根据Walsh谱幅值及部分采样点恢复原信号

本文考虑的问题为:已知有限离散信号的Walsh(或Hadamard)变换的绝对值以及部分采样点,恢复原信号。文中给出了唯一确定原信号所需已知的采样点的最少数目,提出了在一系列特殊情况下可唯一恢复原信号的充要条件,给出了在各种情况下恢复原信号的快速算法。     

平移不变小波变换在遥测数据去噪中的应用

有效去除遥测数据中的噪声,对数据的正确判读和后续处理具有重要意义。通过对遥测数据进行研究,为抑制去噪时在信号奇异点处产生的伪吉布斯现象,采用平移不变小波去噪处理遥测数据。针对传统小波阈值函数存在的缺陷,采用新阈值函数的平移不变法改善降噪效果。仿真结果表明,平移不变小波变换去噪方法提高了信噪比,降低了均方根误差,证明了该方法的有效性。     

基于小波变换的心音信号降噪方法

为了弥补传统阈值函数在消噪过程中存在的不足,得到高信噪比的心音信号更好地进行心音分析,本文提出一种新的阈值函数。该函数通过灵活调节参数a和m的大小,更好地对染噪心音信号小波分解的每一层高频系数进行阈值量化。仿真中,应用传统的软、硬阈值函数及新阈值函数分别对大量的标准心音信号进行消噪处理,并对消噪效果进行了比较分析,同时将新阈值函数应用到实测心音信号消噪中。结果表明,新阈值函数能有效地消除噪声和保留心音信号的特征,具有较强的实用价值。     

声发射信号的小波阈值降噪研究

声发射技术检测到的信号是一种非平稳信号,而对于含有噪声的非平稳信号降噪效果较好的方法是小波分析法。通过理论分析和试验研究,论述了基函数和阈值的选取对声发射信号小波降噪效果的影响,分析了声发射信号降噪过程中小波变换和小波包变换的区别,以及小波节点能量与信号降噪效果的联系。     

基于小波变换的断路器振动信号降噪方法

本文提出了一种基于小波变换的断路器振动信号降噪方法。该方法将振动信号分解到不同的时间尺度上,并剔除高频噪声分量,再对其余分量进行重构从而获得降噪后的振动信号。实验证明,该方法对振动信号等非平稳信号的高频噪声具有良好的降噪效果。     

基于小波阈值和LMS算法语音降噪算法研究

语音信号降噪是语音信号处理的重要方面,对人们的日常生活有重要影响。常见的降噪算法包括自适应方法及小波变换等。LMS算法是自适应算法的一种,其优点是算法实现简单,复杂度低;其主要缺点是不能同时保证算法的收敛速度和实验精度。小波阈值在处理语音信号方面也有独特的优势,其主要缺点是处理高频信号时存在失真现象。提出将两种方法结合起来,对语音信号进行两次处理,保留了每种算法的优点,同时避免单一方法带来的不利影响。实验结果表明,该方法的效果显著优于单一算法。     

小波降噪对TDLAS 干涉抑制的研究

基于多光程吸收池的可调谐半导体激光吸收光谱 (TDLAS) 系统在检测过程中容易出现噪声干扰, 影响着其 实际检测性能。针对这种干扰的特征进行分析, 提出利用小波降噪法来改善 TDLAS 系统的探测性能。首先依据理论 研究结果选择合适的小波函数和分解层数, 然后通过这种小波对叠加干扰的仿真信号进行滤波, 结果表明这种降噪技 术具有良好的去噪效果。最后利用小波降噪技术处理了实验采集的不同浓度气体的直接吸收光谱 (DAS) 和二次谐波 信号, 相比于原信号, 降噪后信号的信噪比从 0.4 增加到 259, 系统的检测限也达到 7×10−6, 表明小波降噪方法在气体 光谱检测中具有较高的应用价值。     

基于小波变换实现脉搏信号降噪处理

脉搏波形复杂而且测量过程中易受各种噪声影响,因此降噪处理是提取清晰、有效的脉搏信息的关键步骤。在去噪过程中,由于脉搏信号具有非平稳特性且污染噪声分布范围大,限制了传统线性滤波器的使用。这里利用小波变换的多层分解将脉搏信号分成具有不同尺度的小波系数,然后根据小波分解的底层低频系数和各层高频系数进行一维小波重构,在重构的过程中可以剔除与噪声相关的系数,保留信号中的有用成分。     

基于小波变换的自混合干涉信号降噪方法

应用小波变换理论对光反馈自混合干涉信号进行小波降噪处理。处理中用db4小波做降噪小波基,对自混合干涉信号进行4层分解,经过阈值处理与小波重构得到降噪信号。对不同反馈机制下降噪前后信噪比、均方差的对比分析,结果表明小波降噪在消除噪声方面的有效性。     

基于小波阈值的激光探测声音信号去噪研究

激光声音探测技术是声音探测领域中重要的研究方向,但该探测技术极易受到背景光、大气湍流等引起的噪声干扰,对探测信号的噪声进行抑制是激光声音探测技术的关键。因此提出一种改进的阈值函数,通过调整参数可以改变小波系数估计值与原小波系数之间的偏差,同时尽量保存信号的特征信息。在实验室环境下通过实验验证了基于所提改进阈值函数的小波阈值去噪法的有效性,探测信号经去噪处理后噪声得到有效去除。     

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。     

基于独立分量分析和小波变换的膈肌肌电信号降噪

提出了一种基于独立分量分析(ICA)和小波变换的处理方法,用于去除膈肌肌电信号中的心电干扰.首先利用独立成份分析法从膈肌肌电信号分解出心电独立成份,并对该心电成份选择合适的高通滤波器加以滤除,其它为膈肌肌电信号的独立分量进行五尺度小波分解以去除含心电的近似分量,再对各层细节分量进行小波重构,然后将处理后的全部独立分量反射投影回原始信号空间,最后,对临床采集的5路膈肌肌电信号进行实验分析,并与传统ICA方法进行对比.结果表明本文方法有更好的降低心电干扰性能.     

基于改进遗传算法的小波阈值语音去噪

针对语音信号在传输和处理的过程中经常会受到不同程度噪声干扰的问题,在传统小波阈值去噪方法的基础上提出了一种改进型去噪方法。该方法采用遗传算法对小波阈值参数进行自动寻优,并对传统遗传算法加以改进,克服了其容易陷入局部最优的缺点,实现了阈值的自适应选取,解决了人为选择阈值导致去噪效果不明显的问题。实验表明,改进方法能够较好的去除语音信号中的噪声干扰,信噪比较高,相比于通用阈值法提高了15%。     

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。     

基于小波分析理论的电源信号消噪方法

某电源信号是典型的非平稳、非线性信号,信号中带有各种噪声,需进行适当处理.小波变换时的频局域性好,是分析非平稳信号的有效工具之一.研究基于小波变换的阈值消噪法,借助LabVIEW平台,通过仿真试验,对软阙值和硬闲值消噪及采用不同的小波函数消噪进行了分析.应用LabVIEW对电源信号进行采集,并且对LabVIEW中调用Matlab里的小波函数进行去噪分析的程序进行研究,收到良好的效果,为进一步提高电源信号消噪处理的效果奠定了基础.     

自寻优阈值小波去噪方法

针对阈值去噪方法中难以选取最优阈值的问题,提出了一种自寻优的最优阈值去噪方法。先论述了最优阈值是由信号与阈值函数共同决定的概念。在此概念上给出了自寻优方法的具体步骤,自寻优方法是把阈值作为从零到某一终值离散化的一组数,并从这些离散化的阈值中寻得最优的阈值。但此方法中终值的选取和阈值离散化带来过大的计算量成为其方法的难点。基于此问题,本文给出了解决方案并予以证明。通过试验中观察得到的高频死去值现象确定终值,通过单峰值现象及多分辨率中各空间独立原理等进行了计算量的简化。试验结果表明,此算法得到了更高的信噪比、更低的均方根误差和更光滑的外观。      

小波变换在EEG噪声滤除中的应用

通过小波变换与标准傅里叶变换和短时傅里叶变换比较,指出了小波变换以其良好的时频局部性,成为时频分析方法中发展最为迅速的一种,并着重介绍了小波变换在滤除脑电信号噪声领域的应用.     

小波分析的阈值去噪方法研究

小波阈值去噪方法在工程中已得到广泛应用,小波阈值去噪过程中,阈值的选取和处理方法是关键问题.本文介绍了传统的软阈值、硬阈值小波去噪方法原理,在此方法的基础上给出了一种基于小波分析的自适应阈值算法,弥补了软硬阈值函数的不足,通过仿真证明了该方法的有效性.     

一种新的小波阈值去噪方法研究

本文研究用组合小波对含噪信号的去噪问题,对均方根误差、信噪比、平滑度等信号指标进行多指标融合作为去噪效果的评价参数,根据评价参数确定最佳小波分解尺度、小波去噪最佳小波基和最佳阈值。新的去噪方法与传统的去噪方法相比,克服了硬阈值不连续的缺点,还克服了软阈值中估计小波系数与分解小波系数之间的恒定偏差的缺点。MATLAB仿真结果表明,新的阈值函数的去噪效果在各指标上都优于传统的阈值去噪方法。