一种改进的小波阈值去噪算法研究

研究小波去噪算法中软阈值函数与硬阈值函数的方法,针对一些可变阈值函数的运算复杂的问题,提出一种新的阈值函数。经仿真测试,改进的小波阈值去噪算法的信噪比为20.103,去噪后,数据的均方误差为0.1152。     

果蝇优化小波阈值超声检测信号去噪

由于材料结构的复杂性,超声检测回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法中小波阈值难确定的问题,结合小波良好时频特性和果蝇的全局优化能力,提出基于果蝇算法(FOA)优化小波阈值函数的超声检测信号去噪方法。对原始信号叠加5d B高斯白噪声,通过测试最大信噪比改善量获得最佳小波基和分解层数,采用sym5小波对超声检测信号进行6层分解后,利用果蝇算法对小波阈值进行参数优化,对比传统4种阈值确定方法,提高小波阈值的精度。验证结果表明:该方法对超声检测信号去噪后信噪比、均方根误差和相关性等参数具有满意的效果,去噪效果明显。     

基于小波变换的阈值去噪方法

本文系统介绍了基于小波变换的的阈值去噪算法，给出了硬阈值函数，软阈值函数，线性半硬阈值函数法和Garrote阈值函数四种阈值去噪方法相应的程序，最后对比各种算法的结果，并阐述了去噪后的影响。     

基于改进小波包算法的水声信号消噪与重构研究

水声对抗包括主动声呐对抗和被动声呐对抗。为了实现干扰器材的最佳作战效能，干扰信号的产生必须适应水声探测技术的发展趋势-非线性时变和宽带的特征。小波分析是非线性时变信号处理领域的有用工具。文章研究了最优小波包基算法以及非正交小波包基追踪算法在声呐信号消噪与重构中的应用，数值仿真验证了算法的适应性及稳定性。     

结合阈值去噪与边缘优化的图像增强算法

针对图像在传输过程中容易出现干扰的问题,该文通过研究图像的增强技术,通过对比分析,提出了一种结合阈值去噪与边缘优化的图像增强算法,该算法结合小波Contourlet 变换与人眼的视觉固有特性,有效地对分解后的图像系数进行分类,并结合改进边缘优化算法的增益因子来优化边缘区信号;而非边缘区采用改进后的软阈值去噪算法进行去噪处理.经实验,该算法具有准确性高与去噪能力强的特性,能够在去噪的同时有效保护边缘信号,与预期目标相符,具有一定的实用价值.     

语音消噪应用研究

从时域与频域对比研究了低信噪比语音消噪问题,时域采用LMS自适应消噪,频域分析选用小波技术,对两种消噪方法进行了系统全面的分析,对比讨论了各自的优势及不足,对实际信号进行了仿真消噪并与原始语音取样信号相比较,研究表明选用消噪方法对低信噪比语音消噪是明显有效的,LMS自适应消噪及小波消噪具有很强的实际应用价值。     

小波阈值去噪法的改进算法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法.其中阈值函数关系着重构信号的连续性和精度,硬阈值函数的不连续性和软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,也限制了它的进一步应用.本文通过数学方法的引入,对阈值函数进行了改进.仿真结果表明,该方法具有较好的去噪效果.     

检测技术中新的小波阈值函数的信号去噪

在信号检测技术中,构造了一个新的阈值函数,与传统的软硬阈值函数相比,连续性好,高阶可导,便于进行各种信号处理和检测。实验仿真结果表明,采用新的阈值函数的去噪效果在信噪比增益和均方误差意义上均优于传统的软硬阈值方法,给检测技术带来了新的发展。     

基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。[Matlab]仿真结果表明：去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

一种基于SSNF的新型阈值滤波去噪算法

介绍了一种空间选择性的噪声滤波（SSNF）方法，并在此工作之上提出了一种新的自适应于小波变换尺度的闽值函数，从而对经SSNF滤波之后的小波系数进行了进一步的阈值处理，以去除残留在系数中的噪声部分。仿真试验和理论分析表明，相比其它传统的去噪方法，该方法的优点在于：所得到的小波系数不仅连续性好，而且更加接近于未加噪信号的小波系数，阈值函数具有很大的灵活性和自适应性，并适用于一些掺杂非白噪声的场合。     

基于多假设检验的新型小波滤波算法

小波阈值滤波是信号处理领域的重要方法,根据信号和白噪声在小波空间上传播的特性,提出了一种基于多假设检验确定小波滤波阈值的新算法。将小波阈值处理过程看作一个多重假设检验过程,FDR（False Discovery Rate）准则的step-up和step-down过程均能控制FDR在给定的显著性水平,综合这两个过程形成了FDR step-up-down过程并应用于确定小波滤波阈值。仿真实验表明,算法能够灵活调整显著性水平的大小来达到滤波后所希望的效果,以信噪比和均方误差作为衡量指标,本方法滤波效果与hearsure方法相当,优于BH FDR及sqtwolog方法。讨论了显著性水平的选取对滤波效果的影响,指出显著性水平的大小与信噪比的改善并非线性关系,提出了合理选取显著性水平的思路。     

阈值改进整数小波与LZW算法相结合的水声数据压缩方法

提出一种阈值改进整数小波与基于字典编码的LZW(Lempel-Ziv-Welch)算法相结合的数据压缩方法,该方法旨在减少水声数据传输量的同时尽可能地达到高保真。数据压缩过程中,先对水声数据进行整数小波变换,再对变换后的高频系数采用改进的小波阈值算法和阈值函数进行处理,提高了数据压缩倍数和信噪比,降低了误差。最后通过LZW将处理后的系数进行编码输出,进一步提升压缩效果。文中给出了相应的数据压缩算法流程。实际舰船辐射噪声数据的压缩处理结果表明,该方法能有效提高信号信噪比、减少信号失真并能获得更大的压缩倍数。     

小波阈值法在信号滤波中的应用研究

针对硬阈值函数在阈值处不连续,重构信号易产生振荡,以及软阈值函数的量化值与原始小波系数有恒定的偏差不能逼近的问题,提出了一种既能在阈值处连续,又能实现逼近原始小波系数的改进型阈值函数。仿真结果显示将改进型的阈值函数用于信号滤波,在均方误差和信噪比方面都优于传统的两种阈值函数。     

自由分布式FDR假设检验阈值算法的小波域信号增强算法

在小波阈值增强算法中存在的主要问题是阈值的选取。Donoho提出的通用阈值在实际的应用中效果并不十分理想。利用统计学中的自由分布式错误发现率（False Discovery Rate,FDR）假设检验方法,提出一种新的阈值算法。选取sym4小波函数对带噪信号进行处理,仿真结果表明该算法的信号增强效果优于通用阈值的信号增强效果。     

水声信号动态阈值正交匹配追踪降噪方法

为了对实时采集的水声信号进行数据压缩的同时实现信号降噪,提出了一种动态阈值正交匹配追踪方法(Dynamic Threshold Orthogonal Matching Pursuit,DTOMP)。该方法将稀疏分解原理应用于水声信号的预处理,通过在正交匹配追踪算法中引入阈值约束,并根据噪声分布特性将其分为两部分,用以控制预设置的参数。通过对加噪正弦信号、实测鲸鱼叫声和舰船辐射噪声信号的降噪实验,表明该方法能够在对原始水声信号进行压缩的同时提高信噪比,且在较宽的信噪比变化范围内比小波方法具有更好的降噪性能。     

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

建立了齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取了有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。     

基于小波改进阈值去噪和HHT的滚动轴承故障诊断

利用Hilbert-Huang变换（Hilbert-Huang Transformation,简称HHT）对滚动轴承进行故障诊断时,发现振动信号中包含的噪声对诊断结果影响较大。为克服此不足,提出了一种小波改进阈值法与HHT相结合的信号分析方法。该方法首先应用小波改进阈值方法对滚动轴承故障信号进行预处理,然后对去噪后的信号进行经验模态分解（Empirical Mode Decomposition,简称EMD）,接着选取含有故障信息的本征模函数（Intrinsic Mode Function,简称IMF）分量进行边际谱分析,从而提取出故障特征频率,并判断故障类型。仿真和实验结果验证了该方法的有效性。