基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。[Matlab]仿真结果表明：去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。     

基于平移不变小波变换的藻类细胞图像去噪

海藻细胞图像在采集的过程中掺杂着各种噪声信号,而常用的小波阈值法在细胞图像去噪中存在缺陷,为此在小波阈值法的基础上进行改进,得到新的阈值去噪方法。此外,传统的小波阈值去噪算法在信号的奇异点处会产生Pseudo-Gibbs现象,从而使去噪后的信号在急剧变换部分产生振荡现象。为抑制Pseudo-Gibbs现象,提出一种基于平移不变的小波阈值去噪方法。该方法能有效地消除人为的振荡现象,使消噪后的信号更加光滑,更好地逼近真实信号。     

基于Lipschitz指数的小波阈值去噪方法

对于非平稳信号,小波多尺度分解是一种有效的信号去噪工具.在D.L.Donoho的多分辨率小波阈值去噪方法的基础上,提出了基于Lipschitz指数的小波阈值去噪方法.仿真结果表明,采用基于Lipschitz指数的小波阈值去噪方法不仅有效抑制了由于硬阈值函数的不连续性而在信号奇异点附近产生的Pseudo-Gibbs现象,而且在更加彻底去噪的前提下很好地保留了信号的边缘信息.无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法.     

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。
     

小波分析在微弱信号测量中的应用研究

处理低信噪比的测量信号的关键是去除噪声，小波阈值消噪法是较为实用的一种处理方法。分析了Donoho的去噪阈值函数的优劣，基于sigmoid函数构造了一个新的阈值函数，该函数克服了硬阈值函数的分段性及软阈值函数的恒定偏差及导数不连续的弱点。对低信噪比的3种典型信号进行对比去噪仿真实验，结果表明该函数的去噪效果优于Donoho的阈值函数去噪以及传统的快速傅里叶变换去噪。     

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。     

语音信号去噪的最优方案选取

针对噪声的引人对语音信号的保真有很大的影响,本文主要采用matlab中小波工具中的一些小波变换去噪函数对语音信号进行去噪仿真研究,其中的阈值去噪的方法是一种实现简单、效果较好的小波去噪方法。且与一般的傅里叶变换去噪进行对比,显示了小波去噪的优良特性。     

改进小波阈值去噪法的对比性仿真实验与分析

针对多种有代表性的改进小波阈值去噪法进行对比性仿真研究。分析软、硬阈值去噪法和各种改进小波阈值去噪法,并在此基础上提出构造改进小波阈值去噪法的必要条件以及新的改进方法,然后用4种带Gaussian白噪声的典型输入信号对各阈值去噪法进行仿真实验,评价改进阈值去噪法的有效性与优越性。通过对比研究,简要总结了改进阈值去噪法的共有特点。     

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

建立了齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取了有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。     

小波消噪阈值算法优化

在研究小波固定阈值消噪方法,讨论阙值估计经验公式的基础上,针对加性噪声小波变换后的统计特征,提出了一种自适应闽值优化算法,该算法可以较准确地估计噪声水平,在消噪的同时保留语音信号中的弱特征成分。通过仿真实验验证,优化算法较传统算法能够更加有效地消除语音噪声,获得最大信噪比。     

基于小波改进阈值去噪和HHT的滚动轴承故障诊断

利用Hilbert-Huang变换（Hilbert-Huang Transformation,简称HHT）对滚动轴承进行故障诊断时,发现振动信号中包含的噪声对诊断结果影响较大。为克服此不足,提出了一种小波改进阈值法与HHT相结合的信号分析方法。该方法首先应用小波改进阈值方法对滚动轴承故障信号进行预处理,然后对去噪后的信号进行经验模态分解（Empirical Mode Decomposition,简称EMD）,接着选取含有故障信息的本征模函数（Intrinsic Mode Function,简称IMF）分量进行边际谱分析,从而提取出故障特征频率,并判断故障类型。仿真和实验结果验证了该方法的有效性。     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

基于多假设检验的新型小波滤波算法

小波阈值滤波是信号处理领域的重要方法,根据信号和白噪声在小波空间上传播的特性,提出了一种基于多假设检验确定小波滤波阈值的新算法。将小波阈值处理过程看作一个多重假设检验过程,FDR（False Discovery Rate）准则的step-up和step-down过程均能控制FDR在给定的显著性水平,综合这两个过程形成了FDR step-up-down过程并应用于确定小波滤波阈值。仿真实验表明,算法能够灵活调整显著性水平的大小来达到滤波后所希望的效果,以信噪比和均方误差作为衡量指标,本方法滤波效果与hearsure方法相当,优于BH FDR及sqtwolog方法。讨论了显著性水平的选取对滤波效果的影响,指出显著性水平的大小与信噪比的改善并非线性关系,提出了合理选取显著性水平的思路。     

基于LP与小波包的复杂机电系统监测序列混沌降噪方法

针对流程工业生产系统监测数据存在强噪声和混沌性的特点,提出了一种局部投影方法(Local Projection Method)与小波包方法相结合的信号降噪方法。该方法先利用局部投影方法从动力学系统嵌入流形的角度进行多次迭代降噪,并根据关联维数来判定迭代终止;再利用小波包方法从频率的角度进行降噪,抑制高频噪声的干扰,取得了较好的降噪效果。用Lorenz时间序列进行仿真验证,对仿真时间序列加入不同程度的噪声,对比分析小波包、局部投影与该方法降噪后的相空间、SNR值和最大Lyapunov指数,证明了该方法对于中高强度噪声具有更好的降噪效果。并将该方法用于某压缩机组的实际监测数据降噪,评估三种方法的降噪效果,进一步验证了该方法的优越性。     

一种基于小波特征熵的液压系统故障信号去噪方法

针对故障诊断的需要和信号特点,提出一种基于小波特征熵的去噪新方法。该方法基于小波特征熵判断有用信号所在频带,重构所在频带系数,得到去噪信号。将该方法和阈值去噪法应用到液压系统压力信号中,去噪结果证明该方法比阈值去噪法更有效。     

基于RQA与SVM的声发射信号检测识别方法

针对裂纹声发射信号检测问题,提出基于递归定量分析与支持向量机相结合的新型检测方法。利用小波阈值去噪原理,对采集的声发射信号进行去噪,将递归定量分析引入声发射信号检测,提取递归定量分析的量化特征参数,结合支持向量机对模拟裂纹声发射信号进行识别。并实验验证该方法的可行性。     

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。     

改进EMD-小波分析的转子振动信号去噪方法

针对低信噪比转子振动信号的去噪问题,提出了EMD和小波分析相结合的去噪方法。首先对含噪信号进行EMD处理,利用连续均方误差准则对IMF分量进行高低频区分。然后设定不同的阈值,利用小波分析对高低频IMF分量进行有用信号的提取,将提取的信号和低频IMF分量叠加重构,实现降噪。为了验证所提方法的有效性,进行了数字仿真和转子振动信号降噪分析,结果表明,所提方法整体上优于EMD和小波阈值去噪方法。