基于改进阈值的小波分解和经验模态分解的人体脉搏信号滤波算法研究

脉搏信号是反映人体健康状况重要的信号之一,对于医生诊断病情有重要的指导意义。本文分析了脉搏信号中噪声的特点,针对不同种类的噪声,结合小波变换和经验模态分解算法在滤波方面的优势,给出基于改进阈值的小波分解和经验模态分解的人体脉搏信号滤波算法,滤除脉搏信号中的各类噪声。与传统的滤波方法相比,基于小波和经验模态分解的人体脉搏信号滤波算法具有较好的滤波效果。本文网络版地址:http://www.eepw.com.cn/article/233868.htm     

变分模态分解联合改进小波阈值函数的PPG降噪算法

针对PPG信号采集过程中存在大量混合噪声的问题,提出一种变分模态分解（VMD）改进小波阈值降噪的降噪算法。首先通过傅里叶变换得到脉搏波信号频域信息,确定分解个数和主频率;然后利用变分模态分解算法将含噪声的PPG信号分解为一系列固有模态分量,分解过后确定各分量的中心频率,并筛选有效固有模态分量;最后利用改进后的小波阈值函数对残余噪声进行降噪处理,避免了软阈值的恒定偏差,又保证了阈值函数的连续性,降噪后的信号与原始信号相关系数均值为0.934 7,比变分模态分解方法重构信号提升了7.1%。与其他降噪算法相比,信噪比分别提高了5.77 dB、5.38 dB、4.5 dB,均方根误差分别降低了26.1%、16.8%、7.4%。实验结果表明,通过理论计算、数值模拟和应用研究验证了所提方法的有效性和优越性,在滤波效果和信号保真度之间取得了很好的平衡。     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

基于改进傅里叶变换的电子音乐信号降噪算法

针对以往电子音乐信号降噪算法因未在降噪处理前分离无噪声电子音乐信号以及噪声信号,导致无法全面清除噪音,提出一种基于改进傅里叶变换的电子音乐信号降噪算法。该算法对电子音乐信号进行鲁棒主成分分析,将电子音乐信号转化为低秩矩阵以及稀疏大噪声矩阵之和,通过核范数优化方法优化以上矩阵之和,有效分离无噪声电子音乐信号以及噪声信号,利用改进傅里叶变换算法即小波变换算法进行电子音乐信号降噪处理时,通过经典阈值方法选取最优阈值,依据该阈值选取阈值滤波法进行电子音乐信号的小波系数处理,去除噪声信号的小波系数,通过小波逆变换滤波后的信号获取降噪后电子音乐信号。实验结果表明,该算法可以清晰地将电子音乐信号与噪声信号分离,并有效去除噪声信号,信号还原度高,且对10种电子音乐信号进行降噪能量损失量均低于2%。     

一种改进的基于经验模态分解的小波阈值滤波方法

经验模态分解是一种新的信号分解方法,该方法可将非线性非平稳信号分解成若干个单分量的本征模态函数,使得每个本征模态函数都具有一定的物理意义。本文探索了该方法在语音增强方面的应用.在文献[8]的基础上,对其方法进行了有效改进。首先将带噪语音进行经验模态分解,得到六个本征模态函数和一个余量信号,对这七个信号分别进行小波阈值滤波,并由滤波后的七个信号重构语音。结果表明,该方法的滤波效果明显优于对带噪语音直接采用小波阈值滤波的方法,并且较之文献[8]的滤波方法也具有一定的优势。     

基于VDM和小波阈值的语音降噪方法研究

针对带噪声的语音信号,提出了基于变分模态分解（VMD）和小波阈值相结合的去噪方法。首先,采用VMD对带噪声道信号进行分解,从而得到分解后的固有模态（IMFs）信号;然后,引入T检验对各IMFs分量进行低频和高频区分,对其中的高频分量用小波阈值进行噪声滤除;最后,对将低频IMFs分量和滤波后的高频IMFs分量进行重构,从而得到降噪后的具有较高信噪比的语音信号。通过实验验证,本方法与EMD和小波阈值联合算法相比,具有更好的去噪性能,具有一定的实用价值。     

基于EEMD算法在信号去噪中的应用

为了抑制经验模态分解中出现的端点效应和模态混叠现象,利用白噪声辅助数据分析方法——集合经验模态分解构造一个自适应滤波器组,对原信号进行各级滤波,最终得到纯净的信号.然后与小波阈值去噪方法进行比较,通过仿真可以看出,集合经验模态分解构造的滤波器组滤波效果比较理想.     

基于双树复小波变换和形态学的脉搏信号去噪

常见的医学信号（如脉搏信号）包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪方法的缺陷,提出了一种基于双树复小波变换和形态学的去噪算法,具有结构简单、计算复杂度低等优点,有效地克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效地去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。     

基于经验模态分解的光纤陀螺1/fγ类型分形噪声滤除方法

提出了一种可有效滤除输出信号中干扰信号的新的光纤陀螺信号降噪方法.中高精度光纤陀螺的随机噪声中包含了白噪声和具有长程相关性、自相似性及1/fγ型谱密度特点的一种非平稳随机噪声--1/fγ型分形噪声.利用传统的滤波方法无法有效去除该类分形噪声,而新方法以经验模态分解(EMD)和阈值降噪方法为核心,结合提升小波理论对光纤陀螺的输出信号进行软阈值滤波,进而提高光纤陀螺的精度.利用这种新方法对多组实测数据进行滤波仿真实验,结果中仅偏置稳定性一项性能指标就已表明,使用新滤波方法滤波后数据精度可提高一个数量级,而相较传统的小波滤波方法可提高2.5倍,故此验证了新方法的有效性.     

基于VMD的激光雷达回波信号去噪方法研究

为滤除激光雷达回波信号中的噪声,提高其信噪比,本文提出了一种基于变分模态分解(VMD)的回波信号去噪方法。该方法利用去趋势波动分析对信号进行变分模态分解,通过巴氏距离区分相关模态和非相关模态,采用移动平均法提取非相关模态中的有用信号,并将其与相关模态进行重构实现噪声的有效去除。实验结果表明,经该方法处理后的回波信号输出信噪比提高到了22.58 dB,均方根误差减小为0.78×10-11。该方法能有效滤除激光雷达回波信号中的噪声,保证信号的完整性,与小波变换、经验模态分解直接阈值、变分模态分解局部重构等方法相比,具有明显优势。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

基于经验模分解的小波阈值滤波方法研究

信号的多分辨经验模分解方法可以解释为以信号极值特征尺度为度量的时空滤波过程。这种时空滤波器充 分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势。本文提出了一种基于经验模分解的小 波阈值滤波去噪方法,并和小波阈值去噪、多尺度EMD滤波效果相比较。实验结果表明了基于经验模分解的小波阈值去 噪具有广泛的适用性和独特的去除非平稳信号的有色噪声的优势。     

海缆布里渊光时域反射信号的去噪方法研究

为了从噪声背景中有效地提取光电复合海缆的布里渊光时域反射信号,根据信号的特点,提出了采用小波阈值法对实时信号进行去噪处理。针对小波阈值去噪参量设置的基础性问题,通过理论分析和实验对比确定了适于海缆布里渊光时域反射信号去噪处理的最优参量,并与中值滤波、均值滤波的去噪效果进行了对比。结果表明,相对于两种传统的滤波方法,最优参量下的小波阈值法能有效去除噪声,不仅信噪比提高了14.1dB,而且能检测出100με的应变变化。该研究对于探索海缆布里渊光时域反射信号的高效处理方法具有重要参考价值。     

一种基于CEEMDAN-改进小波阈值的OTDR信号去噪算法

为了解决光时域反射仪(optical time domain reflectometer,OTDR)中背向散射信号受 噪声干扰严重问题,本文提出了一种 基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN) 和改进小波阈值的OTDR信号去噪算法,利用CEEMDAN分解算法具有的抗模态 混叠现象和降低重构误差等优点,将信号分解为若干IMF分量,根据相关系数的分析方法, 找到噪声占主导的本征模态函数(intrinsic mode function,IMF)分量和信号占主导的IMF 分量的临界点,去除噪声占主导的IMF分量, 并将改进的小波阈值去噪方法对信号占主导的IMF分量进行去噪,最后重构信号。结果表明 , 本文提出的方法与传统的硬阈值方法、CEEMDAN-硬阈值方法和改进的小波阈值方法相比, 能 更好地抑制噪声,并达到更好的去噪效果,突显OTDR事件特征,更易于事件的检测。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

EEMD法在激光语音传输系统中的应用

为消除激光语音传输系统中激光器输出功率不稳定对探测信号的影响,提出了一种结合集合经验模态分解(EEMD)与相关系数的方法对信号进行处理.该方法将信号分解为不同的分量,算出不同分量和原信号间的相关系数,再设置固定判定阈值来区分真实信号和趋势项分量.该方法可以克服传统处理方法中存在的模态混叠和需要主观判断趋势分量的缺点,从而达到避免主观判断失误和准确提取趋势的目的.仿真及实验结果表明,使用该方法后再去噪效果优于直接去噪,此外该方法能有效去除激光器功率线性变化和频率小于15 Hz的正弦起伏变化导致的趋势.     

基于小波变换的动态阈值法语音信号净化

语音信号实时去噪净化处理是语音通信系统的关键技术。传统的小波阈值去噪方法由于阈值的单一性,在去除噪声的同时,造成语音信号损伤。针对这一问题,提出了一种基于小波变换的动态阈值法语音信号净化方法。能根据噪声和信号的变化而动态调节阈值;采用改进的阈值函数对小波系数缓变地压缩,仿真实验结果表明,能有效去除信号中的噪声和较好保留语音细节。