共查询到20条相似文献,搜索用时 109 毫秒
1.
提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。 相似文献
2.
3.
4.
5.
根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。 相似文献
6.
一种新型阈值决策的小波去噪方法 总被引:2,自引:0,他引:2
在传统软、硬阈值函数去噪的基础上,提出了一种新型阈值函数和自适应阈值的去噪方法。阐述了改进型阈值函数的特点。改进型阈值函数与传统软、硬阈值函数相比,克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点。为了解决在每一级尺度上都采用同一阈值的不足问题,将自适应阈值算法引入去噪。实验表明:此去噪法提高了重构信号的信噪比,有效去除了噪声,且保留了原始信号的细节特征,与传统去噪法相比是一种较好的恢复微弱信号的方法,在通信去噪中具有较高的实用价值。 相似文献
7.
莫尔光栅的纳米级测量需要对莫尔信号进行高倍细分,而高倍细分的精度往往受到高斯白噪声的影响.将莫尔信号视为稳态模型进行去噪分析与处理时存在信号频率相对固定的缺陷,根据信号的频率是大范围可变的,且噪声分布在整个频率范围内,提出了一种更符合实际的时变模型,并采用小波阈值去噪法对信号进行处理.对时变莫尔信号进行了建模,对小波去噪原理及阈值去噪法进行了分析,经大量实验对比,选用Sym8小波基、分解尺度为6、阈值准则为Heursure的软阈值法去噪效果最好.去噪后,光栅莫尔信号接近理想信号,使莫尔信号的细分倍数达到1 000倍. 相似文献
8.
在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理:小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012 a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。 相似文献
9.
10.
11.
基于小波变换的动态阈值法语音信号净化 总被引:2,自引:1,他引:1
语音信号实时去噪净化处理是语音通信系统的关键技术。传统的小波阈值去噪方法由于阈值的单一性,在去除噪声的同时,造成语音信号损伤。针对这一问题,提出了一种基于小波变换的动态阈值法语音信号净化方法。能根据噪声和信号的变化而动态调节阈值;采用改进的阈值函数对小波系数缓变地压缩,仿真实验结果表明,能有效去除信号中的噪声和较好保留语音细节。 相似文献
12.
13.
自适应提升小波变换与图象去噪 总被引:8,自引:0,他引:8
引入了基于提升法的自适应离散小波变换,根据LMS自适应法确定伯恩斯坦预测算子的权重系数,使其自适应匹配特定的数据序列,而且应用该方法结合软域值可实现信号去噪,最后扩展该方法应用于二维图象的去噪,数值实验表明自适应提升小波变换有效地实现了图象的去噪而且保持了图像的边缘和纹理特性,提升法的优点在于其设计上的灵活性和计算简便。 相似文献
14.
基于尺度间相关的非下采样Contourlet图像降噪算法 总被引:5,自引:0,他引:5
通过相关性强弱区分噪声与信号系数,并结合阈值方法,提出了一种非下采样Contourlet(NSCT)的尺度间相关的图像去噪新算法.实验表明,上述模型与原有的方法相比,不仅在去噪性能指标而且在边缘保持的主观视觉上都表现出了优异的性能. 相似文献
15.
16.
17.
提出了一种结合SVD的小波变换方法,对其在外弹道测量数据中的野值剔除进行了研究。对观测数据进行小波分解,将小波分解后的近似分量和细节分量组合实现相空间重构,作为SVD方法的输入观测矩阵,根据奇异熵增量准则,对奇异值进行筛选,根据SVD逆变换重构原信号。这一方法克服了Hankel矩阵相空间构建方法数据端点失真问题,以小波分解后分量重构的相空间可以满足正交性,进一步提高了SVD进行数据降噪和野值检测的精度。仿真数据和试验数据处理结果证明了这一方法的有效性。 相似文献
18.
19.
基于Matching Pursuit算法的阵列信号降噪方法 总被引:1,自引:0,他引:1
提出了一种基于Matching Pursuit算法的阵列信号降噪方法,有效改进了DOA估计的性能。该算法首先依据信号模型构建过完备原子库,然后通过梯度跟踪的稀疏分解方法找到最优原子。利用最优原子重构的信号在有效消除噪声的同时保留了信号的全部空间方位特征。计算机仿真证明,新方法与传统的DOA估计方法相结合有效地提高了阵列信号DOA估计的精度和准确度。 相似文献
20.
为了提高脉冲星信号的去噪效果,提出了一种基 于非下采样小波包(NWP)分解的局部Laplace模型消噪方法。 首先对真实脉冲星信号进行NWP分解,统计真实脉冲星信号NWP系数的分布特性, 建立真实脉冲星信号小波包系数的Laplace分布模型;然后在Laplace先验概率分布的基础 上,根据最大后 验概率(MAP)估计准则,利用含噪脉冲星信号的小波包系数对真实脉冲星信号的小波包系数 进行有效估算;最后 对估算出的小波包系数进行NWP重构,得到消噪后的脉冲星信号。采用不同 的脉冲星信号进行实 验分析的结果表明,与经典的基于高斯分布的非下采样小波(NSW)消噪和NWP消噪相比,本文 方法可以 更有效地去除噪声,同时更好地保留信号中的微脉冲等细节信息,在信噪比(SNR)、均方根误差(RMSE)、相关系数(CC)和峰值相对误差(REPV)等都 有较好的改善。 相似文献