基于形态学与小波变换的信号自适应去噪算法

针对常规的ECG（electrocardiogram）信号去噪算法存在的缺陷,提出了一种基于形态学与小波变换的自适应综合去噪算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,对ECG信号进行自适应滤波处理,最后得到去噪后的ECG信号。实验表明,本算法是一种有效的去噪算法。     

基于CEEMDAN阈值滤波的磁场信号去噪模型

地磁导航是弹药飞行技术中常用的一种姿态测量方法,其关键是获得精确的地磁场测量值.针对磁场测量信号中存在的随机噪声信号,本文提出了一种具有自适应噪声的完整集成经验模态分解(CEEDMAN)和自相关系数结合的地磁信号去噪方法.首先通过CEEMDAN方法对地磁信号进行完备的分解,并利用自相关系数和傅里叶变换确定分解后的噪声分量与有效分量的界限.在此基础上,采用小波软阈值方式提取含噪声分量信号中的有用信号,最后进行信号重构.通过对实际磁场信号的分析表明,使用CEEMDAN阈值去噪算法处理磁场信号相对于CEEMDAN强制滤波算法,其均方根误差降低了10.52％,信噪比提升了1.156 dB,椭圆间的几何距离下降了13.87％,表明本文所采用的滤波方法可以对磁场信号进行有效的去噪,提取有用信号.     

基于经验模态分解和小波阈值的冲击信号去噪

冲击信号是非线性的并且容易受到噪声污染;为研究冲击信号去噪的问题,针对经验模态分解(Empirical Mode Decomposition,EMD)去噪和小波阈值去噪方法存在的不足,提出了基于EMD的小波阈值去噪方法;单纯的EMD去噪方法会在去除高频噪声的同时压制高频的有效信息;EMD与小波阈值去噪相结合,利用连续均方误差准则确定含噪较多的高频固有模态函数(Intrinsic Mode Function, IMF),对高频IMF分量进行小波阈值去噪,以分离并保留这些分量中的有效信息,同时保持低频IMF分量不变;对模拟数据和实际冲击信号进行去噪处理,结果表明,基于EMD的小波阈值去噪方法的去噪效果优于单纯的EMD去噪方法和小波阈值去噪方法。     

基于小波包变换的动态阈值去噪方法

由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够衰减一部分语音信号中的噪声,但这些算法会不可避免地造成有用语音信号的损失,以至于去噪后的语音听觉质量下降,达不到很高的信噪比.一种基于小波包变换和动态信噪比估计的阈值方法可以更好地解决这一问题,这种方法可以有效保护有用信号不被去除.实验结果也证明这种方法可以达到更高的信噪比.     

基于三次中心B样条小波的电测井信号去噪

电测井方法所得到信号有一定噪声.若直接分析,往往不能从信号中取出有用的信息,需去噪.小波阈值去噪是常用而重要的方法,其法有赖于选择小波基函数和阈值处理函数.以三次中心B样条小波为基函数,采用改进的软硬阈值处理函数给电测井信号去噪.结果表明,三次中心B样条小波很光滑,去除电测井信号的噪声干扰有效.     

基于变分模态分解的直肠压力信号预处理研究

针对依托于人工肛门括约肌系统的直肠功能诊断模型中采集信号存在大量干扰噪声的问题,提出了一种基于变分模态分解(VMD)算法与小波加权平均阈值去噪结合的预处理方法。利用VMD算法对原始直肠压力信号进行分解,对各模态分量进行小波阈值去噪,提取出有用信号进行重构。通过仿真比较分析该方法与EMD、小波阈值去噪等方法的去噪效果。实验结果表明,该方法在不同噪声水平下均显著提高输出信号的信噪比,同时避免原始信号中有用信息的丢失,具有良好的去噪效果,对直肠功能诊断的准确性具有重要意义。     

基于小波变换的语音增强方法研究

分析了小波去噪原理,根据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,同时考虑到语音中浊音和清音的特点,提出了一种改进阈值的小波域语音增强方法。在阈值函数中引入参数,通过调整参数以获得最佳的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间。利用改进阈值对染噪语音信号的小波系数进行阈值处理,既抑制了噪声,又减少了语音段信息的损失。仿真结果表明,这是一种有效的语音增强方法。     

基于形态学的ECG小波自适应去噪算法

为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,已经提出了多种方法来消除这些噪声.针对常规的ECG信号去噪算法存在的缺陷,提出了一种基于形态学的小波自适应去噪算法.该算法利用线性组合形态学滤波器去除基线漂移信号,然后对处理后无基漂的信号送入小波自适应滤波器,选取合适的阚值对其进行二次滤波去噪,最后得到无噪声的ECG信号.实验结果表明,该算法是一种有效的去噪算法.     

基于小波分析在地震信号噪声消除中的应用

在地震勘探中,随机噪声是一种频带较宽、严重影响有效波的干扰波,因此随机噪声的有效去除在地震信号处理中显得尤为重要。傅里叶变换是信号处理传统的随机噪声去除方法。它能够反映信号在整个时间域的频谱特征,但不能对非平稳信号进行分析处理。而小波分析技术可以根据局部图像的差异来调整参数,对保留图像的边缘部分和其它高频部分很有用。本文利用小波分析技术对地震信号进行去噪声处理,结果表明小波分析对噪声有较为彻底的压制,地震信号估计精度得到很大改善。     

基于EMD阈值方法的轴承故障振动信号去噪

针对随机噪声信号影响对有用信息的获取,提出了EMD分解阈值去噪方法,将小波阈值去噪原理应用于经验模态分解（Empirical Mode Decomposition,EMD）中。首先对实际含噪信号进行EMD分解,根据分解后得到的内蕴模态函数（Intrinsic Mode Function,简称IMF分量）,采用自适应阈值去噪,进行信号重构,得到消噪后的信号,获取有用信息。将该方法应用于实际工程故障振动信号中分析研究表明,该方法可以获得较高的信噪比,能够对实际信号进行有效的故障特征频率提取,降噪后比降噪前的诊断效果更明显。