基于模糊控制的小波包多阈值语音减噪新算法

在分析小波包传统阈值去噪算法的基础上,提出了一种基于模糊控制的小波包多阈值语音减噪新算法。该算法采用改进的多阈值选取方式来代替传统的阈值选择;应用一种新阈值函数对经小波包变换后的最底层频率系数进行量化处理以确保噪声尽可能地被滤除;模糊控制器可用于对信号中的幅值跳变以及边缘粗糙等问题进行优化与修正。综合以上3种方法即可自适应地进行语音增强处理。经实验结果验证,与传统阈值算法相比,该算法能够最大程度地还原纯语音信息,有效提高了语音去噪的准确度与信噪比。     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响,提高重力异常测量值的精度,在分析了小波阈值及自适应小波阈值去噪算法的基础上,将其应用到高精度海洋重力仪系统数据处理中,并与自适应卡尔曼滤波做了对比,以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据.理论分析和仿真实验表明,自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响,但在相同情况下,自适应小波阈值去噪方法具有明显的优越性.     

基于双自适应提升算法的心音信号去噪研究

心音去噪是心音信号临床使用的前提。本文提出将双自适应提升算法用于心音去噪处理。该算法采用自适应更新和自适应预测构造小波函数,通过将传统的硬阈值和软阈值函数相结合,构造了一个改进的阈值函数进行心音信号去噪处理。对临床采集的80例心音信号进行了去噪实验,结果表明：该算法表现出良好的去噪效果,并增强了信号的局部特征。同普通小波去噪方法相比,其信噪比提高了46.5%,均方根误差减小了64.0%,而且运行速度快,可有效地用于临床心音信号的去噪处理。     

信号去噪阈值参数选择的自适应退火遗传算法

提出了一个用于小波阈值去噪中最优阈值参数选取的自适应退火遗传算法,提出一种新的自适应退火策略用于选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了自适应处理,以进一步改善算法的稳定性和收敛性.计算机仿真结果表明,该算法可稳定有效地选取最优的去噪阈值参数.     

局部投影和离散小波变换在心音信号去噪中的应用

针对心音信号非线性的特点,提出噪声水平自适应估计的局部投影与离散小波阈值相结合的去噪方法,该算法既能得到精确的重构信号又能保留微弱信号的有效特征。Lorenz序列数值仿真结果表明,该方法可以有效地抑制噪声,其信噪比和均方误差均优于局部投影去噪和离散小波阈值去噪;对比不同算法去噪前后信号的最大Lyapunov指数,得出该方法能很好地保留原始信号的非线性特征。对实测心音信号的降噪研究,进一步表明了该方法的有效性。     

小波阈值降噪技术在振动信号处理中的应用

通过对转子不对中故障信号的模拟仿真,用小波阈值降噪法消噪,分析比较几种不同小波函数降噪的效果,对比默认阈值方法与自适应阈值消噪方法的降噪效果,结果表明,自适应阈值比默认阈值更具有可信度.     

基于小波变换多阈值语音增强处理研究

语音通信过程不可避免地会受到各种噪声的干扰，噪声降低了语音的信噪比和可懂度。语音增强就是对带噪语音进行处理，以改善语音质量。小波变换具有多尺度的特性，可以由粗及细的逐步观察信号。本文研究了一种基于小波多尺度特性的多阈值处理的语音增强算法，根据不同的尺度因子和位移因子选择不同的阈值，利用软阈值函数对带噪语音进行消噪，并比较分析了各种小波基处理带噪语音的不同效果。实验结果表明，该算法可以明显提高语音的信噪比，并提高了语音的清晰度和可懂度。     

小波消噪阈值算法优化

在研究小波固定阈值消噪方法,讨论阙值估计经验公式的基础上,针对加性噪声小波变换后的统计特征,提出了一种自适应闽值优化算法,该算法可以较准确地估计噪声水平,在消噪的同时保留语音信号中的弱特征成分。通过仿真实验验证,优化算法较传统算法能够更加有效地消除语音噪声,获得最大信噪比。     

基于Shannon熵的自适应小波包阈值函数去噪算法研究

小波包去噪算法的关键问题在于对信号进行去噪时,如何有效地消除噪声且尽可能地保留原始信号的小波包系数。传统阈值函数由于无可调节参数,其去噪形式固定,无法根据小波包分解系数的噪声成分自适应地进行调整,去噪效果有待提升。据此,将Shannon信息熵作为调节参数引入小波包阈值函数中,提出一种基于Shannon熵的自适应小波包阈值去噪算法,对信号进行小波包分解并计算最大分解尺度小波包系数的Shannon熵值,依据该值对阈值函数进行调整,以实现在强噪声背景下对小波包系数进行大尺度的收缩,而在弱噪声背景下实现阈值收缩的平滑过渡。采用该方法对仿真信号与轴承振动实验信号进行去噪分析,并与其它小波包阈值去噪算法相对比,结果表明该方法去噪效果更好且在滤除噪声的同时有效地保留了信号的原始特征。     

桥梁健康监测采样信号EMD小波相关降噪研究

为了进一步降低桥梁健康监测采样信号的噪声水平,根据其信号特征,在传统EMD小波阈值降噪算法的基础上,提出一种改进的降噪算法,称为EMD小波相关降噪算法。该算法综合了EMD、小波变换和相关检测3种方法的优点,首先对各阶IMF小波降噪前后的分量分别进行整体和局部相关检测,并以前3阶整体相关系数的均值作为降噪阈值,最后进行局部相关阈值降噪,得到降噪后的信号。将该算法与EMD小波阈值降噪和小波默认阈值降噪算法进行数值仿真和有限元仿真试验对比。结果表明,提出的EMD小波相关降噪算法具有更好的降噪效果,能够用于桥梁健康监测采样信号降噪处理。     

桥梁健康监测采样信号 EMD小波相关降噪研究

为了进一步降低桥梁健康监测采样信号的噪声水平,根据其信号特征,在传统EMD小波阈值降噪算法的基础上,提出一种改进的降噪算法,称为EMD小波相关降噪算法。该算法综合了EMD、小波变换和相关检测三种方法的优点,首先对各阶IMF小波降噪前后的分量分别进行整体和局部相关检测,并以前三阶整体相关系数的均值作为降噪阈值,最后进行局部相关阈值降噪,得到降噪后的信号。将该算法与EMD小波阈值降噪和小波默认阈值降噪算法进行数值仿真和有限元仿真试验对比,结果表明,提出的EMD小波相关降噪算法具有更好的降噪效果,能够用于桥梁健康监测采样信号降噪处理。     

基于小波变换的噪声消除的方法

介绍小波变换的一般理论及在信号降噪应用中的理论基础,分析染噪后语音信号的特性,并使用多种小波和不同阈值对语音信号进行小波变换降噪,对结果进行分析比较。     

自适应小波阈值去噪算法在低空飞行声目标的应用EI北大核心CSCD

近年来,低空飞行声目标的探测与识别已得到军事领域的重点关注,而如何滤除信号中的背景噪声并准确保留信号的有效特征信息是该领域的一个难点。在研究小波去噪算法特点的基础上,针对低空飞行声目标信号的噪声特性,构建了一个新的阈值函数,通过自适应调整阈值函数实现在小波分解细尺度和宽尺度上对噪声信号最大限度的滤除,同时,运用香农熵理论来判断最优层数。通过大量的实验仿真验证,并与传统阈值去噪算法比较分析,结果表明该算法对去噪指标SNR有较大尺度的提高,可以更好的去除噪声,并对低空声目标信号去噪有很好的去噪效果。     

自适应小波阈值去噪算法在低空飞行声目标的应用

近年来,低空飞行声目标的探测与识别已得到军事领域的重点关注,而如何滤除信号中的背景噪声并准确保留信号的有效特征信息是该领域的一个难点。在研究小波去噪算法特点的基础上,针对低空飞行声目标信号的噪声特性,构建了一个新的阈值函数,通过自适应调整阈值函数实现在小波分解细尺度和宽尺度上对噪声信号最大限度的滤除,同时,运用香农熵理论来判断最优层数。通过大量的实验仿真验证,并与传统阈值去噪算法比较分析,结果表明该算法对去噪指标SNR有较大尺度的提高,可以更好的去除噪声,并对低空声目标信号去噪有很好的去噪效果。     

基于小波系数非线性连续函数衰减的脑电信号去噪

环境噪声和工频噪声的干扰对脑电信号(EEG)的进一步处理和分析带来极为不利的影响。针对传统小波系数软阈值消噪方法去噪后产生的波形失真和硬阈值消噪方法去噪后产生的振荡现象,提出了一种新的小波系数非线性连续函数衰减处理算法。通过小波系数的非线性衰减处理,使低值端小波系数连续函数的变化介于硬软阈值函数之间,有效避免了处理后的波形失真和振荡。通过实验数据比较,证明处理后的脑电信号信噪比和均方误差均优于传统的小波去噪处理方法。     

图像小波阈值去噪中马赛克现象的处理

在图像去噪处理中，采用小波阈值去噪法会产生马赛克现象，造成图像失真．为此作者提出了利用指数函数处理小波系数的去噪方法，可以保证在与阈值去噪法获得同样信噪比条件下，减轻马赛克现象，并利用超声C扫描粘接检测图像验证了该算法的有效性．     

语音信号去噪的最优方案选取

针对噪声的引人对语音信号的保真有很大的影响,本文主要采用matlab中小波工具中的一些小波变换去噪函数对语音信号进行去噪仿真研究,其中的阈值去噪的方法是一种实现简单、效果较好的小波去噪方法。且与一般的傅里叶变换去噪进行对比,显示了小波去噪的优良特性。     

自适应模糊小波阈值去噪算法在图像中的应用

消除在图像中产生的噪声,为了使图像清晰,污染度小,成了数字图像处理信息传播的重要部分。本文分析了中值滤波法、维纳滤波法、邻域平均法等几种传统的方法,着重研究自适应模糊小波阈值算法在图像去噪中的应用。运用Matlab软件对一张含噪图片（含高斯噪声）进行仿真去噪,仿真结果分析比较,得出了自适应模糊小波阈值去噪算法比传统方法去噪效果更好,更明显。     

基于峭度的阈值降噪方法及其在振动信号分析中的应用

分析了常用的小波去噪方法,在此基础上提出了一种基于振动信号峭度的阈值降噪方法。阈值大小取决于不同尺度上故障信号的小波分解系数。在综合了软、硬阈值函数的优点的基础上提出了一种新的参数可调阈值函数。与常用小波去噪方法进行了对比分析,结果表明该方法有效的提取信号中冲击成分,为正确识别故障特征提供了有力保证。     

基于EMD和小波熵阈值算法的超声回波信号降噪

超声检测信号中通常包含大量噪声,而其中材料晶界散射的噪声是一种相关噪声。鉴于传统的方法难以将这种噪声和缺陷回波信号区分,提出一种EMD和小波熵阈值联合降噪的算法。该算法首先对目标信号进行EMD分解,提取具有噪声特性的IMF分量进行小波分解,利用含噪系统熵增的特性,在分解各尺度层的细节部分选用小波熵自适应阈值降噪,然后将剩余分量和降噪处理后的信号进行重构。仿真信号结果表明:该降噪方法(EMD-WET)输出信号的信噪比(SNR)为7.9 d B、均方根误差(RMSE)为18.1、相似系数(NCC)为0.92,优于传统的小波软、硬阈值方法。对实测信号进行处理,该方法降低信号中的大部分噪声,更好地还原回波信号的波形。