基于小波阈值的sEMG信号消噪方法研究

在表面肌电（sEMG）信号采集过程中,不可避免的会出现噪声,特别是人体运动时,肌肉动态收缩,采集的结果含噪就会更多。针对含噪情况,提出基于小波阈值的sEMG信号消噪方法。通过选择肌电信号的采集位置,在采用高精度的肌电采集系统的基础上,采集正常行走过程中胫骨前肌的sEMG信号,利用matlab小波工具箱,用dbN小波函数进行分解后,用detcoef函数提取不同尺度的细节系数,将与噪声相关的细节系数进行强制阈值消噪,对信号相关的细节系数用minimaxi阈值规则进行软阈值消噪,并与分层阚值得到的降噪信号进行比较,分层阈值得到的降噪信号过于光滑,降噪后的信号能量保留成份仅为46．48％,失去了原信号本身的一些信息。而采用软闯值消噪,不仅较好的去除了噪声,而且与原信号保持了很好的相似性,能量保留成份达到86．38％,说明比分层阈值具有更好的消噪效果。     

基于经验模态分解的小波阈值降噪方法研究

针对小波阈值降噪方法中小波基和阈值缺乏选取依据的缺陷,提出了一种基于经验模态分解(EMD)的小波阈值降噪方法。首先将带噪信号进行EMD分解得到一系列本征模态分量(IMF),仅对带噪的高频IMF分量进行小波阈值降噪处理,将处理结果与不含噪声的低频IMF分量进行信号还原得到降噪后信号。方法有效避免了直接小波阈值降噪高频分量损失的问题,同时还可直接去除信号中可能存在的趋势项,比直接小波阈值降噪具有更好的效果。仿真数据处理证明了方法的有效性。     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

基于小波阈值去噪的心电信号分析

研究心电信号优化问题,为去除心电信号采集过程中存在的噪声信号,抑制各种噪声干扰,提出了小波阈值去噪的心电信号去噪.以小波阈值降噪为基础,首先利用sym8小波对心电信号进行8尺度分解,再用软、硬阈值与小波重构的算法进行去噪.针对软阈值去噪法产生的伪吉布斯现象,采用一种新阈值函数对心电信号进行处理.通过对MIT心电数据库中...     

提升小波改进阈值算法在输气管道泄漏信号降噪处理中的应用

输气管道的泄漏检测对保障其管道的正常运行具有重要意义,但是在实际工作中,传感器检测到的信号会受到噪声的干扰。为了提高管道泄漏检测精度,采用一种不依赖于傅里叶变换的提升小波变换方法,并引入改进阈值函数对信号进行降噪处理,分别对比不同小波基函数,不同分解尺度利用改进阈值算法的降噪效果,确认db5小波函数作为最优提升小波函数,并对信号进行四层分解的信号处理信噪比最高,最后利用现场实验采集到的负压波信号进行传统小波去噪和提升小波改进阈值算法去噪的效果对比,其结果表明提升小波改进阈值算法的去噪效果优于传统小波算法的去噪效果,在管道泄漏检测的信号降噪中具有良好的应用价值。     

改进离散平稳小波变换在压力信号消噪中的应用

提出基于离散平稳小波的改进自适应降噪方法,并将该方法应用于压力信号消噪,取得了优于传统小波消噪的效果。方法利用平稳小波的冗余特性,解决了传统二进小波变换降噪方法在奇异点存在振荡效应的不足,同时将尺度系数的噪声与各层噪声强度不同纳入分析。利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪。将该方法应用于压力信号消噪,并与传统离散二进小波进行比较,证明了方法的可行性和有效性。     

基于EEMD和二代小波变换的表面肌电信号消噪方法

为了更好地消除混杂在表面肌电信号(sEMG)中的噪声,提出了一种基于总体平均经验模式分解(EEMD)和二代小波变换的sEMG消噪新方法。首先对信号加入白噪声处理后进行经验模态分解(EMD),然后对高频的内蕴模式函数(IMF)分量进行二代小波阈值消噪处理,最后把处理后的高频IMF分量与低频IMF分量进行叠加,重构后的信号即为去噪信号。实验结果表明,该方法融合了二代小波与EEMD的优点,能更好的消除噪声,最大限度的保留有用信号,并具有更高的信噪比。     

改进小波阈值算法在电机振动信号降噪中的应用

针对采集的电机振动信号中夹杂着噪声干扰的问题,提出一种基于贝叶斯估计的小波收缩新阈值的电机振动信号降噪方法。新阈值考虑了振动信号经小波变换后在不同尺度上的去噪特性,更符合噪声在各层中的分布情况;改进阈值函数对振动信号进行降噪处理,较好地弥补了各阈值函数的缺陷,保证了阈值函数的连续性,并且可以灵活调节阈值以适应不同噪声情况,同时解决了固有阈值函数带来的偏差问题,很好地保护了含噪信号的有用信息。     

基于提升小波改进阈值的雷达信号去噪方法

针对传统小波域阈值去噪的局限性和缺陷,提出了基于提升小波变换的改进阈值函数去噪新方法。通过提升小波变换提取含噪信号小波系数,并利用新阈值函数进行降噪处理。实验仿真结果表明,该方法运算速度快,能有效抑制噪声,信噪比和均方根误差性能均优于经典阈值函数和已有的两种改进阈值函数,在对雷达弱小目标的检测中有很好的应用价值。     

利用多小波的改进多层阈值对超声图像降噪

医学超声图像存在特有的斑点噪声,大大降低了图像质量,必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解,根据多小波分解后的能量分布特性,提出了改进多层阈值与模糊聚类相结合方法,将小波系数模糊聚类分成噪声和信号两类,然后在不同尺度对信号小波系数进行不同阈值萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值法,可有效地降低图像斑点噪声并保留图像细节。     

基于奇异值差分谱分析和蚁群算法的小波阈值降噪

针对传统小波阈值去噪阈值选取的问题,将奇异值差分谱的方法与蚁群算法相结合运用到小波阈值降噪中,提出一种小波系数双阈值寻优方法.首先将待处理含噪信号进行多尺度小波分解;之后根据每级信号小波系数的奇异值差分谱分析得到寻优的目标函数;然后根据目标函数利用蚁群算法在每级的小波系数上进行阈值寻优;最后重构经过最优阈值量化规则处理的小波系数得到降噪信号.通过对仿真信号的降噪处理表明本方法对不同特点信号的降噪效果要好于传统阈值降噪方法;对滚动轴承以及深沟球轴承的振动故障信号的降噪处理验证了方法的可行性和适用性.     

改进CEEMDAN-小波包阈值降噪在旋转机械轴承中的应用

针对旋转机械滚动轴承振动加速度信号在采集过程中存在大量噪声导致振动信号表征不明显的问题，提出了一种在对自适应噪声完备集合经验模态分解(CEEMDAN)进行改进的基础上与小波包阈值降噪联合的一种数据去噪方法。首先，通过计算分解后得到的各分量的均方根和互相关系数对与原始信号相关性较大的分量进行提取；然后，分别计算提取后每个分量对应的阈值进行小波包阈值降噪处理；最后，将处理后的信号与分量中不存在噪声的分量进行叠加，即为降噪后的信号。经过对比实验验证，改进CEEMDAN-小波包阈值降噪方法的信噪比最大提高6.41,均方根误差降低0.12,证明了本方法的有效性。     

基于小波分析的语音信号去噪方法研究

小波变换在当今信号处理领域中是信号分析的一个强有力工具。介绍了小波变换的一些基本理论以及对小波分解系数进行阈值化的降噪技术,分析了基于小波阈值去噪中软阈值和硬阈值方法的不足,提出了新的阈值函数,最后利用Matlab进行仿真实验证明使用该阈值函数能去除语音信号中含有的噪声。     

一种时间自适应阈值的小波包改进语音增强算法

针对传统小波语音增强算法存在过度阈值处理的问题,提出一种改进的时间自适应阈值小波包去噪算法.该方法采用听觉感知小波包对噪声语音进行分解,得到小波包听觉感知节点上的系数,并基于语音存在概率估计按帧自动调节去噪阈值.因改进的阈值能更好地避免语音小波包系数被过度阈值处理的情况,从而在抑制噪声的同时保留了更多的原始语音成分,进一步提高了降噪效果.实验结果表明,该算法比常规小波自适应阈值算法能得到更清晰的语音增强信号.

     

基于小波包分解的超声相控阵前置阈值降噪研究

超声相控阵由于其独特的优点广泛应用于航空航天工业领域,在实际检测过程中,噪声污染难以避免,仪器电噪声和环境噪声会造成伪像以及成像分辨率低等问题。为此利用小波包分解对超声相控阵检测开展前置阈值降噪研究,首先对多孔碳钢试块进行超声相控阵实验检测,提取B扫、S扫的各个阵元原始数据;然后利用小波包分解检测信号,获得分解信号中最底层各个节点的能量谱;最后提出一种随分解层数而变化的自适应阈值计算方法,并利用改进后阈值函数进行去噪处理,将重构后的信号成像与未降噪信号成像对比。结果表明这种前置阈值降噪方法既可以保留原始信号的特征,也可以对信号中的噪声杂波起到抑制作用;相比带有噪声的B扫、S扫检测信号,降噪后缺陷图像信噪比分别平均提升8.97 dB、8.26 dB,且改进阈值函数降噪后的缺陷图像信噪比相比硬阈值降噪和软阈值降噪,B扫平均提升2.36 dB和2.39 dB;S扫平均提升3.87 dB和3.17 dB。所提方法在工程实际中具有较好的应用前景。     

一种时间自适应阈值的小波包改进语音增强算法

针对传统小波语音增强算法存在过度周值处理的问题,提出一种改进的时间自适应阈值小波包去噪算法.该方法采用听觉感知小波包对噪声语音进行分解,得到小波包听觉感知节点上的系数,并基于语音存在概率估计按帧自动调节去噪周值,因改进的闲值能更好地避免语音小波包系数被过度阈值处理的情况,从而在抑制噪声的同时保留了更多的原始语音成分,进一步提高了降噪效果,实验结果表明,该算法比常规小波自适应闻值算法能得到更清晰的语音增强信号.     

基于CEEMD-VMD-SIST算法的sEMG信号降噪方法

针对基于表面肌电信号(sEMG)的手势识别中,由于传统降噪算法对sEMG信号高频部分分解不当或存在频率混叠现象使得对含噪sEMG信号降噪效果不佳而导致手势识别精度大大降低的问题,提出使用基于互补集合经验模态分解(CEEMD)与变分模态分解(VMD)组合的滑动区间软阈值(SIST)降噪算法(CEEMD-VMD-SIST)对含噪sEMG信号进行降噪处理;使用CEEMD将含噪信号分解为从高频到低频的多个不同本征模态函数(IMF),根据自相关系数客观界定后续降噪模态分量范围,对选中的模态分量采用VMD的SIST方法进行分解降噪并与部分剩余模态分量进行重构;从实验结果中可以看出,在不同信噪比下,所提算法的降噪性能与传统降噪方法相比,信噪比与均方根误差均有明显改善,可以更大程度上保留信号的有用信息,即所提算法的降噪性能更佳。     

基于平稳小波变换的图像去噪方法

正交小波阀值消噪方法已广泛地应用于图像噪声抑制，目前对于正交小波阈值去噪方法的研究主要集中于如何选取阈值使消噪达到较好的效果，然而对于图像中噪声幅度较大的情况下，正交小波变换阀值消噪会使图像边缘失真，甚至图像模型，提出的平衡小波变换的图像消噪方法，可以有效地降低噪声，同时又较好地保持图像边缘细节，与正交小波变换阈值降噪方法相比，有明显优越性。     

基于谱插值与经验模态分解的表面肌电信号降噪处理*

根据表面肌电(surface electromyography, sEMG)信号的噪声特性来探讨其降噪方法的应用问题。采用谱插值法来削弱工频干扰以避免工频处的肌电信息成分丢失,再选取通过经验模态分解(empirical mode decomposition, EMD)方法获得的内在模态函数(intrinsic mode function, IMF)分量作小波软阈值分析,并将部分明显的低频IMF干扰分量及冗余分量去除,然后对相应IMF分量进行重构便可得到降噪处理后的sEMG信号。仿真和真实信号的降噪实验结果     

基于排列熵的振动信号小波包阈值去噪研究

工程实践中的振动信号往往存在噪声干扰而导致信号特征信息无法显露,传统小波包软、硬阈值函数去噪形式固定,无法依据信号小波包分解系数的噪声干扰情况进行调整.据此,提出一种新的介于软、硬阈值函数之间的改进小波包阈值函数,并将排列熵作为信号含噪情况表征参数引入阈值函数中.对信号小波包系数进行排列熵计算,并依据该值对阈值函数进行自适应调整,使得新的阈值函数能够对含噪较多的小波包系数进行大尺度收缩而对含实际信号特征较多的小波包系数尽可能地保留,从而达到最佳的去噪效果.对滚动轴承振动实验信号的去噪分析,并与其他方法进行对比,验证了该方法的有效性与优越性.