基于小波熵自适应阈值的语音信号去噪新方法

针对语音信号去噪问题, 提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号, 计算小波分解后信号子带区间的小波熵, 然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限, 采用折中指数阈值函数对各层高频系数进行去噪处理, 重构降噪后的语音信号, 最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明, 当输入信噪比为5 dB时, 小波熵自适应阈值去噪法的输出信噪比是最大的, 且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线, 从而证实该算法具有更好的去噪性能。     

改进小波阈值函数信号去噪研究

为解决信号去噪中白噪声的抑制问题,在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出一个双变量阈值函数。与传统的硬阈值、软阈值函数相比,该函数有优越的数学特性。仿真实验表明,新的阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于上述去噪方法,具有较高的实用价值。     

基于最优小波基选取的掘进机振动信号去噪方法

为了提高掘进机振动信号小波包去噪的效果,最大限度避免噪声对信号特征提取的影响,提出了基于最优小波基选取的掘进机振动信号去噪方法。该方法以信号频谱为分析依据,首先确定了小波包分解的最优分解层数,再选择最优小波基函数,实现了对掘进机振动信号的实时处理,去噪效果达到了最佳。现场试验结果也验证了该方法的有效性。     

基于小波分析的阈值语音信号去噪研究

基于小波分析的阈值语音信号去噪技术是语音信号处理的一个重要热点,主要是围绕阈值函数的选取来讨论的,传统的阈值函数主要有硬阈值函数和软阈值函数,由于应用范围有限,使得这两种阈值函数不能满足很多方面的要求.基于传统的小波阈值函数改进的基础上,对语音信号进行去噪,效果较传统的阈值函数有了进一步的改善.     

基于动态阈值函数的改进小波包遥测信号去噪方法

通过遥测信号可以获取飞行器的工作状态和环境数据,为评定性能和故障分析提供依据。本文利用小波包变换能对高频信号分解的优点,针对传统小波包去噪方法的阈值函数在处理既含突变又含平滑信号的情形下,不能在保持良好信号边缘特性与消除恒定偏差的同时,又能避免出现信号原本没有的振荡的问题,提出一种基于动态阈值函数的改进小波包遥测信号去噪方法,通过量化当前处理信号的平滑程度和构造介于硬阈值函数和软阈值函数之间并可切换的动态阈值函数,跟随信号变化进行去噪处理。通过算例仿真分析,验证了本文方法在处理既含突变又含平滑信号时,比传统小波包法具有更好的去噪效果。     

基于一种新的小波阈值函数的雷达信号去噪

小波变换具有多分辨分析的特性和良好的时频局部化分析能力,在雷达信号去噪中得到了广泛的应用,但是常用的小波阈值法存在着一些缺陷,影响了去噪的性能.在传统的软硬阈值函数基础上,提出了一种新的小波阈值函数,可较好地克服软硬阈值函数的缺陷,与已有的几种改进阈值函数相比,其计算简单、连续性好且便于调节,适合于进行各种数学处理.对Doppler信号的仿真实验表明,新阈值函数可有效的抑制噪声,其去噪后的信噪比和均方根误差均优于软硬阈值函数以及已有的几种改进阈值函数,具有较高的实用价值.     

基于小波的信号阈值去噪算法研究

阈值去噪的方法就是在小波分解后的各层系数中,对模大于或小于某阈值T的系数分别处理,然后对处理完的小波系数再反变换重构出经去噪后的信号.在阈值去噪中,阈值函数体现了对超过和低于阈值的小波系数模的不同的处理策略以及不同的估计方法.     

基于一种新的小波阈值函数的心音信号去噪

研究心血管系统的病理特征问题,应正确识别心音信号,对心音信号去噪问题常用小波变换方法,但是小波阈值函数存在着一些缺陷,影响了去噪的性能.通过讨论软硬阈值函数和已有的几种改进阈值函数的优缺点,提出了一种新的双参可调小波阈值函数,方便调节,适合于进行各种数学处理,更重要的是具有更符合自然信号连续特性的过渡区.仿真实验表明,新阈值函数可有效地抑制噪声,去噪后的信噪比和均方根误差均优于传统小波阈值函数,具有较高的实用价值.     

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。     

基于小波熵和相关性的高分辨率阈值去噪方法

提出了一种基于小波熵和相关性相结合的高分辨率小波阈值去噪方法.首先利用小波变换中各尺度间有效信息和噪声的相关性不同的特性,对小波分解后的各尺度的高频小波系数进行相关处理,确定出有效信息的位置,并将其置零,经过相关处理后的高频小波系数认为是由噪声引起的.将相关处理后的高频小波系数分成若干区间,计算各区间的小波熵,将小波熵最大区间的高频小波系数的平均值作为噪声标准差,计算各尺度的阈值;采用软阈值处理,最后重构得到去噪后的信号.该算法实现了各尺度阈值的自适应选取,提高了信噪比.仿真验证了该算法的有效性.     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

基于经验模态分解和小波阈值的冲击信号去噪

冲击信号是非线性的并且容易受到噪声污染;为研究冲击信号去噪的问题,针对经验模态分解(Empirical Mode Decomposition,EMD)去噪和小波阈值去噪方法存在的不足,提出了基于EMD的小波阈值去噪方法;单纯的EMD去噪方法会在去除高频噪声的同时压制高频的有效信息;EMD与小波阈值去噪相结合,利用连续均方误差准则确定含噪较多的高频固有模态函数(Intrinsic Mode Function, IMF),对高频IMF分量进行小波阈值去噪,以分离并保留这些分量中的有效信息,同时保持低频IMF分量不变;对模拟数据和实际冲击信号进行去噪处理,结果表明,基于EMD的小波阈值去噪方法的去噪效果优于单纯的EMD去噪方法和小波阈值去噪方法。     

小波阈值函数旋转机械振动信号去噪方法研究

从强背景噪声中提取出微弱的旋转机械振动故障特征信号一直是技术性难题。针对传统全局阈值函数去噪在阈值处不连续和存在恒定偏差的问题,提出一种改进的小波阈值函数分层去噪方法。首先对旋转机械故障信号去噪中的小波参数进行了筛选,然后采用改进的阈值函数,利用最优小波参数对振动信号进行分层阈值降噪处理。理论仿真和实测结果表明,对比传统阈值去噪方法,该方法能有效去除背景噪声,保留振动信号原貌特征信息,提高信噪比和减小均方根误差,适合非平稳振动信号去噪,为旋转机械故障诊断奠定了信号预处理的基础。     

基于改进阈值自适应冗余小波的振动信号去噪

由电主轴动不平衡引起的振动信号在采集的过程中会混人大量强干扰噪声,引起机床主轴系统稳定性差.自适应冗余第二代小波的降噪方法可有效的去除噪声.针对上述方法中存在的传统阈值函数造成小波系数不连续或恒定偏差的问题,引入双变量改进阈值函数,提出了一种改进的自适应冗余第二代小波的振动信号消噪方法.将改进的方法应用于仿真信号及实际采集的电主轴动不平衡振动信号消噪中,结果表明,改进方法融合了自适应冗余第二代小波信号和双变量改进阈值函数的优点,在低信噪比的仿真信号和振动信号消噪中,能很好的保留原信号的特征并且有效的去除噪声,消噪效果更优.     

基于改进阈值函数的小波阈值去噪算法

针对传统小波软、硬阈值函数以及现有部分文献所设计的阈值函数的不足,探索一种改进的小波阈值去噪算法.通过构造新的阈值函数,该函数具有更好的平滑性,并随着小波分解尺度变化而变化,因此有更好的适应性,且函数中不存在不确定参数,相应地提升了去噪稳定性.相比传统软、硬阈值函数方法,采用改进阈值函数去噪后信噪比(SNR)更大,均方差(MSE)更小,去噪效果更好.改进阈值函数的小波去噪算法更有优越性,具有较好的推广价值.     

基于平稳小波变换心音信号阈值去噪的对比分析磁

为研究去除心音信号中的环境噪声、工频噪声和肌电噪声等多种噪声,获得最优的心音去噪方法。论文基于平稳小波变换选取db5小波对心音信号进行3尺度分解,对分解后的高频系数分别选择了硬阈值函数以及软阈值函数,并对固定阈值、Stein无偏似然估计阈值、启发式阈值、极大极小阈值以及Penalized阈值进行了对比分析。通过去噪衡量指标对心音信号不同阈值以及阈值函数的去噪效果对比分析,硬阈值的去噪效果要好于软阈值的去噪效果,去噪效果最好的是S tein无偏似然估计阈值,有效地去除了参杂在心音信号中的多种噪声。     

基于小波阈值的图像去噪方法研究

图像去嗓是对图像进行高级处理的重要基础,已经成为当今数字图像处理的热门领域之一。结合前人的研究理论,并在此基础上通过对小波阈值图像去噪时的阚值函数进行改进,从数学理论上改进后的小波阈值函数可以有效抑制传统方法所带来的固有缺点。经过大量的计算机仿真试验,最后所得结果表明改进后的小波阈值去嗓方法可以有效降低图像的噪声干扰,比较好地保留图像中重要的细节信息,具有一定的实际应用价值。     

基于改进小波包阈值降噪的滚动轴承故障分析

具有非平稳特性的滚动轴承振动信号易受到外界噪声干扰,且传统的小波包硬、软阈值函数降噪方法无法根据信号中的噪声干扰情况自适应调节。因此,提出一种基于排列熵的改进小波包阈值降噪方法,并与自适应噪声的完整集成经验模态分解(CEEMDAN)相结合进行故障信号分析。首先,对采集的滚动轴承故障信号进行改进小波包阈值降噪处理,然后将降噪信号进行CEEMDAN处理,分解得到一系列固有模态分量(IMF),根据相关系数选择IMF,并作包络谱分析。最后对滚动轴承实际振动信号的故障分析,证明了此方法的有效性。