改进的双变量收缩函数模型脑电信号消噪方法

针对传统小波消噪全局阈值处理独立性假设和双变量函数模型对没有父系数的最高层小波系数不做处理的缺陷,提出一种高密度离散小波变换中利用双变量收缩函数对脑电信号进行消噪的方法。子小波系数根据双变量函数实现局部自适应收缩处理。同时根据父系数趋于0时,阈值函数近似于软阈值函数,对最高尺度小波系数进行软阈值法消噪。从实际信号处理效果和客观定量指标两方面进行评价,结果表明这种改进算法都优于软阈值法、硬阈值法以及双变量收缩法。     

基于自适应小波阈值收缩算法的冲击消噪

冲击信号属于非平稳随机信号,在分析冲击信号之前信号消噪非常重要.基于Donoho提出的小波阈值收缩算法,提出了一种新的自适应于原信号的折中收缩函数.不同于经典阈值消噪算法,新算法克服了硬阈值算法造成的信号不连续的缺点,也弱化了软阈值算法中原信号小波系数与消噪后小波系数的固定偏差.应用结果表明,自适应小波阈值算法对冲击信号消噪比常用的软阈值或硬阈值算法具有更好的直观效果.     

多小波阈值的遗传算法消噪变异

编码问题是遗传算法研究的难点。浮点数编码在函数和约束优化中明显优于其他编码,并能提高算法的局部搜索能力。浮点数编码在遗传环境中产生的噪音和对算法性能的影响,正在被研究者所关注。但目前尚无基于多小波阈值实现浮点数编码消噪变异的研究成果出现。首先研究了多小波和浮点数编码噪音的性质,提出了一种基于多小波阈值的浮点数编码消噪变异方法,并与其他算法进行比较实验。研究和实验结果表明,这种方法可明显提高算法的收敛精度和速度,改善算法的整体性能。     

基于邻域相关性多阈值新函数寻优法的小波降噪分析

为了更好地获取噪声影响下的原有信号,在邻域小波系数收缩的NeighCoeff方法基础之上,提出了一种邻域相关性多阈值新函数的小波降噪方法.该方法根据小波系数之间的相关性,将邻域窗口内所有小波系数的平方和的大小划分为邻域硬阈值、邻域窗口阈值和邻域扩张阈值.将这些邻域阈值与修正的通用阈值相比较,来实现窗口尺寸的自适应调节和小波系数的保留或收缩,以此达到消噪的目的.此外新函数的收缩因子能够较好体现与被滤波噪声的相互关系,可以进一步提高消噪的精度.然后将多阈值函数与修正的全局阈值相结合,利用混沌粒子群对邻域扩张阈值参数γ和修正的全局阈值参数α进行寻优,以获取最优小波系数的重构信号.所提方法与其它阈值函数去噪方法相比,其仿真结果表明在信号信噪比、降低有用信号失真和抑制噪声等方面都有一定的提高.     

小波阈值去噪技术研究及其在信号处理中的应用

阈值函数的选取以及阈值的确定是小波收缩消噪的关键问题,阐述了小波变换及小波阈值去噪的基本原理.基于噪声和信号在小波变换下表现出截然不同的性质:噪声对应的小波变换系数将随着尺度的增大迅速衰减,建立了小波收缩消噪的统一框架.在该框架下总结了各种阈值函数的形式以及阈值确定的方式,研究了它们的性能及特点.仿真实验结果表明,该方法既能有效地去除信号噪声,又能较好地保留原信号中的突变信息.     

基于最佳门限消噪语音增强一种新方法的研究与实践

针对软门限对信号噪声的滤除方法,在分析小波变换消噪原理和方法的基础上,具体分析了阈值对小波变换消噪的影响.提出了改进阈值的阈值函数,给出更好的滤波结果.实验表明这种改进的算法有效地提高了增强效果.     

广义小波收缩消噪阈值选择及应用研究

阈值函数的选取以及阈值的确定是小波收缩消噪的关键问题.首先建立了小波收缩消噪的统一框架:提出小波阈值消噪的广义阈值函数,推导了广义阈值函数阈值选取方法.其次在此框架下研究了如何选取最优阈值函数以及最优阈值.用6种具有不同特性不同信噪比的模拟信号,研究了具有代表性的阈值函数以及阈值的去噪性能,得到了优化的阈值函数以及阈值选取方案.最后将这种优化的消噪方法用于实际心电信号,取得了较好的效果.     

基于小波阈值收缩消噪的浮点数编码遗传算法研究

浮点数编码具有精度高、便于高维大空间搜索的优点,在函数优化和约束优化领域明显有效于其他编码。但浮点数编码遗传算法在运行环境中产生的噪音对算法性能的影响并未引起人们的重视。传统的浮点数编码遗传算法采用的是有界随机变异,不能消除噪音对算法性能的影响。提出了基于小波阈值收缩消噪的浮点数编码遗传算法,建立滤波器,采用不同的阈值消噪取代变异操作,并进行了实验。该研究和实验结果表明,这种方法理论上是可靠的,方法上是可行的,选择适当的阈值,可明显提高算法的全局最优解精度,具有较高的稳定性。     

基于双密度小波邻域相关阈值处理的脑电信号消噪方法

为消除混杂在脑电信号(EEG)中的噪声,提出一种基于双密度小波邻域相关阈值处理的EEG消噪方法.利用双密度小波对EEG分解,得到多层的信号高频系数.根据小波系数的局部统计依赖性,运用邻域相关阈值处理算法进行收缩,将收缩后的小波系数进行重构得到消噪后的信号.对加噪标准信号和实测EEG的消噪实验结果表明,与一代离散小波和传统软阈值法相比,信噪比、均方根误差和最大误差3个消噪效果评价指标都有明显改善.     

基于能量阈值函数的水声多径信号小波去噪分析

采用基于能量阈值函数的小波方法,对浅水多径信号进行消噪处理;从水声多径信道模型出发,利用小波能有效区分信号中的突变部分和噪声的优点,设计了一种基于能量阈值函数的消噪方案,即通过能量的门限阈值形式对小波系数进行处理,然后对信号进行重构即可达到消噪的目的;利用MATLAB仿真了有、无多径时消噪效果,同时将该消噪方案与湖的水声传播参数结合,进行了实际水库多径传播信号的消噪处理试验;试验结果表明,基于能量阈值函数的水声多径信号小波去噪方法不仅能够减少信号的丢失,而且能够恢复有用信号的小波系数,减少有用信息的丢失,确保重构后的信号不失真,提高信噪比,应用于水声通信中多径信道的信号去噪效果很好,体现了文中算法的有效性和优越性。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesSbrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果。     

Adaptive contourlet-wavelet iterative shrinkage/thresholding for remote sensing image restoration

In this paper, we present an adaptive two-step contourlet-wavelet iterative shrinkage/thresholding （TcwlST） algorithm for remote sensing image restoration. This algorithm can be used to deal with various linear inverse problems （LIPs）, including image deconvolution and reconstruction. This algorithm is a new version of the famous two-step iterative shrinkage/thresholding （TWIST） algorithm. First, we use the split Bregrnan Rudin-Osher-Fatemi （ROF） model, based on a sparse dictionary, to decompose the image into cartoon and texture parts, which are represented by wavelet and contourlet, respectively. Second, we use an adaptive method to estimate the regularization parameter and the shrinkage threshold. Finally, we use a linear search method to find a step length and a fast method to accelerate convergence. Results show that our method can achieve a signal-to-noise ratio improvement （ISNR） for image restoration and high convergence speed.     

基于图像局域特性的小波收缩去噪算法

传统的小波收缩去噪算法采用单一的阈值，它没有考虑到小波系数的类聚性，图像中重要小波系数类聚的局部具有重要的奇异特性，应降低阈值以保留图像的边缘；反之含有不重要小波系数的局部应提高阈值以消除更多的噪声，因此该文提出了一种基于图像局域特性的小波收缩自适应阈值去噪算法，这种算法根据图像局部的奇异性大小，选择适当的阈值进行去噪。实验结果表明，相对于传统的单一阈值去噪算法来说，新的算法可使滤波后图像的峰值信噪比有所提高，在一定程度上克服了单一阈值去噪算法无法滤除高质量图像中噪声的缺陷。     

一种改进的小波域贝叶斯图像去噪方法

基于对小波分析理论的深入学习,本文对小波测值萎缩去噪方法的关键环节进行了研究。本文在分析小波系数的分布特点的基础上,根据贝叶斯估计理论,得到贝叶斯收缩阈值,采用软阈值收缩去噪,行基于空间自适应例值和边缘检测的思想改进了一种新的自适应贝叶斯阈值萎缩去噪算法,仿真实验效果良好。     

基于双变量收缩函数的局域自适应图像去噪

由于图像小波系数存在很大的层间相关性，引入双变量概率分布模型，基于贝叶斯估计理论，得到了相应的非线性阈值函数（双变量收缩函数）；基于层内局域方差估计，利用该收缩函数得到一种局域自适应的图像去噪算法。在实验中，将该算法分别应用到实值离散小波变换域和双树复数小波变换域，并和隐马尔科夫模型的去噪方法做了比较分析。实验表明，复数小波变换的局域自适应收缩图像去噪算法去噪效果最好。     

Bayesian wavelet denoising and evolutionary calibration

Wavelet shrinkage estimation has become an attractive and efficient method for signal denoising and compression. Despite the ample variety of methods which have been used in the wavelet denoising context, it has proven elusive to construct threshold estimators with good adaptive properties. Recently, empirical Bayes selection criteria have been proposed to derive adaptive shrinkage estimators. We consider the application of empirical Bayes variable selection criteria to each level of the wavelet transform to obtain adaptive threshold estimates. A set of level-dependent hyperparameters has to be estimated to derive nonlinear data-dependent thresholding rules. We propose the use of an evolutionary algorithm to calibrate the multilevel parameters, in order to automate parameter selection and enhance adaptivity of the threshold estimators. Comparative simulations on a set of standard model functions show good performance. Applications to data drawn from various fields of application are used to explore the practical performance of the proposed approach.     

一种具有自适应阈值的小波收缩去噪方法

小波收缩是一种非线性小波变换,这种算法的关键问题在于收缩算法中的收缩阈值和收缩函数(规则)。自适应理论是现代信号处理中强有力的工具。该文将自适应理论和传统的小波收缩算法相结合,提出了基于图像奇异特性自适应小波收缩"去噪"算法。该算法根据高频子带小波系数的均方根来确定最佳小波收缩阈值。阐明了最佳阈值与图像本身特性之间的关系。实验表明,该算法比一般软、硬阈值的小波收缩算法有更好的"去噪"效果,既克服硬阈值函数所产生的人为的噪声点和数学上不易处理等缺点,又避免了软阈值算法所带来的边缘模糊。从而进一步提高了图像的峰值信噪比,改善图像质量。     

改进粒子群优化算法在[GM(1,1,λ)]模型上的应用

提出了一种带有动态自适应惯性权重和随机变异策略的粒子群优化算法．在每次迭代时,算法可根据粒子的适应度变化动态改变惯性权重,从而使算法具有动态自适应性。当用早熟判断机制判断算法陷入早熟收敛时,采用随机变异策略使其跳出局部最优。将改进的算法应用于GM(1,1,λ)模型的求解,具体实例表明改进的粒子群优化算法能够显著提高GM(1,1,λ)模型的精度。     

自适应多位变异遗传算法的实现

Genetic algorithm is a widely used optimization method. Crossover and mutation are two Basicl operatorsof the genetic algorithm. On the basis of analyzing the principles of simple genetic algorithm and discussing its exist-ing problems of crossover point and mutation bit, this paper presents a way of the adaptive multiple bit mutation ge-netic algorithm , which not only can keep the population diversity but also has quicker convergence speed. The resultsof the multi-modal function optimization show that the adaptive multiple bit mutation genetic algorithm is practical and efficient.