邻域比较数字滤波与小波变换在脑电信号消噪中的应用

提出了邻域比较与小波变换相结合的脑电信号消噪方法,并利用这种方法对含有脉冲噪声的脑电信号进行消噪。首先介绍了邻域比较滤波的算法和小波变换消噪的原理,然后对实测的10例脑电信号进行消噪处理,最后将两种方法相结合的消噪效果与小波变换的消噪效果进行对比。实验结果表明,无论是信噪比还是均方根误差,两种方法相结合的消噪效果均优于小波变换的消噪效果。     

小波和希尔伯特变换在脑电信号消噪中的对比研究

为了更好地消除混杂在脑电信号中的噪声,完成脑电分析,对小波和希尔伯特变换（HHT）的脑电信号消噪效果进行了对比研究。在HHT消噪方法中,利用经验模态分解（EMD）算法对脑电信号进行8尺度分解,得到固有模态函数（IMF）分量的组合,经过滤波和信号重构,得到消噪后的脑电信号。实验结果表明,HHT方法能较好地去除脑电信号中的噪声。运用评价准则比较了HHT方法和小波变换方法的消噪效果,发现HHT方法的脑电信号消噪效果优于传统的小波变换消噪,且算法的效率更高。     

二代小波变换在肌电信号消噪中的应用

为了更好地消除混杂在表面肌电信号中的噪声,提出了一种基于二代小波变换的表面肌电信号消噪方法.利用提升算法进行表面肌电信号二代小波分解,得到多层的信号高频细节系数,分别运用软、硬阈值进行处理,对滤波后的信号进行小波重构,恢复消噪后的原始信号.通过对加噪正弦信号和真实表面肌电信号的消噪实验,结果表明:二代小波是一种明显优于一代小波的消噪方法,且硬阈值法优于软阈值法.     

基于多重小波变换的力微分信号去噪研究

将多重小波变换应用到机器人力控制系统的力微分信号获取中,采用浮动阈值法消除力微分信号中混人的噪声,并将其与传统的低通滤波方法进行比较.结果表明,多重小波变换在用于力微分信号的去噪上比传统的方法具有更好的效果.此研究对提高机器人力控制系统的稳定度和品质具有重要价值.     

基于改进多阈值小波包的去噪算法及应用

提出一种改进多阈值小波包的去噪算法,解决了单一阚值对噪声去除不完全和对一些有用信号无差别去除的问题。应用在智能交通的图像去噪中,解决了不完全及错误去除图像信息的问题。首先采用小波包分解重构算法对图像进行预处理,得到更多的边缘细节。然后针对不同能量对应不同频段的特点,自适应地合理设置阈值,对不同频段下的噪声采用不同阈值去除。实验表明,该方法有效去除噪声,保留了图像的边缘和细节。     

基于小波影响锥分析的小波域阈值去噪方法

分析了传统的小波域阈值去噪方法在信号的奇异点附近产生震荡的一方面原因。基于尽可能的保留携带奇异点信息的小波系数的思想,提出了一种基于小波影响锥分析的小波阈值去噪方法:首先通过阈值确定重要小波系数的时间位置,然后在小波影响锥分析的基础上保留所有影响锥内的小波系数。试验表明,本文方法与传统的阈值去噪方法相比在抑制震荡的同时能显著地提高信噪比。     

一种改进的小波阈值去噪算法研究

研究小波去噪算法中软阈值函数与硬阈值函数的方法,针对一些可变阈值函数的运算复杂的问题,提出一种新的阈值函数。经仿真测试,改进的小波阈值去噪算法的信噪比为20.103,去噪后,数据的均方误差为0.1152。     

基于小波影响锥分析的小波域阈值去噪方法

分析了传统的小波域阈值去噪方法在信号的奇异点附近产生震荡的一方面原因.基于尽可能的保留携带奇异点信息的小波系数的思想,提出了一种基于小波影响锥分析的小波阈值去噪方法首先通过阈值确定重要小波系数的时间位置,然后在小波影响锥分析的基础上保留所有影响锥内的小波系数.试验表明,本文方法与传统的阈值去噪方法相比在抑制震荡的同时能显著地提高信噪比.     

基于小波系数变换的小波阈值去噪算法改进

小波阈值去噪是近年兴起的一种较好的去噪算法,其一关键点在于准确的选取阈值将细节信号和噪声信号区分开来。提出了一种算法对小波系数进行变换,将难以区分信号和噪声的区域放大,以利于阈值的选取,从而达到改进小波阈值去噪的目的。通过使用传统阈值去噪算法和该改进算法进行仿真,结果表明改进算法对去噪指标SNR、SME（平均方差）都有所改善。另外本文实验也表明改进算法可以更好的去除噪声,且较好的重现原信号的细节特征。     

检测技术中新的小波阈值函数的信号去噪

在信号检测技术中,构造了一个新的阈值函数,与传统的软硬阈值函数相比,连续性好,高阶可导,便于进行各种信号处理和检测。实验仿真结果表明,采用新的阈值函数的去噪效果在信噪比增益和均方误差意义上均优于传统的软硬阈值方法,给检测技术带来了新的发展。     

复小波的亚像元图像重建及去噪方法

通过对亚像元理论的分析,对两帧错半个像元的遥感图像进行复小波插值,引入基于层间的小波自适应阈值方法去除噪声,并通过重构得到更高分辨率的遥感图像,同时,算法对遥感图像的复原效果好于常用的方法。     

航空发动机转静子碰摩故障信号用小波分析的方法检测和分析

针对试飞中发动机转静子碰摩故障信号,首先应用小波阈值方法对原始信号进行降噪处理,由此滤除高频噪声干扰,同时可保留含有重要故障特征的突变信息;对降噪后信号进行连续小波变换,时频分析结果具有很好的实时跟踪转速频率能力,且频带清晰,故障特征明显,为今后真实飞行载荷下的实时故障监测提供一种有效途径。     

一种新的小波阈值函数及其在振动信号去噪分析中的应用

摘要：研究一种新的小波收缩阈值函数用于信号的去噪分析,对比分析了硬阈值、软阈值和新收缩阈值函数的优缺点,给出了收缩阈值函数法中的阈值计算详细过程,基于虚拟仪器LabVIEW构建检测齿轮箱系统的振动与噪音检测系统,在MATLAB平台上利用收缩阈值方法开发了对齿轮箱振动和噪声信号进行去噪处理的软件,试验数据的分析表明：基于新的小波阈值函数的信号降噪分析方法去噪效果明显,且保留了原始信号的细节特征,是一种较传统经典去噪手段更为优越的方法,具有较高的实用价值。
     

基于连续小波系数非线性流形学习的冲击特征提取方法

为了提取机械设备故障引发的冲击成分,提出了一种基于连续小波系数非线性流形学习的冲击故障特征提取方法。首先,基于小波熵方法优化出最优的Morlet小波波形参数,实现与冲击特征成分的最佳匹配,获取包含冲击特征信息的最优小波系数矩阵。其次,采用局部切空间排列算法对最优小波系数矩阵进行非线性约简,并基于峭度指标最大化原则,确定出特征空间中的有效低维嵌入,从而提取出最优的冲击故障特征。最后,通过仿真数据和工程实际的应用对比分析,表明该方法采用了局部线性化和全局排列的思想,与线性奇异值分解方法相比,不仅在时域上提取出峭度更大的微弱冲击特征成分,而且在频谱中还提取出了相应的低频故障特征。     

小波阈值法在信号滤波中的应用研究

针对硬阈值函数在阈值处不连续,重构信号易产生振荡,以及软阈值函数的量化值与原始小波系数有恒定的偏差不能逼近的问题,提出了一种既能在阈值处连续,又能实现逼近原始小波系数的改进型阈值函数。仿真结果显示将改进型的阈值函数用于信号滤波,在均方误差和信噪比方面都优于传统的两种阈值函数。     

基于连续小波和统计检验的瞬态成分检测与应用

将连续小波变换和统计检验结合用于检测信号中具有一定时频分布的瞬态成分，提出了一种基于连续小波变换和统计检验的瞬态成分检测方法，并用于圆锥滚子轴承振动中的瞬态成分的检测与提取，比较有效地检测出瞬态成分，并在此基础上应用连续小波变换反演得到瞬态成分的估计，表示轴承的状态特征，作为轴承故障诊断的依据。     

基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点，在大尺度下设置阈值，去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上，采用自适应阈值的方法，克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明，与单一阈值去噪方法相比，该方法不仅可以保留图像边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB。     

利用EEG信号的小波包变换与非线性分析实现精神疲劳状态的判定

EEG（脑电）信号的4个节律(δ波、θ波、α波、β波)与人的精神疲劳状态有对应关系,不同节律的能量值及其非线性特征参数可以用于疲劳状态的判定。本文首先利用小波包分解与重构技术, 构造了以“db20”为基小波函数的6层分解,得到EEG信号的4个节律。然后,对4个节律信号分别计算相应的节律的频带能量比例值,这些频带能量比例值作为对人体精神状态进行评价的量化指标。通过计算EEG信号α波的非线性特征参数,包括最大Lyapunov指数、近似熵、复杂度,并将这些非线性特征参数组成疲劳状态的综合评估判据,可以实现疲劳状态的判定。10组EEG信号的分析结果表明了该本文方法的有效性,其中对疲劳和非疲劳状态的判定准确率较高,而对轻微疲劳、中等疲劳和严重疲劳三种状态的准确区分稍差一些。     

采用小波降噪和神经网络的FOG温度漂移补偿方法

光纤陀螺(FOG)输出易受环境温度的影响,发生漂移导致光纤陀螺测量精度降低。采用传统的BP神经网络容易陷入局部极小值,导致网络训练失败。为了优化BP神经网络,本文提出了一种粒子群(PSO)优化BP神经网络与小波降噪相结合的光纤陀螺温度漂移补偿方法。首先分析了光纤陀螺温度漂移产生的原因;然后在不同温度下对光纤陀螺进行测试,最后采用该方法建立了光纤陀螺温度漂移模型并根据模型对光纤陀螺进行补偿,结果表明采用该方法补偿后光纤陀螺在不同温度下的输出标准差降低了60.19%,与传统的BP神经网络相比补偿效果显著提高。