基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

半导体激光云高仪小波去噪算法研究

针对半导体激光云高仪回波信号所含噪声的特点,提出并详细论述了一种能够对半导体激光云高仪回波信号进行有效消噪的小波自适应阈值方法。为了验证该方法的有效性,对包含高斯白噪声的模拟信号进行了仿真消噪,并对半导体激光云高测量系统实际探测得到的大气回波信号进行了消噪处理。同时,将该方法与小波模极大值消噪、小波分解重构、小波默认阈值的消噪效果进行了对比分析。仿真和实验结果表明,小波自适应阈值方法能够有效降低半导体激光云高仪回波信号中所含噪声,并且其消噪效果明显优于另外三种小波分析方法。     

基于小波包分析的激光雷达信号消噪算法的研究

针对激光雷达回波信号所含噪声的特点,提出并详细论述了一种能够对激光雷达回波信号进行有效消噪的小波包平均阈值变换方法。该方法通过求取最优小波包基的每个结点的阈值,并进行平均后作为全局阈值来实现小波包消噪。为了验证该方法的有效性,对包含高斯白噪声的模拟信号进行了仿真消噪,并对米氏散射激光雷达系统实际探测得到的大气回波信号进行了消噪处理。同时,将该方法与小波全局阈值消噪、小波包默认阈值的消噪效果进行了对比分析。仿真结果和实验结果表明,基于平均阈值的小波包消噪方法能够有效降低激光雷达回波信号中所含噪声,并且其消噪效果明显优于另外两种小波分析方法。     

基于改进阈值消噪算法的小波包降噪

小波变换是一种把时间和频率结合起来的时频分析方法,D.L.Dohono在小波变换的基础上提出了小波软、硬阈值消噪法,此方法简单有效,得到了广泛的重视和研究。在经典的小波软、硬阈值消噪方法的基础上,提出了一种基于小波包分析的改进方法。Matlab仿真结果表明,此法同时克服了软、硬阈值方法的缺点,而且其消噪效果比小波消噪方法要好。     

基于小波变换的语音信号消噪处理设计

本文介绍了小波变换的特点,分析了在语音信号消噪过程中所碰到的具体问题,并主要研究了阈值消噪方法。在阈值消噪方法中,对于小波阈值消噪个四个关键因素:小波基函数、分解层数、阈值函数、软硬阈值处理方法选取的难点问题进行了设计探索,并通过设计程序仿真出直观图像对比以及数据分析得到适合的阈值消噪设计方案。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

基于小波变换的噪声消除算法研究

噪声是影响测量结果的重要因素,对被测信号进行消噪处理是测量中必不可少的步骤。小波变换因为有去噪相关性等特征,相对于时域更利于去噪。采用dbN小波基信号进行分解,利用小波变换的阈值来消噪,Matlab进行小波降噪仿真。实验结果表明采用这一消噪方法能消除信号中的无用部分,由于采用了软阈值的处理方法,测量信号有一定程度的损失,但基本能重构原有用信号波形。     

基于小波变换的信号去噪方法研究

对小波闽值去噪方法进行了研究,阐述了小波变换和小波去噪的基本原理和方法,利用四种自适应阈值规则对含噪信号分别进行去噪处理,并比较了去噪效果。以采集到的语音信号为例,采用不同的阈值去噪方法去噪,在MATLAB下进行仿真,结果表明小波变换既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

自适应阈值选择和小波消噪方法研究

根据加性噪声的特征,应用信号复杂度特征估计信号中的噪声形态,提出一种自适应小波阈值选择方法,在小波阈值消噪中准确估计噪声阈值水平。改进了阈值消噪方法原理,使在消除信号噪声的同时保留信号中的弱特征成分。提出阈值估计的经验公式,通过理论和实践证明了这种方法能够有效地消除信号中的噪声,提取信号中的弱特征成分,并获得最大信噪比。     

一种频率编码信号瞬时频率提取新方法

针对小波变换法在提取频率编码信号脉内特征中的不足,提出了将时频重排和时频脊线相结合的时频联合分析方法。首先通过Morlet小波计算信号的小波谱,再对小波谱进行时频重排,最后由重排后的时频图提取时频脊线,得到频率编码信号的脉内特征。该方法在低信噪比下,能准确提取频率编码信号脉内特征信息。最后利用计算机仿真验证了该方法的可行性。     

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。     

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。     

基于小波变换的后置自适应滤波传声器阵列的语音增强

提出了一种将传统后置自适应滤波技术和小波变换技术相结合的传声器阵列语音增强方法。首先利用传统的延时-累加波束形成技术获取目标语音,并采用后置自适应维纳滤波器来估计原始语音,然后再使用小波变换分解与重构技术进一步去除噪声。经计算机仿真,表明当系统输入信噪比为0.11dB时,输出信噪比提高近6.28dB。     

一种混合噪声图像的自适应滤除方法

基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的去噪效果,正交小波变换由于缺乏平移不变性,在去噪过程中会产生人为的振荡现象,使图像边缘失真,甚至图像模糊,提出了基于平稳小波域自适应阈值算法同中值滤波相结合的去噪方法,该方法能有效地滤除图像中的高斯白噪声和脉冲噪声组成的混合噪声,并验证了该方法的有效性。     

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。     

高温合金中微小缺陷超声检测信号的小波去噪研究

本文首先建立了高温合金材料微小缺陷的超声检测信号模型,然后在分析仪器电噪声、晶粒散射噪声、缺陷信号的频谱分布及小波变换特性的基础上,采用一种用一个尺度间变化的门限阈值来去除噪声的小波变换系数再重构检测信号的方法提高信噪比。计算机仿真分析和实验结果表明,该方法不仅具有很好的去噪效果,而且重构的缺陷回波的波形失真度小,有利于进一步作定量检测。     

基于小波和脊波变换的探地雷达信号杂波抑制

针对如何有效去除探地雷达信号的干扰噪声问题,提出了一种基于小波和脊波变换的杂波抑制方法。小波能有效地描述图像的点奇异性,而脊波能有效地描述图像的线奇异性。首先结合小波和脊波的特点,对探地雷达回波信号进行自适应阈值去噪,然后利用脊波的方向敏感性在脊波域去除直达波信号,最终通过处理实际探底雷达数据,验证算法的有效性。     

基于小波变换的自适应多模红外小目标检测

小波变换是一种有效的红外小目标检测方法。然而,在不同的子带、不同方向上,信号和噪声所呈现的特性不同,采用单一的阈值往往无法得到一个令人满意的检测结果。针对这一情况,提出了一种基于小波变换的自适应多模红外小目标检测算法。该算法可以根据不同尺度和方向上噪声的分布自动调整阈值,使得检测结果更加有效。其中分别采用了自适应Bayes Shrink阈值和广义交叉验证阈值处理每个子带的小波系数,接着再利用处理后的系数重构小波图像,最后通过一个简单的全局阈值分割得到红外小目标。实验结果表明,与对照方法相比,所提出的算法具有更好的检测性能和鲁棒性。