波和小波包变换在心电信号去噪中的应用

小波(包)变换软阈值去噪方法具有非线性和自适应性,特别适合非平稳微弱的生物医学信号的去噪,而心电信号恰具有该特征。利用MIT/BIH数据库中没有噪声的胎儿心电的信号作为有用信号并混合高斯白噪声作为干扰来验证小波(包)软阈值去噪的效果。验证结果表明小波(包)软阈值算法去噪效果很好,能有效去除干扰。     

基于小波消噪和自适应滤波的FECG提取

应用小波分析和自适应滤波消噪相结合的方法提取胎儿心电（feta electrocardiogram, FECG）信号．对样本信号对软阈值去噪和硬阈值去噪进行了对比分析，发现软阈值去噪较好．把去噪后的信号作为自适应滤波消噪的参考信号，将腹部信号作为主输入信号，构建了基于RLS自适应噪声抵消（recursive least squares adaptive noise cancellation），并对其进行了样本试验．     

小波包消噪提高小波网络故障识别性能

针对强噪声背景的高频振动信号,给出一种利用小波包消噪和频带分割技术,根据信号能量在小波包空间的分布特性,提取故障信号特征信息的方法．在小波包空间自适应软阈值去噪,消除白噪声;运用频带分割消除有色噪声,计算各子空间的能量,抽取低维特征矢量,作为小波网络的输入．该方法既提高了小波包神经网络的故障识别性能,又简化了决策网络结构,提高了收敛速度．     

改进的小波阈值法在电能质量信号去噪中的应用

针对传统的小波硬阈值去噪及软阈值去噪存在信号突变和高频信号失真的问题,提出采用一个加权因子将软、硬阈值函数结合起来进行信号去噪,并确定了加权因子的表达式。通过理论分析和Matlab仿真验证,改进后的小波阈值法弥补了小波软、硬阈值去噪的缺点,改善了电能质量信号去噪效果,使去噪效果大大提高。     

基于小波消噪和自适应滤波的FECG提取

应用小波分析和自适应滤波消噪相结合的方法提取胎儿心电(feta electrocardiogram,FECG)信号.对样本信号对软阈值去噪和硬阈值去噪进行了对比分析,发现软阈值去噪较好.把去噪后的信号作为自适应滤波消噪的参考信号,将腹部信号作为主输入信号,构建了基于RLS自适应噪声抵消(recursive least squares adaptive noise cancellation)系统,并对其进行了样本试验.     

基于K-均值聚类与小波分析的声发射信号去噪

为准确识别声发射信号模式,必须剔除声发射信号中的噪声,传统滤波去噪方法效果并不理想,小波阈值去噪方法显示了独特的优势。针对小波阈值去噪方法中阈值设置风险问题,利用K-均值聚类方法对小渡分解后的高频系数进行分类,确定去除噪声对应小波系数的阈值,然后进行小波系数重构达到去噪目的。采用硬闲值法与软阈值法对声发射信号进行小波阈值去噪,将基于K-均值聚类方法生成的闽值和改进Donoho方法生成的阈值分别作为小波去噪闽值,实验结果表明,在信噪比、均方根误差和平滑度三个指标上,本方法优于改进Donoho方法。     

新型小波阈值函数的仿真及应用

提出了一种新型小波阈值函数.借助于典型信号和高斯白噪声叠加形成测试信号,对传统小波阈值函数、改进小波阈值函数及新型小波阈值函数的去噪效果进行对比仿真研究.结果表明,采用新型小波阈值函数所得到的去噪信号,其信噪比和均方差均最优.此外,将新型小波阈值函数用于滚动轴承的实际振动信号的去噪研究,从去噪信号的时域信号对比及信噪比来看,该函数具有较好的去噪效果,使信噪比得到了较大提高.     

采用经验小波变换的风力发电机振动信号消噪

针对风力发电机振动信号非线性特征及恶劣监测环境,分析经验小波变换理论（EWT）及自适应分解特性,提出基于经验小波变换的振动信号消噪方法.采用带噪声leleccum和轴承故障仿真信号对该方法进行消噪效果检验;在同信号源下,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法分析比较消除噪声效果.针对真实的风力发电机振动信号,验证了基于经验小波变换方法的消噪效果,对同样信号采用其他3种方法进行消噪分析和比较.仿真和实验分析结果表明,基于EWT小波消噪方法,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法能够达到同样的消噪效果和目的,甚至更优;不损耗原振动信号能量,在自适应模态分解层数方面甚至优于经验模态分解,并且具有较强的鲁棒性.     

基于经验模式分解与小波软阈值的联合去噪法

为获得往复运动摩擦副摩擦力信号良好的去噪效果,在分析传统的经验模式分解去噪和小波阈值去噪的优缺点的基础上,提出在模式相关系数准则下,将经验模式分解去噪与小波软阈值去噪结合起来的综合去噪方法。首先利用经验模式分解出若干个固有模式函数分量,在模式相关系数准则下找出由噪声主导和由信号主导的固有模式函数分量的分界点,接着对由信号主导的模式函数分量分别进行小波软阈值去噪,然后再进行重构从而获得去噪信号。实验结果表明,此去噪方法具有良好的自适应性和稳定性,提高了信噪比,并较好地保留了原信号的细节信息。     

一种FMCW雷达信号的小波阈值函数去噪法

针对调频连续波雷达信号处理中噪声的影响,给出一种改进的小波阈值函数法。差频信号的小波阈值去噪中,首先确定小波基,选择分解层数,对信号进行分解,之后采用改进的小波阈值函数法,并利用通用阈值完成阈值量化处理,最后重构信号。采用改进的小波阈值函数法对差频信号去噪仿真,验证了相比传统的软阈值、硬阈值以及已有的一些改进阈值函数法,信噪比有一定的提高。     

一种改进的雷达信号小波包特征提取方法

针对低信噪比下雷达辐射源信号分类问题,提出一种基于小波包特征提取的改进方法。首先对信号进行小波包分解,然后在小波域采用阈值收缩降噪方法对小波包系数进行去噪处理,并提取去噪后小波包能量的统计特征,最后设计支持向量机分类器实现对雷达信号的自动分类。实验结果表明,采用去噪小波包的特征提取方法能有效降低噪声对信号识别效果的影响,当SNR=-3dB时,信号的平均识别率仍能到达93．3％,在较低信噪比下能够得到较为满意的识别效果。     

基于小波变换的去噪方法

分析了信号与噪声在小波变换下的不同特点,提出了基于小波变换的去噪方法,且将该去噪算法用算子加以描述,给出了具体实例。小波变硬阈值去噪法和软阈值去噪法的性能比较及仿真实验,表明基于小波变换的去噪方法是非常有效的。     

吊放声纳信号提升小波阈值去噪分析

为了去除干扰噪声及保留信号特征,本文采用提升小波阈值法对信号进行去噪处理。先对信号进行提升小波分解,以获取相应尺度的尺度系数和小波系数;采用相应的阈值函数对小波系数进行量化,将量化后的小波系数和尺度系数按照提升小波逆变换方法重建信号,获取去噪信号。仿真结果表明,该方法去噪速度快、占用空间小,去噪信号信噪比均在10dB左右;均方根误差和峰值误差分别控制在0.1和0.3以下,波形与功率谱趋于平滑,信号的峰值点得以保留。该去噪方法在保留信号基本特征的同时,有效抑制了干扰噪声。     

小波变换提取电力电容器局部放电信号研究

为了消除电力电容器局部放电信号的噪声,提高电力电容器局部放电信号在线检测的有效性,提出基于小波变换阈值消噪方法的电力电容器局部放电信号提取方法。选择合适的小波基函数和分解层数对信号进行小波分解,确定合适的阈值规则以及阈值估计方法对小波分解系数进行阈值量化处理,从而得到消噪后的局部放电信号。以均方根误差RMSE和信噪比RSN为衡量指标,分析了小波基函数、分解层数、阈值规则和阈值估计方法等对消噪效果的影响。结果表明,当选择db2小波作为最优小波基函数,分解层数定为6层时,利用最大最小准则阈值估计法估计的阈值在软阈值规则下能有效提取电力电容器局部放电信号,达到了最优去噪效果。     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

基于改进小波阈值法的平移不变心电信号去噪

人体心电信号在采集过程中掺杂着各种噪声信号,而常用的小波阈值法在心电信号去噪中存在缺陷,为此在小波阈值法的基础上进行改进,得到新的阈值去噪方法,该方法能够较好保护心电信号特征,有效保持各种心电波形的幅度,并在一定程度上有效抑制脉冲噪声.此外,由于传统小波阈值法去噪都是基于离散小波变换进行的,所以在幅度较小的Q,S波处会产生Pseudo-Gibbs现象,而文中以改进的小波阈值法为基础对心电信号进行平移不变的去噪处理,有效地克服了这个问题.利用美国麻省理工学院的MIT-BIH心电数据库对以上方法进行验证,取得了良好的去噪效果.实验结果表明,所提出的算法与传统的小波阈值法比起来能够更好的保持心电信号的几何特征,且具有更高的信噪比.     

基于小波变换消除信号噪声的研究

利用小波方法去噪是小波分析工程实际的一个重要方面。简单介绍了小波分解和重构,小波去噪原理,硬阈值法、软阈值法、平移不变量法。并且利用Matlab将几种典型的信号叠加高斯白噪声进行仿真。     

一种新型的小波阈值图像去噪方法

对含噪图像小波阈值去噪方法中经典的阈值函数选取方式以及阈值选取方式的相关性能进行比较分析,在此基础上,构造出一种新的小波阈值去噪函数。新定义的阈值函数通过增加一个参变量来克服硬阈值函数不连续的缺点和软阈值函数高阶导数不连续的缺陷。理论分析和实验结果均表明,构造的小波阈值去噪函数具有更好的适应性和去噪效果。在图像含有强高斯噪声的情况下,新型阈值去噪方法相对软阈值法其峰值信噪比可以提高4dB到6dB。     

基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

基于小波阈值去噪的光谱模型评价方法研究

采用小波变换对小麦近红外漫反射光谱进行阈值去噪研究,在软阈值函数下,分别采用固定阈值、启发式阈值、自适应阈值、最大最小阈值对光谱信号进行去噪,并用偏最小二乘建模的方法对去噪效果进行评价.结果表明,小波阈值降噪方法可以有效地降低原始光谱噪声,并很好地保留了信号中的尖锐和突变部分,而在阈值降噪过程中,最大最小阈值去噪效果最好,其建模后的绝对系数(R2)是0.8935,均方根误差(RMSE)是0.2886.