基于小波基函数选取与改进阈值函数的脉冲星信号去噪算法研究

在利用小波变换对脉冲星信号进行消噪时,小波基、分解层的选取以及阈值函数的构建很大程度上决定了脉冲星导航的准确性。首先研究了小波基与小波分解系数之间的从属关系,进而根据小波分解系数与原始信号的互相关大小来筛选合理的小波基和分解层。在对小波分解系数的研究中发现,噪声形成的小波系数随着分解层的增加而减小,考虑到这个特点,构建了一个基于分解层的阈值函数。实验结果表明,相比于传统小波域消噪方法,所提方法不仅能够准确地筛选出最优小波基和最佳分解层,而且利用所构建的阈值函数进行消噪可以明显改善去噪后脉冲星信号的信噪比、峰值信噪比以及峰位误差,为脉冲星信号消噪提供了新思路。     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

基于小波变换对信号噪声的处理研究

采用传统的滤波方法对信号进行消噪时,虽然方法简单,但是以牺牲信号的局部特征为代价,且信号的信噪比并未得到有效地改善。文中采用小波变换的方法对信号进行消噪,将原始信号经小波分解后,信号的小波系数大于噪声的小波系数,再选取一合适阈值,保留高于此阈值的信号小波系数,从而达到消噪的目的。实验结果表明,该方法不仅能有效地去除信号中的噪声,且能保留信号的局部特征。     

一种小波阈值函数的CDMA信号去噪研究

噪声是影响CDMA系统检测概率的重要因素,针对软、硬阈值函数去噪法与最新的3种改进小波阈值去噪法对信号去噪效果进行对比性研究,在此基础上对小波阈值去噪方法中的阈值函数进行改进.用各种阈值函数对带高斯白噪声的方波输入信号进行去噪的仿真实验,分析其均方误差和信噪比,结果表明本文的阈值函数能够提高去噪信噪比和降低均方误差.     

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。     

一种改善微弱信号信噪比的小波变换消噪法

通过分析小波变换处理信号噪声的方法及其在微弱信号检测方面的不够完善之处,提出适合于极低信噪比条件下小波消噪法的信号检测原理和方法,即通过构造具有可调功能的阈值函数以及对小波分解系数处理方式的优化设计等方法,在强背景噪声中提取出微弱的信号特征信息,从而实现微弱信号的检测.最后通过Matlab仿真验证该方法的实验效果,理论和实验结果均表明此方法能较大幅度地改善信号比.这里阈值构造过程中充分考虑到了信噪比因素的影响,并对小波分解系数的处理也进行了合理优化,从而使得去噪效果有较大的改善.     

小波变换在微光图像消噪中的应用算法研究

根据小波变换用于图像消噪的原理,结合微光图像噪声的闪烁颗粒性特点,对小波变换用于微光图像消噪时的小波基及小波分解层次的选取进行了分析,得出采用Haar小波进行一层分解即可满足微光图像消噪要求的结论。为了选取小波消噪的系数阈值,通过对三幅微光图像小波系数的直方图分析,设计了阈值选取算法,并针对微光图像,得出了消噪的经验阈值。经过仿真实验及算法复杂度的时间分析,在实时性和微光图像消噪效果之间取得了平衡。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.     

非平稳环境下混沌信号的小波去噪方法

针对传统的去噪方法对混沌信号除噪的盲目性，及往往仅对平稳环境或缓慢变化的噪声有效的局限性，本文提出根据信号与噪声在小波域的分布特性及信号和噪声的模极大在细尺度下收敛的横坐标点来检测信号的奇异性，以分形维树理论为依据决定阈值，得到噪声在小波域中的位置以及小波系数大小实现去噪。实验结果证明此法有效可行。     

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。     

基于小波域Curvelet变换的湍流图像去噪算法

为了提高湍流图像的空间分辨率,提出了一种基于小波域Curvelet变换(wavelet domain Curvelet transform,WDCT)的湍流图像去噪算法。该算法根据湍流退化图像噪声的统计特性,结合贝叶斯萎缩方法优化阈值选择。首先,对含噪湍流图像进行单层二维离散小波变换,接着提取高频系数并对它作快速离散Curvelet变换,最后根据贝叶斯准则估计阈值T,改进阈值的自适应选取方法,获得最优阈值,最后给出湍流图像去噪实现过程。为验证本文算法,根据客观评价标准峰值信噪比(peak signal to noise ratio,PSNR)和均方根误差(mean square error,MSE),对模拟图像和实测湍流图像进行去噪实验。与DWT-NABayesShrink算法、UWT算法相比,视觉效果更好,PSNR值分别提高7.27%和4.92%,MSE值分别降低26.3%和23.1%。本文算法得到较清晰的目标图像,对湍流退化图像去噪有一定的应用价值。     

不同小波基函数下的语音去噪研究

为了分析语音去噪的效果,首先介绍了小波变换和分解的相关理论知识,然后对Daubechies小波、Symmlets小波、Coiflets小波和Haar小波特性做了比较分析。最后选取一段添加了高斯白噪声的实际语音信号,选取heursure启发式阈值,利用Matlab软件分别对各种小波基下的去噪效果进行仿真实验。并通过计算去噪前后的信噪比(SNR)和最小均方差(MSE)的值,分析比较各种小波基函数的去噪效果,并得出最优小波基函数。     

Image denoising algorithm based on even step-length generalized cross validation model

Generalized cross validation (GCV) is a significant mean square error (MSE) estimator. It is widely used for image denoising because it can provide an optimal denoising threshold for these wavelet coefficients of noise image. However, the computational complexity of GCV is higher than that of the universal threshold denoising algorithm. In this study, an efficient and fast image denoising algorithm is proposed based on even step-length (ESL) GCV model. In ESL-GCV model, only the thresholds on even points are calculated from four to the maximum wavelet coefficient. In addition, the ESL-GCV model is optimized using the integer wavelet transform (IWT). These experimental results show that the IWT-based ESL-GCV model can provide lower computational complexity and the better peak signal-to-noise ratio (PSNR) than those of the traditional GCV. The proposed algorithm has important theoretical and practical value for image denoising in the future.     

一种新的图像自适应阈值去噪方法

针对小波变换缺乏平移不变性产生的伪吉布斯现象(Gibbs-like phenomena)和Donoho阈值去噪方法阈值单一的缺陷,提出了基于Cycle Spinning的图像自适应阈值去噪方法,Cycle Spinning能抑制伪吉布斯现象,并且给出了阈值自适应因子,阈值能根据不同高频子带自适应改变。实验显示,该方法提高了去噪图像峰值信噪比(PSNR),降低了均方误差(MSE),去噪图像清晰,获得较好的视觉效果。     

自适应阈值函数小波算法的电机振动信号去噪

通常采集的电机振动信号中都含有噪声成分,一般采用小波阈值去噪处理可以达到理想的效果,但是传统软、硬阈值函数存在恒定偏差或不连续等缺点,不能很好的保留有用信息。针对这一问题,文中提出了随分解层数自适应且具有调整参数的阈值函数。改进的小波阈值函数连续、可微且具有渐进性,通过遗传算法做调整参数寻优,在保留大部分原始信号的基础上进行去噪,使得新的小波去噪算法在保留有用信息与去除噪声之间有较好的平衡性。实验中将该方法应用于所采集的电机振动信号,结果显示,该方法具有更高的信噪比与较低的均方根误差,能够更好的滤除噪声,保留原信号的有用信息。     

高分辨率红外图像的分层自适应阈值Curvelet系数萎缩去噪方法

高分辨率红外图像在基于小波系数阈值萎缩的去噪过程中,容易导致边缘模糊或丢失等失真。文中首次引入基于wrapping的第二代快速Curvelet变换,对图像边缘信息进行有效的稀疏保存,并采用分层自适应阈值算法独立估计每个尺度、方向上的Curvelet系数噪声阈值,并针对红外图像的Curvelet系数能量高度集中于低尺度系数的特点,采用尺度相关的硬阈值对染噪图像的Curvelet系数进行处理。实验结果表明：在不同噪声条件下,与基于小波系数的Visu Shrink,Penalized,sparsity-norm阈值等去噪算法相比,文中提出的去噪算法取得了较好的去噪效果,在噪声方差σ=30时,使用该方法的峰值信噪比(PSNR)可高达31.77 dB,去噪后的图像边缘保持良好,具有较好的视觉效果;同时,文中建议算法的计算量比传统Curvelet降低了70%以上,适合在DSP等嵌入式系统应用。     

IMAGE WAVELET DENOISING USING THE ROBUST LOCAL THRESHOLD

This paper suggests a scheme of image denoising based on two-dimensional discrete wavelet transform.The denoising algorithm is described with some operatiors.By thresholding the wavelet transform coefficients of noisy images, the original image can be reconstructed cor-rectly.Different threshold selections and thresholding methods are discussed.A new robust local threshold scheme is proposed.Quantifying the performance of image denoising schemes by using the mean square error, the performance of the robust local threshold scheme is demonstrated and is compared with the universal threshold scheme.The experiment shows that image denoising using the robust local threshold performs better than that using the universal threshold.     

Wavelet thresholding of multivalued images

In this paper, a denoising technique for multivalued images exploiting interband correlations is proposed. A redundant wavelet transform is applied and denoising is applied by thresholding wavelet coefficients. Specific functions of the wavelet coefficients are defined that exploit interscale and/or interband correlation of the signal. Three functions are studied: the square of the wavelet coefficients, products of coefficients at adjacent scales, and products of coefficients from different bands. For these functions, the signal and noise probability density functions (pdf) become more separated. The high signal correlation between bands is exploited by summing these products over all bands, in this way separating noise and signal pdfs even more. The noise pdf of the proposed quantities is derived analytically and from this, a wavelet threshold is derived. The technique is demonstrated to outperform single band wavelet thresholding on multispectral remote sensing images and on multimodal MRI images.     

Genetic algorithm and wavelet hybrid scheme for ECG signal denoising

This paper introduces an effective hybrid scheme for the denoising of electrocardiogram (ECG) signals corrupted by non-stationary noises using genetic algorithm (GA) and wavelet transform (WT). We first applied a wavelet denoising in noise reduction of multi-channel high resolution ECG signals. In particular, the influence of the selection of wavelet function and the choice of decomposition level on efficiency of denoising process was considered. Selection of a suitable wavelet denoising parameters is critical for the success of ECG signal filtration in wavelet domain. Therefore, in our noise elimination method the genetic algorithm has been used to select the optimal wavelet denoising parameters which lead to maximize the filtration performance. The efficiency performance of our scheme is evaluated using percentage root mean square difference (PRD) and signal to noise ratio (SNR). The experimental results show that the introduced hybrid scheme using GA has obtain better performance than the other reported wavelet thresholding algorithms as well as the quality of the denoising ECG signal is more suitable for the clinical diagnosis.