小波分析和偏最小二乘法相结合用于示波计时电位同时测定铅和铊中的研究

提出了基于小波分析和偏最小二乘（Partal Least Squares,PLS)基础上的化学计量学方法用于示波计时电位同时测定铅和铊的研究。利用小波变换可方便地从dE/dt-E信号中滤噪，提取与去极剂浓度变化有关的信号，获得利于多组分测定的示波图。该方法为示波过程分析奠定了一定的基础。     

小波分析和偏最小二乘法相结合用于示波计时电位同时测定铅和铊中的研究

提出了基于小波分析和偏最小二乘(Partial Least Squares,PLS)基础上的化学计量学方法用于示波计时电位同时测定铅和铊的研究。利用小波变换可方便地从dE/dt-E信号中滤噪,提取与去极剂浓度变化有关的信号,获得利于多组分测定的示波图。该方法为示波过程分析奠定了一定的基础。     

基于LabVIEW 7的虚拟示波分析系统及其应用

采用虚拟仪器技术,以LabVIEW 7.0软件为开发平台,采用国产高速数据采集卡和本实验室自制的示波计时电位装置,开发出虚拟示波分析系统。该系统可实现多路信号同步采集、分析,并具备可控信号显示及回放等特点。将该系统用于高低频示波计时电位实验的结果表明:由于该系统具有可控信号显示及回放特点,使得高低频示波计时电位法中,去极剂溶出的最深的切口深度易于观察和测量,从而使高低频示波计时电位法成为一种实际有用的分析方法。     

基于小波极大模值的色谱噪声自适应滤除

利用小波模极大值理论提出了一种自适应滤除色谱噪声的算法。对带噪色谱信号小波分解获得不同分解层数上的模极大值点,利用信号与噪声的小波模极大值的衰减性显著差异,结合色谱谱图信号与非信号不同区域,根据同一序列点在不同层上的模值变化,区分出信号点与噪声点,再通过信号重组可得到滤噪后的色谱信号。实验结果表明,该算法不影响色谱峰峰高和峰位置,能有效地自适应降噪。     

基于小波变换模极大值的信号奇异性检测

奇异性信号往往带有一些重要信息,小波是奇异性检测的一种有力工具。本文通过小波变换模极大值法对信号的消噪处理和奇异性检测,并对几种常见小波进行不同奇异性信号的检测效果对比,并实际应用于电压骤变信号的分析。     

基于卷积型小波包变换的信号消噪算法

提出了卷积型小波包变换，与传统小波包变换相比。在这种小波包变换中不管信号被分解多少层，每层分解得到的各频道序列长度始终与原始信号一致，利用这一性质本文进一步提出并实现了对小波包分解结果利用模极大值法进行消噪的算法。这一算法的思想来自于基于小波变换的模极大值消噪算法，但是由于小波包分解是对小波分解的结果作进一步细分，在小波分解中难于分离的高频噪声将被小波包充分分离与集中到后面的频道，因此基于小波包变换的模极大值消噪算法将会取得比小波消噪更好的效果。文中给出了信号的小波包消噪实例，并与小波消噪的效果进行了对比，结果表明小波包有更优良的消噪效果。     

小波变换在车流量检测雷达信号去噪中的应用

分析了车流量检测雷达中频信号的特点,探讨了小波变换在中频信号去噪中的应用;分别采用小波变换阈值法、平移不变量法和小波变换模极大值法对中频信号进行了去噪处理并对这三种方法的去噪性能进行了分析;实验结果表明,三种方法均能有效的抑制噪声,其中小波阈值法去噪效果较好,计算速度很快;平移不变量法去噪效果略优于小波阈值法,但计算速度较慢,模极大值法虽然取得了最好的去噪效果,但计算速度很慢;综合而言,小波变换阈值法最具实用价值。     

基于多通道小波变换的化学信号滤噪方法

基于多小波变换的理论与算法,提出了多小波软阈值去噪算法。用模拟高斯信号对多小波软阈值滤噪方法与单小波软阈值滤噪方法进行了比较,实验结果表明,多小波滤噪方法去噪效果优于单小波。将多小波软阈值滤噪方法用于黄连提取物的5种组分毛细管电泳信号的滤噪,进行滤噪处理后,噪音基本上被消除,峰位置十分清晰,峰的位置、面积及高度基本不变,基线平稳,有利于进一步进行定量计算。     

基于小波变换的信号去噪的应用研究

文章指出了小波变换去噪方法与一般意义下去噪方法的不同,讨论了小波变换算法的优越性,进而提出了利用小波算法对含噪信号进行逐层分析与重构,将原始信号分解为不同频带,滤除不需要的频带,最后用Mallat重建算法得到去噪后的信号,既有效地滤除了信号噪声,又保留了信号的突变性。大量的实验结果和进一步的分析表明,该技术应用在动力系统的去噪研究中将更加有利于系统的稳定运行。     

基于小波变换的非平稳信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效, 且残留的信号噪声较大。基于小波变换的去噪算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换的模极大值随尺度的变化大小不同,得到噪声在小波域中的位置以及小波系数大小。实验结果表明：该算法对平稳和非平稳的噪声都能进行较好地去噪。     

基于小波-EEMD-Adaline网络的容栅传感器信号去噪方法

针对容栅传感器检测的转动轴扭振信号掺杂的环境噪声干扰和自身的电磁噪声干扰使得信噪比低、微弱信号难提取的问题,提出了一种基于小波-EEMD-Adaline自适应线性神经网络去噪方法.该方法对信号进行小波、EEMD、Adaline网络消噪处理,采用三级去噪、噪声过滤、对消来逼近原始信号.用典型加噪超声信号、Doppler信号、Block信号对该方法进行有效性验证,与EEMD、基于小波分解的EEMD去噪效果相比较.实验结果表明,后两种方法信号去噪的SNR提升小(均不到20),而本文方法SNR(RMSE)提升(减小)明显,对于9 dB的Doppler信号SNR提升达90,RMSE从1.038 5降至0.009 5.对容栅电路实测大噪声微弱信号去噪,结果表明,该方法去噪性能更优,去噪后信号光滑性好,波动稳定性强.     

小波变换的频响特性及其在语音去噪中的应用

讨论小波变换在实际语音信号去噪处理中应用。由于语音信号的复杂性 ,信号本身含有奇异性 ,因此不能单一使用阈值去噪法。文中定义了小波变换频响特性 ,并利用它重构低尺度参数上的小波变换模极大 ,达到去噪目的。实例证明它的有效性     

小波阈值神经网络在信号去噪及预测中的应用

提出了一种小波阈值神经网络模型(wavelet threshold neural network,WTNN),对合作式接收到的雷达信号进行去噪和预测.这种网络模型把小波最优阂值去噪器加到神经网络中,对带噪信号具有小波最优阈值去噪和预测的功能.对小波系数作单层重构,可简化训练算法,使编程得到精简.其次,通过对训练算法进行分析,得出了最优阈值及权值的调整公式.最后通过对线性调频信号去噪及前向一步预测的实验结果可以看出,当网络输入分别为带有高斯白噪卢、高斯带限噪声、瑞利噪声的线性调频信号时WTNN得到的结果均优于利用Donoho阈值进行去噪后再预测的结果.     

Detrended fluctuation thresholding for empirical mode decomposition based denoising

Signal decompositions such as wavelet and Gabor transforms have successfully been applied in denoising problems. Empirical mode decomposition (EMD) is a recently proposed method to analyze non-linear and non-stationary time series and may be used for noise elimination. Similar to other decomposition based denoising approaches, EMD based denoising requires a reliable threshold to determine which oscillations called intrinsic mode functions (IMFs) are noise components or noise free signal components. Here, we propose a metric based on detrended fluctuation analysis (DFA) to define a robust threshold. The scaling exponent of DFA is an indicator of statistical self-affinity. In our study, it is used to determine a threshold region to eliminate the noisy IMFs. The proposed DFA threshold and denoising by DFA–EMD are tested on different synthetic and real signals at various signal to noise ratios (SNR). The results are promising especially at 0 dB when signal is corrupted by white Gaussian noise (WGN). The proposed method outperforms soft and hard wavelet threshold method.     

基于盲源分离的超声信号去噪的仿真研究

提出一种新的基于盲源分离的超声信号去噪方法.为了验证去噪方法的有效性,应用此方法处理了仿真的超声信号,并与小波去噪的效果进行了比较.实验结果表明:该去噪方法能极大提高超声信号的信噪比,且其效果能与小波去噪方法相媲美,其特点是通过超声信号和噪声信号的盲源分离实现噪声消除.     

车载光电测量平台晃动监测数据分析

车载环境下由于加速度计自身和外界环境干扰等因素的影响,真实的加速度信号叠加了大量干扰信号。针对加速度计信号特点,采用小波阈值去噪对加速度计信号进行了滤波处理。建立一个振动信号模型,将真实的加速度计的输出噪声作为干扰成分叠加到该模型上,选择较优的小波参数,对仿真信号进行小波阈值去噪,去噪后信噪比（SNR）由4．24dB提高到20．45dB,均方根误差（RMSE）由0．051改善到0．0081。据此对真实加速度计输出信号进行去噪处理,实验结果表明：小波阈值去噪对加速度信号具有良好的滤波效果。     

Optimal selection of wavelet basis function applied to ECG signal denoising

Over the years ElectroCardioGram (ECG) signal has been used to assess the cardiovascular condition of humans. In practice, real time acquisition and transmission of the ECG may contain noise signals superimposed on it. In general, the signal processing algorithms employed for denoising provide optimal performance and eliminate the high frequency noise between any two beats contained in a continuous ECG signal. Despite their optimal performance, the signal processing algorithms significantly attenuate the peaks of characteristics wave of the ECG signal. This paper presents a selection procedure of mother wavelet basis functions applied for denoising of the ECG signal in wavelet domain while retaining the signal peaks close to their full amplitude. The obtained wavelet based denoised ECG signals retain the necessary diagnostics information contained in the original ECG signal.     

基于MAP估计双树复小波的电能质量扰动信号去噪方法

针对电能质量信号的去噪,提出了一种基于MAP估计的双树复小波电能质量扰动信号的去噪方法。首先对带噪信号进行相关性预处理,然后通过MAP方法对双树复小波分解不同层次的细节系数估计噪声方差和信号方差,并计算各层阀值从而得到去噪方案,针对带噪的电压跌落等扰动信号进行仿真,并与传统实小波去噪进行了信噪比和突变点信息保留能力的比较。仿真结果表明,所提算法速度快,去噪效果理想,且易于实现,实用性强,有良好的发展前景。     

基于小波熵自适应阈值的语音信号去噪新方法

针对语音信号去噪问题, 提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号, 计算小波分解后信号子带区间的小波熵, 然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限, 采用折中指数阈值函数对各层高频系数进行去噪处理, 重构降噪后的语音信号, 最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明, 当输入信噪比为5 dB时, 小波熵自适应阈值去噪法的输出信噪比是最大的, 且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线, 从而证实该算法具有更好的去噪性能。     

A Wavelet Packet Tree Denoising Algorithm for Images of Atomic‐Force Microscopy

A threshold‐free denoising procedure of acquired discrete Atomic‐force microscopy (AFM) signals using the discrete wavelet transform (DWT) method is presented in this article. The integration of a denoising procedure into a control structure is extremely important for each kind of system to be controlled. The detection of unavoidable measurement noise in the acquired data of the AFM signal is done by using orthogonal wavelets (Daubechies and Symmlet) and with different polynomial approximation order for each family. The proposed denoising algorithm, based on the free wavelet toolboxes from the WaveLab 850 library of the Stanford University (USA), compares the usefulness of Daubechies and Symmlet wavelets with different vanishing moments. With the help of a seminorm the noise of a sequence is defined as a coherent and incoherent part of the AFM signal. In the first step of the procedure the algorithm analyzes the frequency subspaces of the wavelet packets tree and searches for small or opposing components in the wavelet domains. In the second step of the procedure the incoherent components in the low‐ and high frequency domains are localized and the incoherent is then removed from the AFM signal. The proposed algorithm structure is used to improve the quality of the AFM signals and it can be easily integrated into the existing AFM control hard‐ and software structures. The effectiveness of the proposed denoising algorithm is validated with real measurements.