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。     

多小波阈值降噪法在钢丝绳缺陷检测中的应用

在介绍多小波理论和分析传统多小波阈值函数存在的问题的基础上,提出了一种新的多小波阈值函数. 详细地讨论了该函数的数学性质,该函数对大于阈值的小波系数采取缓变的压缩策略,压缩量随着小波系数的增大而减小. 将其应用于钢丝绳缺陷信号的降噪中,与传统多小波阈值函数的降噪进行了比较. 实验结果表明,该阈值函数降噪后重建信号的信噪比(SNR)高,能检测到钢丝绳缺陷信号中的全部小奇异点,其降噪效果优于传统多小波阈值函数法.     

基于小波变换和中值滤波的图像去噪

针对图像中同时含有脉冲和高斯混合噪声的情况下,本文提出了一种中值滤波和小波变换相结合的图像去噪方法。仿真结果表明,该方法可以有效地滤除混合噪声,改善图像的视觉效果。     

基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点，在大尺度下设置阈值，去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上，采用自适应阈值的方法，克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明，与单一阈值去噪方法相比，该方法不仅可以保留图像边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB。     

基于Hilbert-Huang变换和听觉掩蔽的语音增强算法

Hilbert-Huang变换是一种新型的具有自适应性的时频分析方法,分析了HHT算法的原理,提出了一种基于HHT和听觉掩蔽的语音增强算法,首先将语音信号进行EMD分解得到各阶IMF分量,然后对高频IMF分量进行听觉掩蔽处理,最后将处理后的分量与剩余分量叠加得到重构信号。仿真结果表明所提出的算法降低了语音失真测度值,提高了语音信号的信噪比、清晰度及可懂度,并与听觉掩蔽算法和谱减法进行了比较,显示了该算法的优越性。     

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。     

基于小波分析的双阈值火焰彩色图像增强方法

基于CCD的火焰图像监控技术是锅炉燃烧控制的研究热点,该方法的关键环节是获取清晰可靠的火焰彩色图像.针对这一需求,本文采用小波分析双阈值法对火焰彩色图像进行增强,首先将彩色图像分解成RGB三个二维信号,再分别对其进行小波变换,将得到的小波系数采用双阈值法进行提升和缩小以达到增强和去噪的目的,再进行小波重构,之后将新的RGB二维信号重新组合得到增强后的彩色火焰图像.实验表明:采用该方法增强后,图像层次感较强,细节突出,火焰各燃烧区域区分明显;二维温度场测量精度提高了0.62％,绝对误差降低了5.3℃,有利于改善整个锅炉燃烧系统的控制性能.     

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。     

基于阈值与人眼特性的小波图像压缩算法

针对图像传输数据量大的问题,通过结合小波变换的高效性与普遍性,提出了一种基于阈值与人眼特性的小波图像压缩算法,在图像的低频子带中通过结合阈值与人眼的视觉敏感度,提出了阈值保留算法;而图像的高频子带则是通过结合小波变换后各子带的方向性,并根据小波幅角的不同提出了边缘保留算法：在保证图像质量的同时减少了图像中的冗余信号。实验结果表明,新方法能够实现上述目标且具有低耗时的优势,在图像压缩领域具有较好的发展前景。     

基于小波去噪的增强多尺度多传感器数据融合

建立了基于小波去噪的增强多尺度自回归模型。增强多尺度状态可以将直接基于小波变换的多尺度自回归模型的网状结构简化为二叉树结构。基于小波去噪的多尺度模型具有非参数化特性，该模型适合于系统特性不知道的分布式多分辨率多传感器进行建模。最后，应用该算法于高精度划线切割机器人系统中多传感器的建模，实现了型钢划线切割过程中型钢边缘的检测。实验结果和数值仿真表明，多分辨率多传感器的数据融合可以消除噪声的干扰，提高检测系统的测量精度。