基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

基于新阈值函数的小波阈值自适应去噪

针对传统小波阈值去噪算法中阈值估计和阈值函数选取的不足,提出一种高阶可导的阈值函数,并利用牛顿迭代法求得Sure无偏估计意义下的最佳阈值,从而实现阈值估计和阈值函数相关联的小波阈值自适应去噪.仿真实验表明,新算法可获得比传统阈值去噪算法更理想的去噪效果.     

一种改进的小波阈值函数去噪方法

针对传统小波阈值去噪算法中软阈值函数和硬阈值函数的不足,在现有文献设计的阈值函数的基础上,构造一个新的阈值函数,它不仅能克服软、硬阈值函数的缺点,同时对噪声的处理更具有灵活性。通过Matlab仿真,对软、硬阈值函数以及本文构造阈值函数的去噪效果,在信噪比(SNR)和均方根误差(RMSE)两个方面进行对比。结果表明,本文提出的阈值函数在信号去噪处理中,能获得更高的信噪比以及更小的均方根误差,具有很好的降噪效果。     

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。     

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SURE无偏估计的自适应小波阈值去噪

本文在D.L.Dohono提出的小波阈值去噪的基础上,提出了一种新的阈值函数,与原来的分段阈值函数相比,此函数具有明显优点,表达式简单易于计算,连续可微,易于求导.此函数的这些优点为实现信号的自适应去噪提供了可能.本文应用此阈值函数,基于SURE无偏估计,给出了一种自适应去噪方法.并用受污染的blocks、bumps、heavy sine、doppler等典型信号做实验,实验结果显示此方法能在最小均方误差(MSE)意义上收敛,而且其最小均方误差优于其他文献中的阈值去噪的方法.     

基于改进小波阈值算法的信号去噪

为了有效消除信号中的噪声,提出一种改进小波阈值算法的信号去噪方法。首先分析软阈值和硬阈值小波方法的优缺点,构造了一种任意阶可导的新阈值函数,然后通过调节参数的值来更好的获得阈值估计,最后在Matlab 2012平台对其去噪性能进行仿真测试。结果表明,相通于其它信号去噪方法,本文方法提高了信号的信噪比,降低了均方误差,达到了更好的消噪效果,具有更高的实际应用价值。     

一种改进的小波阈值信号去噪方法

为改进滤波效果,提高去噪质量。通过分析软硬阈值去噪的原理和方法,为小波阈值信号处理提出了一种改进的去噪方法。该方法综合了软硬阈值的特点,对其参数进行优化设计,通过调节参数值以更好地获得阈值估计。针对改进后的去噪算法,通过Matlab仿真比较了传统的小波软硬阈值算法与该算法的消噪效果,结果表明,提出的方法有更好的消噪效果和稳定性。     

一种改进阈值函数的小波语音去噪方法

在分析了软阈值法和硬阈值法等常用用值函数的优缺点基础上,提出了一种改进的阈值函数,该阈值函数结合了折中阈值函数和μ律阚值函数的优点.实验仿真表明,不管语音信号输入信噪比高低,改进的方法均可获得满意的去噪效果.     

一种新型阈值决策的小波去噪方法

在传统软、硬阈值函数去噪的基础上,提出了一种新型阈值函数和自适应阈值的去噪方法。阐述了改进型阈值函数的特点。改进型阈值函数与传统软、硬阈值函数相比,克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点。为了解决在每一级尺度上都采用同一阈值的不足问题,将自适应阈值算法引入去噪。实验表明：此去噪法提高了重构信号的信噪比,有效去除了噪声,且保留了原始信号的细节特征,与传统去噪法相比是一种较好的恢复微弱信号的方法,在通信去噪中具有较高的实用价值。     

几种基于小波阈值去噪的改进方法

传统小波阈值去噪分为硬阈值去噪和软阈值去噪,而在其去噪过程中,硬阈值函数在一些不连续点处有时会产生伪吉布斯现象;软阈值函数中估计的小波系数与信号的小波信号之间存在恒定偏差.为了去除这些现象,本文提出了几种新阈值函数的改进方案.实验结果表明,新阈值函数消噪后的视觉特性较好,并且信噪比提高,均方根误差有所降低.从而说明这些方法的有效性.     

用于光纤传感的可调半软阈值小波去噪算法

针对大容量超弱FBG传感网络解调系统的干涉噪声和固有电子学噪声,基于传统小波阈值算法去噪时软、硬阈值函数存在恒定偏差及连续性差的缺点,提出一种改进的小波阈值去噪算法。该算法引入了调解因子和半软阈值因子,完成向软、硬阈值函数的转变,保证了连续性且降低重构误差。仿真结果表明,该函数不仅在连续性上优于传统的阈值函数,重构时对信号的还原度较高,信噪比(SNR)相比于软、硬阈值函数均有所提高,平均提升了0.1034 dB、2.4327 dB,而均方根误差(RMSE)相比于软硬阈值函数均有所降低,平均降低了0.1665、0.1687。新阈值函数相比于传统阈值算法能够获得更优良的去噪效果,可为光纤布拉格光栅传感网络高精度寻峰解调去噪提供参考。     

一种基于改进阈值函数Contourlet域的图像去噪算法

针对Contourlet域中传统硬阈值函数由于函数不连续所造成的振铃和伪吉布斯现象以及软阈值函数由于恒值压缩导致的图像模糊失真的问题,文中提出一种基于改进阈值函数的Contourlet域图像去噪算法。该改进阈值函数引入了指数平滑函数法的思想,使其在Contourlet域内具备连续性、渐进性、偏差性和高阶可导性,克服了软硬阈值函数存在的问题。方法中阈值估计部分选取的是BayesShrink自适应阈值估计,能够比较精准的确定阈值大小,并且解决了传统固定阈值估计过度扼杀变换系数的现象。通过对比实验,文中提出的改进后图像去噪方法在峰值信噪比、均方根误差和图像增强因子等客观评价标准上与传统去噪方法相比具备较好的去噪效果。     

基于改进Bubble函数的红外图像边缘提取方法

针对bubble函数不具有调节带宽的缺点,提出了一种改进的bubble函数,该改进函数能够通过调节参数来获取不同时域、频域响应和滤波效果.将改进后的bubble函数与平稳小波相结合构造出多分辨率网络,该网络利用平稳小波变换去除噪声、利用改进bubble函数增强图像边缘,从而可以准确、有效、快速的提取出图像的边缘.实验结果表明,该方法优于传统bubble函数与平稳小波相结合提取边缘的效果.     

小波阈值法在图像去噪中的应用

介绍了小波去噪的基本理论以及小波阈值法去噪的原理。小波阈值法去噪的关键是阈值的设置和阈值函数的选择。本文归纳了阈值的设置方法和阈值函数的选择方法,并针对图像去噪进行了仿真实验,将一幅混有不同水平高斯白噪声的图像分别进行软、硬阈值函数去噪。实验得出软阈值函数的去噪效果比硬阈值函数的去噪效果好这个结论。     

基于Matlab的小波去噪算法研究

小波阚值去噪是通过小波变换技术将含噪信号分解及重构,通过一个阈值限定小波分解后的小波系数来去除噪声的方法.在小波分析域中分析了传统的软阈值法和硬阈值去噪方法的特点,同时指出传统分析法中存在的缺点,提出了软硬阈值折衷的去噪方法.采用雷达信号用Matlab对去噪效果进行仿真,证明了改进方法的去噪效果优于单纯的软阈值与硬阈值方法.     

GIS局部放电小波阈值去噪算法的改进

为了抑制GIS局部放电现场检测中的噪声干扰,本文在现有的小波阈值去噪的基础之上,提出了一种基于新的阈值函数的去噪算法。该去噪算法与传统的基于硬阈值或软阈值小波去噪算法相比,具有表达式简单,易于计算的优点,同时通过仿真试验表明该算法提高了信号的信噪比,具有较好的去噪性能。     

B超乳腺图像小波阈值去噪方法研究

小波阈值去噪是小波阈去噪的主要方法之一,文中对B超乳腺图像进行噪声分析,在小波分解的基础上,将不同的阈值函数和不同方式选取的阈值相结合,分析其原理和方法,并利用Matlab实现,给出实验结果对比,为医学B超图像去噪提供参考依据。