基于小波的阀值消噪方法讨论及实现

根据小波变换的特点和信号消噪方面的要求,利用小波变换对平稳和非平稳信号进行消噪作了较深入的研究。阐述了利用小波分析消除信号噪声的基本原理和方法,并且利用Matlab软件编制程序实现了基于小波分析的平稳信号和非平稳信号的消噪仿真分析,实验表明小波阀值的选择对于平稳信号和非平稳信号的消噪效果是不同的,在此基础上分析了软硬阀值的特点和缺陷。     

一种新的基于小波变换的白噪声消除方法

本文研究了空间分布不均匀信号和白噪声在小波变换下的不同特性,提出了一种新的基于小波变换的白噪声消除方法,这咎方法可以对非平稳信号进行消噪处理,解决了传统信号处理方法对非平稳信号的局限性,并且有快速算法能够加以实现。仿真结果证明这种方法具有很好的去噪效果。     

一种新的基于小波变换的白噪声消除方法

本文研究了空间分布不均匀信号和白噪声在小波变换下的不同特性,提出了一种新的基于小波变换的白噪声消除方法。这种方法可以对非平稳信号进行消噪处理,解决了传统信号处理方法对非平稳信号的局限性,并且有快速算法能够加以实现。仿真结果证明这种方法具有很好的去噪效果。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

基于小波变换和独立分量分析的含噪混叠语音盲分离

含噪混叠语音的分离是语音信号处理中的重要研究问题。该文针对语音信号的非平稳特性与不同语音源之间的相互独立性,提出用小波变换与独立分量分析相结合的方法来进行分离。首先利用小波变换分别对各含噪混叠语音进行消噪,然后用独立分量分析的方法对消噪后的混叠信号进行分离,最后进一步对分离信号作矢量归一和再消噪处理,得到各个语音源信号的最终估计。仿真结果表明这种方法取得了很好的分离效果。     

小波变换在舰船辐射噪声消噪处理中的应用

针对舰船辐射噪声信号的特点，根据小波消噪的原理设计了一种消噪的方案，利用MATLAB在计算机上用不同的小波基函数对实船信号进行了消噪处理试验，井对结果进行了简要的比较说明。试验结果表明，在选择了适当的小波基函数和阚值的情况下，采用小波变换的消噪方法对舰船辐射噪声信号进行消噪处理。可以取得良好的效果。     

LabVIEW在绝缘子漏电流检测中的应用

描述了一种基于LabVIEW的绝缘子漏电流检测方法。LabVIEW是在通用计算机平台上,用户根据自己的需求定义和设计仪器的测试功能。小波变换是信号分析处理的一种重要方法。应用LabVIEW小波工具包,通过小波变换可以对原始信号进行消噪处理,经过消噪后的信号明显得到改善。通过软件分析得到泄漏电流有效值、超过一定幅值的脉冲峰值和脉冲频度、温度、湿度等数据。借助LabVIEW设计噪声分析软件,使得噪声分析更加精确,并大大缩短了测试和信号处理周期。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

激光多普勒信号处理中小波分析的应用研究

文章提出了一种通过小波变换的方式,对激光多普勒信号进行处理,以消除人体激光多普勒信号噪声。首先对小波转换的原理以及特点进行分析,然后分析小波分析在激光多普勒消噪处理中的应用,其次通过激光多普勒信号消噪仿真实验,并对仿真结果进行小波分析,验证小波变换消噪效果,供有关人员参考。     

基于形态学运算和自适应阈值的心电信号消噪

抑制信号中的噪声干扰,是心电(ECG)信号预处理中的关键步骤.针对传统形态学滤波损失有用信号的缺陷,本文提出了一种基于形态学运算和自适应阈值的ECG信号消噪算法.首先,对含噪ECG信号进行形态学滤波和形态学峰谷提取运算;然后,估算形态学峰谷信号中时变噪声的即时方差,并依据3σ准则对峰谷信号进行自适应阈值处理,保留其中的有用信号;最后,将阈值处理结果与形态学滤波结果相加,作为ECG信号消噪处理的最终结果.仿真试验与实际应用结果表明,该算法不仅可以有效去除时变噪声的干扰,而且较好地保持了ECG信号的特征形态,处理效果明显优于以往的形态学滤波算法,且比基于平稳小波变换的消噪算法更适用于非平稳ECG信号的消噪处理.