基于小波阈值去噪方法的一种改进方案

在D．L．Dohono和I．M．Johnstone提出的多分辨分析小波阚值去噪方法的基础上，提出了一种新的阈值函数。仿真试验结果表明，采用新的阈值函数的去噪效果无论在视觉效果上，还是在信噪比增益上和最小均方误差意义上均优于传统的硬阈值和软阚值。并且，与传统的硬阚值和软阈值相比．此函数不仅表达式简单，易于计算，而且具有优越的数学特性：易于求导，有连续的无穷阶导数。因此新阈值函数的更重要的意义在于使信号的自适应去噪成为可能，为更充分的发挥小波阈值去噪方法的优越性开辟了广阔的前景。     

一种小波阈值函数的CDMA信号去噪研究

噪声是影响CDMA系统检测概率的重要因素,针对软、硬阈值函数去噪法与最新的3种改进小波阈值去噪法对信号去噪效果进行对比性研究,在此基础上对小波阈值去噪方法中的阈值函数进行改进.用各种阈值函数对带高斯白噪声的方波输入信号进行去噪的仿真实验,分析其均方误差和信噪比,结果表明本文的阈值函数能够提高去噪信噪比和降低均方误差.     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

一种新的小波阈值函数改进方法及实现

局部放电信号是一种弱信号,受周围复杂电磁环境的干扰较大,利用小波分析对它进行去噪处理是当前研究的一个热点.传统的小波阈值去噪方法主要包括硬阈值方法和软阈值方法,它们在实际应用中取得了很大的成功,但同时也存在一些需要改进的地方.文章在传统软、硬阈值函数的基础上,提出了一种新的双变量阈值函数,并分别利用软、硬阈值函数和新阈值函数对局部放电仿真信号进行了小波去噪分析,仿真结果表明,通过调节两个可变参数,新阈值函数可以获得具有最佳信噪比和最小均方误差的去噪信号,其去噪效果明显优于传统的软、硬阈值函数,而且更具灵活性.     

一种改进的小波阈值去噪算法

为了有效滤除信号中的噪声,在提出的软、硬阈值函数去噪方法的基础上,结合已有的改进小波阈值去噪算法,新构造一种小波阈值函数。文中新构造的阈值函数结合软、硬阈值函数的优点,有较好的降噪效果和灵活性。通过Matlab仿真对比几种算法的信噪比(SNR)和均方误差(MSE)去噪指标,结果表明,新构造阈值函数的去噪指标优于传统阈值函数,具有一定的实用价值。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

小波去噪在超声多普勒信号处理中的应用

在超声多普勒流量计的研制过程中,由于多普勒信号属于微弱信号,超声波回波信号的去噪处理这一步是十分必要的。通常采用小波阈值去噪的方法对此信号进行预处理,本文所采用的方法是在小波阈值去噪方法的基础上,利用一种改进的阈值函数,此阈值函数克服了硬阈值函数不连续的不足,继承了软阈值函数的连续性特点,并且解决了软阈值函数中存在的小波系数与分解小波系数之间存在着恒定偏差的缺陷,与此同时,它具有软硬阈值函数不可比拟的灵活性。对实验所获得的超声波回波信号进行去噪,仿真结果表明,采用新的阈值函数去噪能有效抑制在信号奇异点附近产生的Pseudo-Gibbs现象,并且从信噪比增益和均方误差意义上分析看出改进型阈值函数对于超声回波信号的去噪效果均优于传统的软、硬阈值方法。     

基于改进阈值函数的小波域去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪算法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,此函数不仅易计算,且具有优越的数学特性和清晰的物理意义。试验结果表明,该方法可有效地去除白噪声干扰,无论在视觉效果还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。     

基于一种新阈值函数的小波阈值去噪方法研究

在分析了D.L.Donoho提出的硬阈值、软阈值小波去噪算法存在问题的基础上,构造了一个新阈值函数。新阈值函数的小波阈值去噪方法克服了硬阈值函数不连续的缺点,解决了软阈值函数中存在恒定偏差的问题。仿真实验结果表明,该方法可以有效地去除白噪声干扰,在信噪比和均方误差等方面均优于常用的软、硬阈值及改进的软硬阈值折中算法,去噪后的信号与原始信号的近似性也较好,充分体现出小波阈值去噪方法的优越性。     

基于小波包的阈值语音去噪算法研究

传统的小波阈值去噪算法会不可避免地造成有用语音信号的损失,达不到很高的信噪比。基于Donoho提出的传统阈值去噪方法,提出了一种新的阈值函数,该闽值函数结合了软阈值函数和灿律阈值函数的优点,不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差。实验仿真表明,新阈值函数的语音去噪方法无论在听觉效果上,还是信噪比指标上均明显优于传统的硬、软阈值方法。     

基于相邻尺度积系数的半软阈值小波滤波

针对相邻尺度积系数硬阈值滤波后的MSE函数不连续,最优阈值选取困难,该文构造了一种基于相邻尺度积系数的半软阈值函数。其为收缩因子函数与小波系数的乘积,对小波系数无穷可导、可在阈值邻域内对小波系数自适应收缩。进而通过极小化SURE(Stein Unbiased Risk Estimate)估计得到MSE意义下自适应于信号和噪声的最优阈值。大量仿真实验表明:采用本文构造的半软阈值函数,可改善基于相邻尺度积系数的滤波算法性能。     

基于小波变换的红外图像去噪

提出一种基于新型阈值函数的小波域红外图像去噪法,其阈值函数表达式简单且连续,既克服了硬阈值函数不连续的缺点,又克服了软阈值函数中估计小波系数与含噪小波系数间存在恒定偏差的缺陷。同时新的阈值函数还有效地利用了小波系数的成串性,即在小波系数的估计计算中考虑了邻域小波系数的大小。仿真结果表明,在去噪红外图像视觉效果和峰值信噪比两个方面,文中提出的去噪法优于已有的各种门限去噪法和Matlab-wiener2滤波算法。     

一种球坐标系下小波收缩去噪新算法

基于Besov空间范数理论提出一个新的球坐标下的自适应收缩阈值,并将小波域上的多尺度积推广到球坐标下,充分利用尺度间小波系数的相关性。最后,提出了一种新的自适应曲线收缩函数,此函数有一定的边缘增强效果。根据球坐标下图像的统计特性,用新的收缩阈值和新的收缩函数进行去噪处理。仿真实验分别从峰值信噪比(PSNR)、均方误差(MSE)和运行时间上进行评估,确立了最佳分解尺度,并且与其它算法相比,提高了PSNR,而且具有运算简单、运算量小的优点。     

一种自适应小波域图像降噪方法

Donoho所提出的去噪算法由于没有考虑到图像的局部特征,而滤除了过多的小波系数,影响了图像的去噪效果。本文介绍了一种自适应阈值的小波系数收缩算法,该算法利用邻域小波系数与噪声方差关系,同时根据小波分解级数的不同而动态地改变小波系数收缩的幅度。由于阈值的自适应性。从而可以利用更多小波分解级数而不会滤除过多的小波系数,因此在去噪方面达到了更好的效果。本文还讨论了如何选取合适的小波分解级数、窗口大小、以及算法的复杂性。通过大量的实验结果可以看出,本算法在去噪的视觉效果和峰值信噪比(PSNR)指标上,优于其他去噪算法,同时,算法的执行和原理非常简单。     

一种改进的小波阈值去噪法

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,其中阈值函数的选择关系着重构信号的连续性和精度。但是硬阈值函数在阈值点具有不连续性,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,这些缺点限制了阈值去噪法的进一步应用。将硬阈值和软阈值函数进行加权平均,选取适当的权值函数,可以构造出一种克服了软硬阈值缺点的新的阈值函数。仿真结果表明,该方法具有较好的去噪效果。     

基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.     

Spatially adaptive wavelet thresholding with context modeling forimage denoising

The method of wavelet thresholding for removing noise, or denoising, has been researched extensively due to its effectiveness and simplicity. Much of the literature has focused on developing the best uniform threshold or best basis selection. However, not much has been done to make the threshold values adaptive to the spatially changing statistics of images. Such adaptivity can improve the wavelet thresholding performance because it allows additional local information of the image (such as the identification of smooth or edge regions) to be incorporated into the algorithm. This work proposes a spatially adaptive wavelet thresholding method based on context modeling, a common technique used in image compression to adapt the coder to changing image characteristics. Each wavelet coefficient is modeled as a random variable of a generalized Gaussian distribution with an unknown parameter. Context modeling is used to estimate the parameter for each coefficient, which is then used to adapt the thresholding strategy. This spatially adaptive thresholding is extended to the overcomplete wavelet expansion, which yields better results than the orthogonal transform. Experimental results show that spatially adaptive wavelet thresholding yields significantly superior image quality and lower MSE than the best uniform thresholding with the original image assumed known.     

基于自适应噪声估计的小波阈值语音增强

文中提出了一种基于小波阈值和自适应噪声估计方法的语音增强算法。该算法直接利用含噪语音信号估计出信噪比SNR,并通过该值调整小波阈值,从而实现了小波阈值的自适应变化。针对噪声的小波变换模值随尺度增大而减小的特性,采用了随尺度变化的小波阈值。并且改进了小波阈值函数。实验数据表明,本文算法在多种噪声环境下,均有较好的语音增强效果。并且在抑制噪声的同时,减少了语音失真。