基于LabVIEW的超声探伤信号多小波去噪分析与应用

根据超声探伤信号的多小波阈值去噪原理,针对硬阈值函数不连续和软阈函数存在恒定偏差的缺点,提出了一种改进的软阈值函数。针对目前LabVIEW没有对多小波算法支持的缺点和MATLAB强大的数值处理能力,利用LabVIEW和MATLAB混合编程技术,在LabVIEW中实现了超声探伤信号的多小波阈值去噪处理,并显示消噪波形、保存消噪数据和频谱分析,扩展了LabVIEW的多小波信号去噪功能。实验结果表明,多小波阈值去噪与单小波阈值相比,在超声探伤信号中起到更好的去噪效果,改进的软阈值函数比传统软阈值函数明显地提高了信噪比,能够更有效地提取缺陷信息。     

心电信号的小波阈值去噪算法研究

本文采用基于小波变换的阈值去噪方法对心电信号进行了去噪处理.给出了基小波、分解尺度、阈值的具体选择方法,在比较采用不同的基小波进行阈值处理方法的基础上.给出了采用coif4小波进行局部自适应软阈值处理的改进算法.实验结果表明,采用该算法降噪后信号的信噪比为34.019dB,将原含噪信号的信噪比提高21.879dB,去噪效果较好.     

基于LabVIEW和小波分析理论数据采集与处理系统研究

通过LabVIEW直观的图形化界面对电测法得到的信号进行采集,MATLAB强大的数学计算功能,可以补充LabVIEW的开发功能不足,在LabVIEW中通过MATLAB Script Node调用MATLAB中小波函数程序对有噪声信号进行消噪处理的方法.这种方法充分利用了LabVIEW和MATLAB了优点,实现了两者的有机结合,为后期的缺陷定位分析打下了坚实的基础.     

LabVIEW和MATLAB在水声信号处理中的应用

本文结合LabVIEW虚拟仪器开发平台和MATLAB软件强大的数值分析功能的优点，利用LabVIEW和MATLAB混合编程技术应用于水声信号处理，该方法既能提供良好的计算机用户图形界面，又具有很强的水声信号处理能力，仿真结果表明了该方法的有效性。     

小波阈值去噪及其在LabVIEW中实现

对小波阈值去噪方法进行系统的研究,并应用于对虚拟仪器测试信号的去噪,在虚拟仪器专业开发软件LabVIEW中结合MATLAB实现去噪算法,对几种阈值法的去噪效果进行比较,并对小波基、阈值及分解层数的选择进行讨论。     

小波变换的语音去噪方法

提出一种改进的语音去噪处理方法：二次小波分解全局阈值法。该方法不同于传统阈值滤波方法,首先对语音信号的高频部分进行二次分解,然后应用阈值滤波的方法对信号进行去噪处理。该方法在MATLAB上进行了模拟实验,实验结果表明该方法提高了信噪比,去除了大部分噪声,相当完整地保留了有效信号能量,很好地解决噪声对语音信号干扰的问题。     

基于能量阈值函数的水声多径信号小波去噪分析

采用基于能量阈值函数的小波方法,对浅水多径信号进行消噪处理;从水声多径信道模型出发,利用小波能有效区分信号中的突变部分和噪声的优点,设计了一种基于能量阈值函数的消噪方案,即通过能量的门限阈值形式对小波系数进行处理,然后对信号进行重构即可达到消噪的目的;利用MATLAB仿真了有、无多径时消噪效果,同时将该消噪方案与湖的水声传播参数结合,进行了实际水库多径传播信号的消噪处理试验;试验结果表明,基于能量阈值函数的水声多径信号小波去噪方法不仅能够减少信号的丢失,而且能够恢复有用信号的小波系数,减少有用信息的丢失,确保重构后的信号不失真,提高信噪比,应用于水声通信中多径信道的信号去噪效果很好,体现了文中算法的有效性和优越性。     

基于噪声方差小波阈值去噪算法研究

为了克服小波阈值去噪中硬阈值小波系数不连续和软阈值估计小波系数与分解小波系数之间恒定偏差的缺点,改进的阈值去噪方法被相继提出。文章根据高斯白噪声和信号在小波变换以后得到的小波系数呈现不同的特性,基于噪声方差提出一种新算法。最后通过MATLAB仿真验证该算法在信噪比、均方根误差、相关系数、信噪比增益4个去噪指标的效果。     

基于小波熵自适应阈值的语音信号去噪新方法

针对语音信号去噪问题, 提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号, 计算小波分解后信号子带区间的小波熵, 然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限, 采用折中指数阈值函数对各层高频系数进行去噪处理, 重构降噪后的语音信号, 最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明, 当输入信噪比为5 dB时, 小波熵自适应阈值去噪法的输出信噪比是最大的, 且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线, 从而证实该算法具有更好的去噪性能。     

基于阈值的小波域语音降噪新算法

提出了一种新的基于阈值的小波域语音降噪算法。采用小波包对含噪语音进行分解，克服了传统的正交小波变换的缺陷。采用自适应阈值的方法，对每一尺度上的噪声最大量进行去噪，保留有用信号，可以进一步提高信噪比，仿真实验表明，该方法有更好的去噪效果。     

心电模板构造方法及其在心电去噪中的应用

针对强噪声心电去噪,提出了基于心电模板的去噪方法。首先,将小波变换模极大值方法和信号相干平均技术相结合,构造出心电模板信号。然后给出了两种基于心电模板的强噪声心电去噪方法：直接重建法和间接相关法。最后将该方法与基于小波软、硬阈值去噪方法进行了对比,结果显示所得信号波形平滑度更好、信噪比更高。基于心电模板的去噪方法能够有效去除心电强噪声,为心电弱特征信息成分的准确提取奠定了基础。同时研究提供的心电模板构造方法也可用于其他准周期性生理信号,为强噪声生理信号去噪提供了一种有益思路。     

基于EMD阈值方法的轴承故障振动信号去噪

针对随机噪声信号影响对有用信息的获取,提出了EMD分解阈值去噪方法,将小波阈值去噪原理应用于经验模态分解（Empirical Mode Decomposition,EMD）中。首先对实际含噪信号进行EMD分解,根据分解后得到的内蕴模态函数（Intrinsic Mode Function,简称IMF分量）,采用自适应阈值去噪,进行信号重构,得到消噪后的信号,获取有用信息。将该方法应用于实际工程故障振动信号中分析研究表明,该方法可以获得较高的信噪比,能够对实际信号进行有效的故障特征频率提取,降噪后比降噪前的诊断效果更明显。     

基于奇异谱分析的经验模态分解去噪方法

提出了一种基于奇异谱分析(SSA)的经验模态分解(EMD)去噪方法。该方法先对带噪信号进行EMD分解,得到若干个本征模态函数(IMF)。再通过SSA对每个IMF分量进行去噪处理:把第一个IMF分量作为高频噪声,并根据它计算出剩余IMF中所含的噪声能量,从而得到剩下的每个IMF中信号所占的能量比值。然后选择合适的窗口长度,对每个IMF进行SSA变换,根据IMF中信号所占的能量比值选择合适的奇异值分解(SVD)分量重构,得到去噪后的IMF。再将所有重构得到的IMF分量以及余项相加,得到最终去噪后的信号。经过实验,对比研究了该方法与小波软阈值、EMD软阈值和EMD滤波方法的去噪效果,结果表明该方法整体优于其它方法,是一种有效的信号去噪方法。     

基于最大信息熵的小波包阈值去噪语音增强算法

去噪算法在语音增强中占有极为重要的地位.而传统的小波阈值去噪算法会不可避免地造成部分有用语音信号的损失.为了更好地对含噪语音信号进行去噪,选用小波包分析法进行语音分解,采用一种新的阈值函数,同时基于最大信息熵的原理确定了阈值和加权阈值函数中的权因子.仿真结果表明,该算法能够很好地抑制噪声,保证重建信号质量.无论在听觉效...     

基于遗传算法的双阈值小波去噪方法研究

在讨论小波阈值去噪的软阙值、硬阈值方法基础上,提出了一种利用遗传算法对上下阈值T1和T2进行优化,并通过双阈值进行阈值量化的新方法,该方法不仅能有效地克服硬阈值处理方法可能引起的伪吉布斯现象和软阈值处理方法的恒定偏差的不足,还能有效地从高频信号中去除噪声引起的高频干扰信号。仿真实验结果表明:该方法在信号去噪中比传统的硬阈值和软阈值方法有更高的信噪比和更小的均方误差,可以较好地恢复信号。     

基于EMD的脉冲星信号消噪算法

为了提高脉冲星辐射信号的信噪比,提出了一种基于经验模态分解(EMD)的脉冲星信号去噪算法。利用经验模态分解将信号分解为一组固有模态函数(IMF)。针对EMD阈值消噪算法性能不稳定这一问题,该算法滤除固有模态函数噪声时,利用相邻信号标准差作为噪声水平的判断准则,并采用自适应阈值,对于噪声含量较高的信号采用低通滤波器消噪。实验结果表明,与EMD阈值消噪方法相比,该算法能获得更高的信噪比,并具有较好的稳定性。     

两种LabVIEW、MATLAB结合的控制系统数字仿真方法比较

首先介绍了控制系统的分析与设计、仿真软件MATLAB及虚拟仪器软件LabVIEW与LabVIEW Simulation Interface Toolkit（SIT）。将LabVIEW与MATLAB结合进行系统的仿真，可以直观、生动地模拟工业系统的运行状况，使仿真具有更好的效果。以一阶液位过程控制系统为例介绍了两种基于LabVIEW与MATLAB的数字仿真设计并进行了比较。