光纤陀螺全频域小波阈值降噪技术

为了有效地去除光纤陀螺信号中的分形噪声,提出了全频域小波多尺度阈值降噪方法。从分形信号的分数微分形式出发,建立了分形信号与高斯白噪声之间的联系,结合小波分析的高阶消失矩特性,实现了分形信号在小波空间的去相关。当分形信号被具有高阶消失矩的小波分解后,其在小波域具有白噪声的特点,可以采用阈值处理的方法予以去除。同时,根据陀螺信号噪声的宽频带特点,对小波分解的低频近似系数和高频细节系数进行阈值处理,有效地抑制了噪声成分。光纤陀螺信号的降噪实例表明:相比传统的小波阈值降噪方法、卡尔曼滤波方法和滑动平均滤波方法,该方法具有较好的降噪效果。     

小波尺度谱阈值算法在膈肌肌电降噪的应用

为了去除膈肌肌电信号中的心电干扰,提出了一种小波尺度谱阈值的处理方法。首先,对信号进行五尺度的小波分解,并且把小波系数转化为小波尺度谱;其次,针对心电信号在尺度谱上高于周围两边信号的特点,提出尺度谱阈值对心电信号进行滤除;最后,小波尺度谱映射回小波系数,重构小波系数得到降噪后的膈肌肌电信号。对临床采集的膈肌肌电信号进行实验分析,并与小波阈值方法进行对比,结果表明本文方法降低了心电干扰并且保留膈肌肌电信号的特征。      

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。     

信号幅值跳变小波降噪方法研究

传统的小波阈值降噪算法会使信号的不连续点附近产生伪吉布斯（pseudo Gibbs）现象。为了抑制这种现象,本文提出了信号幅值跳变小波降噪方法。该方法首先对原始信号进行幅值跳变处理,消除其不连续性;然后利用小波阈值降噪方法进行降噪;最后对得到的信号进行幅值逆跳变处理,获得原始信号的降噪信号。分别采用信号幅值跳变小波降噪方法、平移不变小波降噪方法和传统的小波阈值降噪算法对具有不连续点的信号进行降噪处理,结果发现,与另外两种方法相比,信号幅值跳变小波降噪方法能够有效抑制pseudo Gibbs现象,且降噪后的信号具有较高的信噪比。      

基于提升小波与粒子群相结合的混沌信号降噪

提升小波变换用于混沌信号降噪具有良好的效果,阈值选取与混沌信号降噪后信号的畸变具有紧密联系。为了提高混沌信号中提升小波的自适应能力,降低降噪后信号的畸变率,提出了一种基于提升小波和粒子群相结合的混沌信号降噪方法。该方法在对提升小波变换后的细节部分进行阈值处理时,采用阈值自适应选择方法,并结合粒子群算法全局搜索最优阈值。通过对Colpitts模型进行仿真分析,与标准的软阈值降噪相比,能更好地对混沌信号降噪,并且降噪后信号失真度较小,具有很好的应用价值。     

小波阈值降噪法在Φ-OTDR扰动传感系统中的应用

针对目前基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤扰动传感系统信噪比较差的问题,提出采用小波阈值降噪法对系统采样信号进行信号处理的前期降噪。分析系统有效信号特征,采用小波阈值降噪法中强制阈值降噪法、软阈值降噪法以及硬阈值降噪法分别对采样信号进行降噪处理,经过比较选择了阈值降噪法作为降噪算法。定量对比降噪前后扰动信号的信噪比,证明采用小波阈值降噪法中硬阈值法处理后的数据在进行后期定位算法时,信噪比提高近一倍。     

基于sym3小波阈值法的语音信号降噪研究

语音信号是一维非平稳信号,在传播过程中容易以各种方式混入噪声,导致对其分辨造成影响。为了净化噪声信号,对语音信号降噪进行了研究,给出了小波语音信号降噪的基本方法,并在matlab环境下应用sym3小波对携带噪声的语音信号进行处理。分别采用了经典的硬阈值法、软阈值法以及集软硬闽值法优点而进行的软硬阈值结合的方法对不同噪声强度的信号进行处理,结果对比分析显示,软硬阈值结合的方法降噪效果最为显著,能得到更高的输出信噪比。     

声发射信号的小波阈值降噪研究

声发射技术检测到的信号是一种非平稳信号,而对于含有噪声的非平稳信号降噪效果较好的方法是小波分析法。通过理论分析和试验研究,论述了基函数和阈值的选取对声发射信号小波降噪效果的影响,分析了声发射信号降噪过程中小波变换和小波包变换的区别,以及小波节点能量与信号降噪效果的联系。     

局域均值分解在MEMS陀螺随机误差消噪上的应用

针对标准Kalman滤波需要建立准确的系统模型、小波阈值降噪对小波基和阈值的选取依赖于经验的不足,将局域均值分解(LMD)方法引入MEMS陀螺的随机误差滤波.该方法可自适应地将随机误差信号分解为若干PF分量之和,且对各分量进行小波降噪处理,将处理后的各分量相加得到降噪信号.实验分析表明该滤波方法效果明显.     

小波降噪及其在MATLAB中的仿真与比较

随着小波理论的日益完善,小波分析在信号降噪领域已经得到越来越广泛的应用.首先讨论了小波分析的基本特点;其次通过理论分析和MATLAB仿真实验,详细讨论了四种降噪方法:阈值降噪法、平移不变量小波阈值降噪法、模极大值降噪法、基于各尺度下小波系数相关性降噪法.最后,对这几种算法的降噪效果进行了比较.     

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。     

小波阈值去噪的改进方法

利用小波方法去噪,是小波应用于工程实践一个重要的方面;本文指出了采用常见的阈值确定方法对含有较强高频分量的信号进行小波阈值去噪时,去噪效果与实时性存在着矛盾,不利于信号特征的提取。提出了一种新型的阈值确定方法,进一步提出了以小波去噪后特征频率分量的功率谱密度值的下降程度为依据的待定因子确定方法。以Mallat算法为例,对新型阈值确定方法进行了分析和比较,指出运用该方法进行小波去噪处理,增强了算法的实时性,同时信号拟关注的信息损失较小,去噪效果比较理想。交-交变频器输出电流的小波去噪实验结果表明,该方法行之有效。     

基于EMD和小波去噪处理的信号瞬时参数提取

本文提出用小波去噪后再运用经验模式分解(EMD)和希尔伯特变换方法提取信号瞬时特征。该方法克服了直接运用EMD分解方法由大量噪声带来的不必要的干扰,减少了EMD存在的边界效应和分解层数,提高参数提取的准确性和时效性,使算法在信号瞬时特征提取中更具有应用和研究前景。     

Feature-based wavelet shrinkage algorithm for image denoising.

A selective wavelet shrinkage algorithm for digital image denoising is presented. The performance of this method is an improvement upon other methods proposed in the literature and is algorithmically simple for large computational savings. The improved performance and computational speed of the proposed wavelet shrinkage algorithm is presented and experimentally compared with established methods. The denoising method incorporated in the proposed algorithm involves a two-threshold validation process for real-time selection of wavelet coefficients. The two-threshold criteria selects wavelet coefficients based on their absolute value, spatial regularity, and regularity across multiresolution scales. The proposed algorithm takes image features into consideration in the selection process. Statistically, most images have regular features resulting in connected subband coefficients. Therefore, the resulting subbands of wavelet transformed images in large part do not contain isolated coefficients. In the proposed algorithm, coefficients are selected due to their magnitude, and only a subset of those selected coefficients which exhibit a spatially regular behavior remain for image reconstruction. Therefore, two thresholds are used in the coefficient selection process. The first threshold is used to distinguish coefficients of large magnitude and the second is used to distinguish coefficients of spatial regularity. The performance of the proposed wavelet denoising technique is an improvement upon several other established wavelet denoising techniques, as well as being computationally efficient to facilitate real-time image-processing applications.     

小波变换边缘检测特性分析

本文一改以往的以仿真的感性效果作为信号边缘检测质量的效果评价方法,提出小波变换边缘检测定位精度和抗噪声能力量化分析方法。基于小波变换的边缘检测算法,物理意义上是一个先平滑,再进行边缘检测的过程,其边缘检测特性与边缘类型和尺度大小有关。随尺度增大,定位偏差增大,反映了小波变换局部化特征强弱对边缘检测特性的影响。本文给出了不含噪声和含有噪声情况下,典型边缘定位精度的量化表述。     

基于FPGA的小波去噪的硬件实现

为了解决传统频域去噪法在光信号处理中单分辨率的局限性,提出了具有多分辨性的小波去噪法,并通过对比验证其有效性。由于小波去噪实现对硬件的要求较高,采用现场可编程门阵列做硬件平台来实现基于分布式算法的小波运算,将复杂的乘法运算转化为简单的并行查表累加过程,提高了运算效率,完成了小波算法的硬件移植。最后设计了基于现场可编程门阵列的采集系统,并在其上进行了小波去噪的硬件验证。结果表明,小波去噪算法在现场可编程门阵列平台上得到了很好的实现,且去噪效果良好。     

Genetic algorithm and wavelet hybrid scheme for ECG signal denoising

This paper introduces an effective hybrid scheme for the denoising of electrocardiogram (ECG) signals corrupted by non-stationary noises using genetic algorithm (GA) and wavelet transform (WT). We first applied a wavelet denoising in noise reduction of multi-channel high resolution ECG signals. In particular, the influence of the selection of wavelet function and the choice of decomposition level on efficiency of denoising process was considered. Selection of a suitable wavelet denoising parameters is critical for the success of ECG signal filtration in wavelet domain. Therefore, in our noise elimination method the genetic algorithm has been used to select the optimal wavelet denoising parameters which lead to maximize the filtration performance. The efficiency performance of our scheme is evaluated using percentage root mean square difference (PRD) and signal to noise ratio (SNR). The experimental results show that the introduced hybrid scheme using GA has obtain better performance than the other reported wavelet thresholding algorithms as well as the quality of the denoising ECG signal is more suitable for the clinical diagnosis.     

高分辨率红外图像的分层自适应阈值Curvelet系数萎缩去噪方法

高分辨率红外图像在基于小波系数阈值萎缩的去噪过程中,容易导致边缘模糊或丢失等失真。文中首次引入基于wrapping的第二代快速Curvelet变换,对图像边缘信息进行有效的稀疏保存,并采用分层自适应阈值算法独立估计每个尺度、方向上的Curvelet系数噪声阈值,并针对红外图像的Curvelet系数能量高度集中于低尺度系数的特点,采用尺度相关的硬阈值对染噪图像的Curvelet系数进行处理。实验结果表明：在不同噪声条件下,与基于小波系数的Visu Shrink,Penalized,sparsity-norm阈值等去噪算法相比,文中提出的去噪算法取得了较好的去噪效果,在噪声方差σ=30时,使用该方法的峰值信噪比(PSNR)可高达31.77 dB,去噪后的图像边缘保持良好,具有较好的视觉效果;同时,文中建议算法的计算量比传统Curvelet降低了70%以上,适合在DSP等嵌入式系统应用。     

一种空间自适应小波门限去噪算法

提出了一种空间自适应小波门限去噪算法,该算法在小波域对含噪小波系数做两次自适应去噪,两次自适应门限分别基于最大似然(ML)方差估计和最大后验概率(MAP)方差估计.仿真结果表明,该算法与其它自适应门限去噪算法相比,去噪后的图象具有更高的峰值信噪比(PSNR).     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.