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。     

信号处理中去噪算法的改进仿真

针对信号处理中交替投影法去噪计算量大的缺点,提出了改进方法,改进后的方法首先利用Ad hoc算法求出信号的模极大值,然后对模极大值点分段进行抛物线插值,从而得到信号的估计小波系数,最后利用估计小波系数重构信号,实现去噪的目的。仿真实验证明：该方法能有效去除噪声,与交替投影法相比,该算法在原理上更简单,程序实现更容易,去噪速度更快,是更加实用的方法,特别是便于用硬件实现。     

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。     

非平稳环境下基于小波变换的图像去噪

传统的图像去噪算法往往仅对平稳或缓慢变化的噪声有效,且残留的图像噪声较大。对此,研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及它们的小波变换模极大值随尺度的变化大小不同,运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小,完成了图像去噪。实验结果表明,对峰值信噪比较低的图像,该方法去噪后峰值信噪比比传统方法的高,并且保留了较多的图像细节,同时对平稳和非平稳的噪声都能进行较好地去噪。     

基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

带噪语音信号小波去噪算法研究

去噪问题是信号处理中必不可少的问题。滤波作为传统的去噪方法,主要包括线性滤波和非线性滤波。噪声与信号频率重叠,传统方法要想取得良好的去噪效果必须牺牲部分信号。现有的小波模极大值去噪方法虽然有较好的去噪效果,但是该方法计算量大。小波阈值去噪方法更简单,但小波重构后的小波系数与噪声的小波系数存在恒定的偏差。在阈值去噪方法的基础上提出一种改进算法,仿真结果表明该算法在加性高斯白噪声污染下表现出较好去噪效果。     

基于虚警概率最大准则的小波阈值去噪算法研究

本文分析了随机噪声的小波变换系数在不同尺度上的传递特性和噪声信号奇异性与小波模极大值的关系,阐述了基于阈值的正交小波变换去噪法,在此基础上提出了一种基于能量元和Neyman-pearson准则的小波阈值去噪算法。其小波阈值的选取是依据设定虚警概率后得到的检测概率最大的准则,并且阈值是随各尺度独立的。通过仿真实验,验证了该算法的有效性和优异性。     

小波变换在扫描工程图纸预处理中的应用

工程图纸矢量化之前,必须对图纸进行预处理.本文提出了根据具有不同的Lipschitz指数的信号和噪声的局部模极大值具有不同的传播特性的理论,应用小波变换模极大值去除扫描图纸的噪声的方法,并给出了具体算法.同时充分利用原图纸的空域上的线条有别于污点的特征,对经去噪后的图纸采用逻辑平均抽取算法.去除大块的污点.实验结果证明了该算法的可行性.     

地震信号小波变换的去噪方法

运用模极大值法基本原理进行地震信号去噪研究,进而运用二次小波变换原理通过低层系数处理对常用小波去噪方法进行改进.通过合成不同的染噪地震信号,由一系列仿真实验对模拟地震信号进行不同尺度的小波分解与重构,从而实现最优小波分解尺度上的地震信号噪声去除.与常用的快速傅立叶转换方法比较,仿真结果表明,该小波变换方法能够有效去除地震勘探信号中的噪声,并且针对系数的二次小波变换可以明显改进去噪的效果.     

基于最优小波包基的模极大值法信号消噪研究

给出了对信号进行基于熵准则的最优小波包基分解的基本原理,在此基础上提出了使用模极大值法进行信号消噪的基本原理.通过计算Lip指数确定信号中的奇异点,然后根据噪声和有用信号的模极大值随着小波分解尺度的增大而呈现出的截然不同的特性剔除噪声,从而实现消噪.通过对一含有噪声的信号进行消噪验证了该方法的优越性.     

基于小波模极大值的信号奇异性检测

小波分析近乎完美的数学特性受到各领域科学家和工程技术人员的青睐.文中讨论了基于小波模极大值的信号奇异性检测方法,该方法突破了傅立叶分析在时域和频域方面的局部化能力,信号的局部正则性可由其小波变换模随尺度参数的衰减特性来刻画,通过确定小波变换在细尺度下的局部模极大值来检测信号奇异性.实验表明,该方法能有效的、实用的.     

小波变换在X射线图像边缘检测中的应用

分析了X射线探伤图像的特点,将小波变换技术应用到X射线图像的边缘检测中,提出了基于小波变换的模极大值边缘检测算法,利用二次B样条小波,采用Mallat快速算法进行小波分解,采用分块阈值选取方法确定模极大值点,给出缺陷边缘。实验结果表明,该方法去噪效果好,检测出的缺陷边缘具有较强的连续性。     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

惯组野外测试时振动干扰的检测与提取

惯组在野外进行测试时常常会受到地基振动的干扰,这种干扰会对惯组的测试精度造成极大的影响.本文首先建立了振动信号的数学模型,然后利用小波模极大值法对惯组的输出信号进行分析,并推导了抑制噪声干扰、提取振动信号的算法.仿真实验表明,该算法具有很好的检测能力.     

小波奇异性分析在输油管道泄漏检测中的应用

针对目前输油管道泄漏检测准确率低的现状，采用小波奇异性分析的方法，对管道压力信号进行小波分析，检测出信号的奇异点，采用了能够抑制模极大值漂移的改进的ad hoc算法，对奇异点进行定位，对4条管线检测结果表明，该方法可以用于输油管道泄漏监测，并可进行精确的定位。     

一种基于多分形奇异谱的噪声奇异性分析新方法

在介绍了噪声中的奇异性以及其全局奇异性的表征方法——多分形奇异谱的基础上，提出并实现了一种基于子波分解模极大的计算噪声多分形奇异谱的方法，通过对仿真信号验证，证明了该方法准确可靠。在对实测信号分析中，也发现该方法得到的多分形奇异谱比功率谱更能充分刻画噪声信号的特性。