基于波原子变换的三维地震信号盲去噪

基于波原子变换的三维地震信号盲去噪算法,利用基于块的噪声估计算法估计信号噪声,采用循环平移处理信号并进行波原子变换,利用估计的噪声标准差按不同尺度分层设置阈值并进行修正,再采用改进的阈值函数处理波原子变换系数,进行波原子反变换与逆循环平移,得到去噪后三维地震信号。对含噪的合成与实际地震信号去噪,并与小波、双树复小波、曲波及传统波原子变换的去噪结果对比;结果表明,该算法较其它对比算法有明显优势,且随含噪量的增加,去噪优势愈加明显。从输出信噪比、均方误差以及峰值信噪比等评价指标可知,基于波原子变换的三维地震信号盲去噪算法去噪效果最佳,其次为传统波原子变换算法,然后为曲波变换与双树复小波变换算法,传统小波变换算法的去噪效果最差。     

基于CEEMD的心音信号小波包去噪算法研究

针对传统心音去噪方法易将其部分高频有用信息作为噪声滤除而造成滤波后的心音信号失真及信息丢失的问题,提出了一种基于互补总体经验模态分解(CEEMD)的小波包变换去噪算法。首先通过互补总体经验模态分解将心音信号分解为从高频到低频的不同固有模态函数分量(IMFs),并利用自相关函数客观界定信号的模态分量范围;然后对噪声主导模态分量和混叠模态分量采用小波包变换进行滤波提取有用信息后,与剩余固有模态分量进行重构得到去噪后的信号。实验结果表明,改进的算法不仅可以去除心音中的噪声成分,明显改善心音信号的信噪比和均方根误差,而且能够有效保留信号的高频有用信息,且在不同噪声水平下的去噪性能均优于传统算法,鲁棒性较好。     

非线性系统的小波分频的扩展Kalman滤波

基于噪声的小波变换特点,结合量测的多尺度分解和扩展Kalman滤波(EKF),提出了一种小波“最佳”尺度分解的分频EKF滤波算法。该算法依据小波变换模功率谱选择最佳小波分解尺度,并将小波多尺度分解去噪和分频EKF滤波结合起来。对实际中含强噪声的非线性动态系统进行状态估计效果较好。Monte-Carlo仿真表明,与普通EKF滤波相比,本文算法的滤波精度平均提高约10%。     

基于二代小波变换的心电信号去噪算法

基于小波分析的去噪算法运算复杂,难以用于心电信号的实时处理,而常见心电信号滤波算法在实际应用中去噪效果不理想,针对上述问题,本文采用提升方案（第二代小波变换）来构造小波,提高了小波分解的速度,减少算法对内存的需求,并结合阈值滤波算法对小波系数进行处理,实现信号与噪声的分离。为了验证算法有效性,对MIT—BIH数据库中数据进行了仿真实验,结果表明该方法处理后信号失真较小,信号中叠加的工频干扰和肌电干扰基本被消除,相对于基于传统小波变换算法处理速度有了很大的提升。     

旋转叶片振动信号的小波变换去噪处理

在旋转叶片叶尖定时测振系统中,叶片多处于大噪声工作环境,为了保障振动位移的高精度测量,需有效解决叶片振动信号的去噪问题.提出采用具有时频局部分析特性的小波变换方法对振动信号进行去噪,建立了叶尖定时测振系统的仿真模型.针对仿真信号的特征,对小波变换的小波基、阈值估计及小波分解尺度进行了参数优化,实现了宽频白噪声的有效滤除.并与传统的滤波和Savitzky-Golay(SG)平滑算法进行对比,结果表明小波变换去噪方法在去噪效果和减小振动位移测量误差上均具有明显优势,有较好的实际工程应用价值.     

基于小波变换的水声信号滤波方法

为更好地改进低信噪比水声信号的滤波效果,本文针对小波滤波算法展开研究.对小波变换系数使用最大后验概率估计算子进行去噪,达到对原始水声信号滤波的目的,去除大部分的噪声;对含噪信号使用可变阈值函数的小波阈值滤波,进一步提高信噪比.文中给出了两种滤波方法的算法,通过对仿真信号和真实水声信号的滤波实验表明:本文方法比常用的滤波方法均方误差更小,更有利于提取水声信号的特征并进行分类识别.     

基于小波系数变换的小波阈值去噪算法改进

小波阈值去噪是近年兴起的一种较好的去噪算法,其一关键点在于准确的选取阈值将细节信号和噪声信号区分开来。提出了一种算法对小波系数进行变换,将难以区分信号和噪声的区域放大,以利于阈值的选取,从而达到改进小波阈值去噪的目的。通过使用传统阈值去噪算法和该改进算法进行仿真,结果表明改进算法对去噪指标SNR、SME（平均方差）都有所改善。另外本文实验也表明改进算法可以更好的去除噪声,且较好的重现原信号的细节特征。     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.     

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。     

基于小波变换的声信号去噪处理方法

本文对阿帕奇直升机与坦克的声信号加上白噪声进行FIR线性滤波和小波变换滤波预处理，再应用一个非线性软门限函数在小波域内将噪声抑制，最后通过小波逆变换得到重构的声信号。结果表明。小波变化预处理方法较传统滤波方法具有更好的去噪效果。     

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。     

基于平移不变小波变换的藻类细胞图像去噪

海藻细胞图像在采集的过程中掺杂着各种噪声信号,而常用的小波阈值法在细胞图像去噪中存在缺陷,为此在小波阈值法的基础上进行改进,得到新的阈值去噪方法。此外,传统的小波阈值去噪算法在信号的奇异点处会产生Pseudo-Gibbs现象,从而使去噪后的信号在急剧变换部分产生振荡现象。为抑制Pseudo-Gibbs现象,提出一种基于平移不变的小波阈值去噪方法。该方法能有效地消除人为的振荡现象,使消噪后的信号更加光滑,更好地逼近真实信号。     

《强电磁噪声环境下提取局部放电信号方法的研究》

近年来,越来越多的实际应用显示,在强噪声环境下,只用小波变换去噪有可能带来波形畸变。相比之下,快速傅里叶变换可以用于去除窄带干扰,但它不能去除白噪声。因此,本文在综合二者优缺点的基础上,提出基于FFT自动阈值滤波法和小波变换的联合去噪技术。即先用FFT自动阈值滤波法去除部分窄带干扰,提高信噪比,继而使用小波变换将白噪声和残余窄带干扰一并滤除。仿真结果和实际应用表明,此法能有效地从较强噪声环境中提取出局部放电信号。     

基于小波包变换和自适应滤波的超声信号去噪

为解决传统小波去噪方法因阈值设置问题或不能保留信号高频部分致使去噪效果不明显的问题,提出一种基于小波变换的自适应去噪方法,即先将信号进行小波包分解,然后对各分量信号分别选用不同的滤波参数,进行自适应滤波处理。实验表明:该方法有良好的超声信号去噪效果,为缺陷的分类和定量测量打下基础。     

基于奇异谱分析的心音信号小波包去噪算法研究

针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。     

基于多尺度Kalman数据融合滤波

本文通过分析基于小波变换的动态系统模型,提出一种基于小波多尺度的Kalman数据滤波方法,本文利用小波的多尺度特点,把初始估计序列多尺度分解,并在不同尺度层上进行Kalman滤波估计,再利用小波重构来融合各层的估计信息,把标准Kalman滤波只在单一尺度和时间轴上对状态估计值和误差协方差进行数据更新,改进为基于小波变换的尺度轴和时间轴上的双向数据更新,该算法将小波多尺度分解去噪和Kalman滤波相结合,对实际中含较强噪声的动态系统的状态估计效果较好.算法也可用于多分辨率多传感器数据融合.     

小波-SG-EEMD混合算法及混沌去噪应用研究

混沌信号和噪声频谱部分甚至全部重叠,单一的去噪方法无法有效地从强干扰中提取有用信号,为此,提出了小波-SG-EEMD混合去噪算法。该算法将小波-SG作为EEMD的预滤波单元,有效降低白噪声和局部强干扰的影响,并结合EEMD抑制模式混叠的特性,可以有效地将混沌信号从复杂干扰中提取出来。利用Lorenz时间序列详述了混合滤波算法的实施过程,并将该方法用于两自由度混沌振动信号中。结果表明该方法切实可行,具有非常好的应用价值。     

小波和希尔伯特变换在脑电信号消噪中的对比研究

为了更好地消除混杂在脑电信号中的噪声,完成脑电分析,对小波和希尔伯特变换（HHT）的脑电信号消噪效果进行了对比研究。在HHT消噪方法中,利用经验模态分解（EMD）算法对脑电信号进行8尺度分解,得到固有模态函数（IMF）分量的组合,经过滤波和信号重构,得到消噪后的脑电信号。实验结果表明,HHT方法能较好地去除脑电信号中的噪声。运用评价准则比较了HHT方法和小波变换方法的消噪效果,发现HHT方法的脑电信号消噪效果优于传统的小波变换消噪,且算法的效率更高。     

基于EMD算法的光栅莫尔条纹信号去噪方法研究

针对计量光栅莫尔条纹信号的质量问题,提出了基于经验模态分解（EMD）算法对非平稳光栅莫尔条纹信号模型的去噪方法。建立非平稳的光栅时变信号模型,利用EMD算法不需要定义滤波器参数的自适应性优点,对添加不同噪声的多组光栅信号模型进行了滤波分析的仿真实验,其信噪比和均方根误差两项指标优于均值滤波、小波阈值去噪方法。对两路正余弦理想信号添加高次谐波分量,通过对比EMD算法抑制高次谐波前后的李萨如图形,验证了该方法在去噪过程中对光栅莫尔条纹信号正弦性误差补偿的良好效果。     

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.