基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

小波变换实现地震信号的滤波去噪与压缩

讨论了小波变换的快速算法及其对地震信号小波分析与重构的计算机仿真,从而达到对原始信号的滤波处理和压缩,得出了小波分析能较好地应用于对地震信号的分析中的结论,并为开展对地震信号的现场硬件压缩提供了理论依据。     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.     

非平稳环境下基于小波变换的信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的信号噪声较大。对此,本文研究了一种非平稳环境下基于小波变换的信号去噪算法。该算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换模极大值随尺度的变化快慢不同。得到噪声在小波域中的位置以及小波系数大小。实验结果表明:该算法对平稳和非平稳的噪声都能进行较好的去噪。     

基于小波的信号去噪分析

由实际应用可得,作为一种新的多辨认分析方法的小波变换,由于具有多分辨特征和时频局部性,可同时进行频域和时域分析,所以特别适用于进行非平稳信号的处理。首先介绍了小波分析的信号去噪原理,其次接着阐述了4种去噪算法：小波分解与重构去噪方法、模极大值检测法、阈值法及平移不变量小波去噪法。对于叠加了高斯白噪声的仿真信号,分别将上述的4种方法用于去噪处理,并通过仿真过程不同及图形差异对几种方法进行比较。     

基于小波变换的瑞利波信号去噪分析

针对利用瑞利波对目标进行探测问题,提出了采用小波变换对瑞利波信号进行去噪的方法。通过基于MATLAB信号去噪的仿真试验,验证了小波变换降噪方法相对于传统方法的优越性。实验分析结果表明:该方法对背景噪声有较好的抑制作用,提取线谱信号的能力和精度优于FFT分析方法,滤波器方法性能提高了约13至17dB,有利于瑞利波特征线谱的提取。     

基于小波变换的瑞利波信号去噪探析

针对利用瑞利波对目标进行探测问题,提出了采用小波变换对瑞利波信号进行去噪的方法。通过基于MATLAB信号去噪的仿真试验,验证了小波变换降噪方法相对于传统方法的优越性。实验分析结果表明：该方法对背景噪声有较好的抑制作用,提取线谱信号的能力和精度优于FFT分析方法,滤波器方法性能提高了约13至17dB,有利于瑞利波特征线谱的提取。     

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。     

基于双树复小波变换和形态学的脉搏信号去噪

常见的医学信号（如脉搏信号）包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪方法的缺陷,提出了一种基于双树复小波变换和形态学的去噪算法,具有结构简单、计算复杂度低等优点,有效地克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效地去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。     

一种小波变换下的ADS-B信号增强算法

S模式的广播式自动相关监视技术（Automatic Dependent Surveillance-Broadcast,ADS-B）是目前空中交通管制大力推广的技术,但ADS-B信号在远距离传输过程中,由于传输信道的影响,会出现幅度减小和能量衰减等问题,从而导致接收到的微弱ADS-B信号不能正确译码。针对这种情况,提出用小波变换对信号做增强处理的方法,首先改进小波系数,接着确定分解层数,再利用重构指数来选取最优小波基,最后对阈值进行改进,考虑在不同的小波分解尺度上选取不同的阈值。对实际数据进行测试的结果表明,该算法能有效地对ADS-B信号进行增强,对信号强度为-94 dBm的微弱信号也能正确译码,译码准确率明显提高,对空中管理、空间安全等实际应用有一定意义。     

一种基于小波变换的图像增强方法

针对部分灰度图像分辨率和对比度低、噪声大、视觉特性差等特点,提出了一种基于小波变换和直方图均衡的新的图像增强方法。该方法将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,同时再辅以中值滤波去噪和同态滤波增强,从而在很大程度上克服了单一的直方图均衡化进行图像增强时会丢失图像细节信息、增强图像噪声等的不足。实验结果验证文中方法对图像的分辨率和对比度增强有很好的效果。     

基于离散平稳小波变换的图像同态增强

同态增强可用于减少光照不均匀引起的图像降质,提出了一种基于离散平稳小波变换的图像同态增强算法,对图像进行离散平稳小波变换后,对变换后的各个高频子带采用不同的同态滤波器进行增强处理,实验结果表明,提出的方法能有效地提高图像对比度,又能突出图像的细节部分信息,其效果优于传统的同态增强。     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

基于提升小波变换对音乐信号压缩的研究

用提升方法构造传统小波,并将构造后的提升小波用于音乐信号压缩中。对一段音乐信号通过提升小波分解。并分别基于提升格式下的haar,dbN,symN小波对音乐信号进行压缩。观察仿真结果,对比基于提升小波进行压缩后的效果．得出压缩的较佳方案。再通过小波变换对音乐信号的压缩,得出基于提升小波变换的优点。     

一种小波变换与维纳滤波结合的语音抗噪研究

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,而且,浊音和清音也各有其特性。给出了一种基于小波变换的维纳滤波语音增强方法;采用维纳滤波对浊音和清音信号的小波变换系数进行不同的处理,既抑制了噪声,又减少了语音段信息的损失,提高了信噪比。仿真结果说明,这是一种有效的语音增强方法。     

基于小波重构和灰度分段的红外图像放大增强

传统的内插算法在放大红外图像时都存在着一定的缺陷,提出了一种基于小波重构和灰度分段变换的图像放大新算法.该算法先对原始图像进行小波变换获得高频系数,运用牛顿插值算法放大高频系数作为放大图像的高频成份,再将原始图像作为低频成份,进行小波重构,可得放大图像.为了增强放大图像,将图像按双灰度闽值分割成对应目标的灰度值高段、对应背景的灰度值低段和对应过渡区域的灰度值中段等3个部分,对各部分采用不同的线性变换,获得最佳的视觉效果.实验证明该方法在图像细节方面具有很好的放大效果.