基于双提升小波的自适应混沌信号降噪

根据信号和噪声的特性不同,本文提出了一种基于双提升小波的自适应混沌信号降噪方法.该方法结合奇异谱和梯度下降算法,分别对双提升小波变换后的近似部分和细节部分进行了分析.一方面,奇异谱分析更大程度的去除了代表噪声的较小奇异值;另一方面,神经网络对非线性阈值的自学习,实现了小波系数的自适应选取,提高了信号的定位精度.通过对Lorenz模型和月太阳黑子时序进行仿真,证实了本文所提方法能够对实际观测的混沌信号进行有效的降噪.     

一种小波阈值降噪改进算法

基于Stein的无偏估计原理的自适应小波降噪阈值选择(rigrsure)算法,利用小波变换分解低信噪比下的Block信号,使用rigrsure算法获得重构后的低频信号和各层细节信号小波降噪阈值,提出了一种改进降噪算法,对Block信号降噪,通过仿真取得良好的降躁降噪效果。     

小波分析在信号降噪中的应用

针对信号检测中经常存在的噪声污染问题,利用小波分解之后可以在各个层次选择阈值,对噪声成分进行抑制,手段更加灵活。本文介绍了小波变换的一般理论以及在信号降噪中的应用,分析了被噪声污染后的信号的特性;利用MATLAB软件进行了信号降噪的模拟仿真实验并在降噪光滑性和相似性两个方面体现出小波变换的优势。本文分别使用了不同类型的小波和相同类型小波下不同阈值对信号进行了降噪.仿真结果表明小波变换具有良好降噪的效果。     

基于变分模态分解的自适应滤波降噪方法

为了提高分析信号的信噪比,本文提出了一种基于变分模态分解的变步长归一化最小均方自适应滤波降噪方法.该方法对原信号进行变分模态分解并区分信号分量和噪声分量,再对噪声分量进行间隙阈值降噪处理并将其作为参考信号输入自适应滤波器,通过自适应算法迭代处理得到降噪后的信号分量,并通过重构算法得到最终降噪后的信号.本文还在变分模态分解的基础上使用小波阈值降噪和间隙阈值降噪方法按不同方案进行降噪处理并得到最佳算法,将其与所提算法进行对比.实验结果表明,本文所提自适应滤波降噪方法的降噪效果比阈值降噪最佳方法效果更好.     

含噪声混沌信号的小波去噪方法研究

基于混沌信号具有分形结构的特点，提出了一种分数维与小波变换相结合的带观测噪声混沌信号的噪声去除新方法，利用噪声小波变换特性提取信号的真实分数维，进而根据欲处理混沌时间序列分数维与信号真实分数维之差控制小波包除噪的阈值及位置，达到噪声与信号的自适应分离。该方法克服了以往对未知动力系统方程信号除噪的盲目性，仿真结果表明此法有效可行。     

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。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

应用小波分析对图像进行降噪处理

对传统傅里叶变换与小波变换进行理论分析比较,运用小波分析中小波变换具有对信号的自适应特性可以消除实际信号噪声中的高频成分,通过使用Matlab-6.51中的Wavelet工具箱可实现对图片的降噪操作,最终达到降噪效果。     

基于改进协同量子粒子群的小波去噪分析研究

小波阈值函数中,因信号之间的不连续性及小波估计系数与原信号的小波系数存在误差等原因,图像无法得到最优还原.为此提出一种基于改进协同量子粒子群算法优化小波函数的去噪方法.该方法在协同量子粒子群优化(CQPSO)算法的基础上引入了自适应收缩扩张因子,用改进的协同量子粒子群算法优化小波阈值函数中的调节因子和阈值.仿真图像和数...     

瑞利BOTDA系统的2维提升小波降噪方法

为了解决基于瑞利散射的布里渊光时域分析系统（BOTDA）中传感信号受噪声干扰严重的问题,采用2维提升小波变换算法,将测量信号从1维空间转换到2维空间,进行阈值降噪处理。通过理论分析和实验验证,取得了传统小波与2维提升小波降噪数据。结果表明,2维提升小波变换比传统小波变换信噪比提高约10dB,运算量减少了1/3;2维提升小波充分利用测量信号时间上的相关性,变换结构简单、运算速度快、降噪效果优于传统小波,适用于瑞利BOTDA系统降噪。该结果对光纤传感系统中信号降噪的研究有一定参考价值。     

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

基于一种自适应折中-平滑阈值的脉搏信号小波去噪

人体脉搏信号在采集过程中会掺杂着各种噪声信号,而传统所采用的小波变换阈值去噪法在处理脉搏信号时又存在着缺陷,本文采用的折中一平滑闽值函数,并基于斯坦恩无偏估计（SURE）优化算法去寻找最优阈值门限,与在原有阈值基础上的小波自适应阈值去噪做对比,通过利用Matlab对脉搏信号进行去噪仿真。结果表明,依据信噪比（SNR）和信号平滑度Ⅲ的评判标准,该方法去噪效果更好,结果令人满意。     

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.     

傅里叶变换与小波变换在信号去噪中的应用

对于高频信号和高频噪声干扰相混叠的信号,采用小波变换去除噪声可以避免用傅里叶变换去噪带来的信号折损。对于噪声频率固定的平稳信号,在对信号进行傅里叶变换后使用滤波器滤除噪声。对高频含噪信号则采用正交小波函数sym4对信号分解到第4层,利用极大极小值原则选择合适的阈值进行软阈值处理,最后利用处理后的小波系数进行重构。实验结果表明,对于高频含噪信号傅里叶去噪会出现严重的信号丢失现象,使用极大极小值原则选择阈值进行小波去噪可以有效地保留高频部分的有用信号。     

基于时频阈值的小波包语音增强算法

该文考虑小波域应用语音降噪中听觉掩蔽效应,提出了一种基于时频阈值的小波包语音增强算法。新算法首先通过频域增强方法得到语音粗估计,通过跟踪估计语音时频特性的细节变化,及时调节降噪阈值,然后利用时频阈值对小波包系数进行处理,以达到语音降噪的目的。实验表明,较传统小波域语音降噪方法,新算法在抑制平稳白噪声的同时减小了语音信息的损失,其增强语音的MOS(Mean Opinion Score)评分、输出信噪比、MBSD(Modified Bark Spectral Distortion)测度性能均有明显提高。     

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。     

一种级联的激光主动成像图像融合降噪算法

针对激光主动成像图像混合噪声的特点,提出了一种投票中值滤波和整数提升小波级联的融合降噪算法。首先对激光图像进行噪声像素点检测,区分噪声点与非噪声点;而后采用投票中值滤波对噪声点进行处理,抑制脉冲噪声;然后采用整数提升小波变换对图像进行Bayes自适应阈值去噪,抑制散斑噪声;最后通过逆变换得到去噪图像。通过实验比对结果表明,该方法在具有良好的去噪、边缘保持性能的同时,还具有较为理想的实时性。     

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。     

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。     

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。