平台,通过仿真试验,对软阙值和硬闲值消噪及采用不同的小波函数消噪进行了分析.应用LabVIEW对电源信号进行采集,并且对LabVIEW中调用Matlab里的小波函数进行去噪分析的程序进行研究,收到良好的效果,为进一步提高电源信号消噪处理的效果奠定了基础.     

低信噪比下雷达信号脉内特征的提取

雷达信号脉内特征的提取是雷达对抗系统分选和识别截获信号的关键技术之一。利用小波脊线法可以实现雷达信号脉内特征的提取，但低信噪比下分析误差比较大。为改善低信噪比下脉内特征提取算法的性能，提出了首先用小波分析对信号进行去噪，提高信噪比，在此基础上再进行脉内特征提取的方法。仿真结果证明该算法有效，具有一定的参考价值。     

一种新的小波图像去噪方法

小波图像去噪已经成为目前图像去噪的主要方法之一，目前的研究主要集中于如何选取阈值使去噪达到较好的效果。边缘信息是图像最为有用的高频信息，在图像去噪的同时，应尽量保留图像的边缘信息，基于这一思想，提出一种新的小波图像去噪方法。用数学形态学算子对图像小波变换后的小波系数进行处理，以去除具有较小支持域的噪声，保留具有连续支持域的边缘。实验结果表明，与普通的小波阈值去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB，提高信噪比6～10dB。     

小波变换域数字图像增强算法及实现

图像增强是数字图像预处理中的重要方法,其主要目的是改善视觉效果.小波变换在图像压缩和图像分割两个方面应用较为广泛,图像增强方面应用较少.现概括了图像增强的原理,阐述了图像增强的方法,分析了一种小波变换域的图像增强算法并在Matlab环境下仿真实现.该算法首先使用haar小波对图像进行2层分解,然后对低频部分进行增强,对高频部分进行衰减,实验结果证明这是对图像去噪和增强的一种有效方法.     

小波变换在人体血清吸收光谱分析去噪上的应用

血液的光谱检测具有许多优越性，然而其光谱信号往往会含有噪声。小波变换方法对信号具有很好的局部分析能力。本文以小波理论为基础，将其用于人体血清吸收光谱信号的处理，结果显示能够对光谱起到较好的平滑噪声和突出有用信息的目的。运用小波变换方法处理重构的血清光谱信号在波长为200nm-300nm段信息量明显增加，分析这些特征，再进一步将其运用于患有某些疾病人的血清光谱分析，通过与正常人血清光谱的比较，有望获得疾病光谱特征，为诊断提供依据。     

一种图像去噪的小波相位滤波改进算法

大多数的小波去噪方法都是基于图像小波幅度信息的,但对于低SNR图像来说,其小波域中的图像边缘信息被噪声掩盖,所以有人提出了对幅度不敏感的小波相位滤波算法,利用含噪图像分解后的相位信息来恢复图像,本文对这种算法作出了一些改进。在相位滤波的基础上,考虑Laplace邻域,试验结果表明比原算法效果好。     

小波变换模极大值域的一种自动滤波算法的实现

本文给出一种对小波变换模极大值进行自动滤波的算法.该算法可以自动寻找不同尺度之间对应同一边缘的模极大值,以实现非人工干预下的自动检测和去噪;并为采用小波变换模极大值法对边缘进行实时检测提供了可能性.     

一种空间自适应小波门限去噪算法

提出了一种空间自适应小波门限去噪算法,该算法在小波域对含噪小波系数做两次自适应去噪,两次自适应门限分别基于最大似然(ML)方差估计和最大后验概率(MAP)方差估计.仿真结果表明,该算法与其它自适应门限去噪算法相比,去噪后的图象具有更高的峰值信噪比(PSNR).     

基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

基于小波分析的图像去噪处理研究

图像中的噪声会妨碍人们认识处理图像,而图像去噪就是为了去除图像中的嗓声,以便人们对图像作进一步地处理,本文主要介绍了三种经典的小波变换去噪方法——模极大值去噪法、相关性去噪法、阈值去噪法,并对三种方法的性能进行了对比。     

小波阈值图像去噪算法及MATLAB仿真实验

本文研究了小波闽值图像的去噪方法,并与其它图像去噪方法进行了比较。对lena图像进行MATLAB仿真实验,得到了主观效果图和客观效果的PSNR。研究发现,小波阈值图像去噪无论主观效果还是客观效果都优于其他图像去噪方法。