自适应小波包分解门限去噪新算法

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。     

基于MATLAB的振动信号去噪研究

在信源定位或设备故障诊断中,通过数据采集器采样得到的振动信号数据中往往叠加有噪声,使得其中有用的特征信息也常常被淹没在噪声之中。为了将数据尽可能真实地还原成实际振动状况,提取真实信号的特征,须对干扰信号进行去噪。文中首先对实测振动信号消除了趋势项,并用切比雪夫带通滤波器和小波软阈值法对信号去噪。仿真结果表明：小波软阈值法去噪比切比雪夫滤波器去噪效果明显,且保留了原信号的细节特征,具有较高的使用价值。     

基于小波阈值的医学图像去噪研究

在分析目前广泛应用的软阈值和硬阈值函数去噪方法的基础上,提出了一种改进的小波阈值函数的医学图像去噪方法.这种方法既兼顾了软、硬阈值函数的优点,同时又有效克服了软阈值法细节模糊和硬阈值法去噪信号的失真现象.仿真结果表明,该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医生的诊断.     

基于一种自适应折中-平滑阈值的脉搏信号小波去噪

人体脉搏信号在采集过程中会掺杂着各种噪声信号,而传统所采用的小波变换阈值去噪法在处理脉搏信号时又存在着缺陷,本文采用的折中一平滑闽值函数,并基于斯坦恩无偏估计（SURE）优化算法去寻找最优阈值门限,与在原有阈值基础上的小波自适应阈值去噪做对比,通过利用Matlab对脉搏信号进行去噪仿真。结果表明,依据信噪比（SNR）和信号平滑度Ⅲ的评判标准,该方法去噪效果更好,结果令人满意。     

基于改进阈值函数和自适应阈值的小波去噪方法

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。     

一种新型阈值决策的小波去噪方法

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。     

采用小波阈值的时变光栅莫尔信号去噪方法

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.     

双模噪声背景下自适应小波阈值去噪

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。     

一种改进的小波阈值去噪法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法,其中阈值函数的选择关系着重构信号的连续性和精度。但是硬阈值函数在阈值点具有不连续性,软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,这些缺点限制了阈值去噪法的进一步应用。将硬阈值和软阈值函数进行加权平均,选取适当的权值函数,可以构造出一种克服了软硬阈值缺点的新的阈值函数。仿真结果表明,该方法具有较好的去噪效果。     

基于Matlab的小波去噪算法研究

小波阈值去噪是通过小波变换技术将含噪信号分解及重构,通过一个阈值限定小波分解后的小波系数来去除噪声的方法。在小波分析域中分析了传统的软阈值法和硬阈值去噪方法的特点,同时指出传统分析法中存在的缺点,提出了软硬阈值折衷的去噪方法。采用雷达信号用Matlab对去噪效果进行仿真,证明了改进方法的去噪效果优于单纯的软阈值与硬阈值方法。     

基于小波变换的动态阈值法语音信号净化

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。     

基于小波变换的信号降噪和奇异性检测

本文对基于小波阈值的信号降噪进行研究,重点讨论了阈值函数设计。传统的硬阈值函数法处理信号时,降噪后的结果有较大方差,软阈值函数法降噪后的结果相对平滑,但软阈值函数法降噪的同时削弱了小波系数的幅度,降噪结果会出现较大的偏差。基于此,本文提出了两种改进的阈值函数,用该两种函数对小波系数进行处理,降噪效果较为明显,信噪比得到较大的提高。     

自适应提升小波变换与图象去噪

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。     

基于尺度间相关的非下采样Contourlet图像降噪算法

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.     

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.     

结合SVD的小波变换在外弹道野值剔除中的应用

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。     

基于改进小波阈值法处理MEMS陀螺信号噪声

小波具有多分辨率分析特性,利用小波阈值去噪可以有效地处理MEMS陀螺信号的噪声.针对常用阈值小波去噪方法的不足,提出了一种改进的小波阈值方法.详细介绍了该方法的原理与实现过程,并将其应用到MEMS陀螺信号处理过程中.使用db4小波,应用不同的阈值函数对MEMS陀螺信号进行4尺度分解.仿真实验分析比较表明,改进的小波阈值方法可以有效地剔除信号中的噪声,抑制了MEMS陀螺仪的随机漂移;与现有的阈值方法相比,信噪比提高了18.3%.     

基于Matching Pursuit算法的阵列信号降噪方法

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。     

基于Laplace分布的非下采样小波包脉冲星信号消噪

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。