基于小波分析的心电信号去噪算法研究

心电信号在临床诊断上有非常重要的作用,但由于容易受到噪声干扰,采集的心电信号中通常包含很强噪声,为了有效去除噪声干扰,该文提出了一种基于自适应阈值的小波模极大值算法来进行信号去噪.关键点是在每个分解尺度上自适应的选取合适的阈值,用来对小波变换系数的模极大值点进行筛选,以去除噪声极值点.该文采用MIT/BIH数据库中的数据对算法进行仿真验证,结果表明该算法有更好的去噪效果,同时心电信号能被很好的保留.     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

改进的基于小波变换的图像边缘检测方法的研究

本文介绍一种基于小波变换模极大值进行图像边缘检测的方法。对图像进行二维小波变换,其梯度模值反映了图像的边缘,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点。本文采用图像分块方法确定阈值,并用该阈值来限定模值,与传统边缘检测方法相比,可以得到更好的边缘检测效果。     

基于小波变换的电磁线绕包图像边缘检测方法

基于机器视觉的电磁线绕包质量检测的关键技术是提取绕包图像的边缘,传统的边缘检测算子存在着定位精度不高或对噪声敏感的问题。为满足不断提高的工业要求,提出一种基于小波变换的电磁线绕包图像的边缘检测方法。首先利用小波函数求出图像的梯度模极大值,然后经过自适应阈值和非极大值抑制去除伪边缘点,归一化处理后得到电磁线绕包边缘图像。与Canny算法比较,该方法能够有效去除噪声影响且边缘提取连续准确,具有较好的适应性和鲁棒性。     

基于小波变换的空间目标图像去噪方法

通过对空间目标图像的特性进行分析,提出一种针对星空背景图像在保留恒星同时去除混合噪声的方法.该方法首先利用小波局部模极大值的多尺度相关性检测出图像边缘,再利用基于梯度分析的改进阈值方法对非边缘小波系数进行萎缩,最后由小波系数重构去噪后图像.实验证明该方法能够有效地去除高斯和椒盐混合噪声,使图像峰值信噪比提高5-10dB,并较好地保留图像边缘和有效恒星信息.     

负荷预测中基于小波分析的伪负荷数据的处理

论述了小波分解与重构法和非线性小波变换阈值法两种小波去噪方法。论述了一种应用于短期负荷预测中的伪数据处理方法:首先,利用小波变换将负荷序列投影到不同的尺度上;然后,在不同的尺度域分别计算模极大值,并根据负荷以天为周期波动的特性对模极大值进行处理;最后,通过小波重构得到去除伪数据的负荷序列。对实际负荷数据的计算表明了该方法的有效性。     

一种基于图像融合的含噪图像边缘检测方法

针对含噪声图像在边缘定位、噪声抑止、弱边缘保留及边缘细节的视觉感知等方面难以兼顾的具体情况,提出了一种基于图像融合的含噪图像边缘检测方法。首先,讨论了基于小波变换模极大值的图像边缘检测法;结合数学形态学基本运算与信息熵理论,提出了改进的灰值数学形态学图像边缘检测法,并分析了其基本原理。然后,结合两种方法的优点,采用叠加运算进行图像融合最终检测到的图像边缘连续完整。最后,与传统边缘检测法、小波变换模极大值法、改进的灰值数学形态学法进行了实验对比,结果表明,本文算法优质系数最大,所花时间最少。     

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

小波阈值去噪法的深入研究

针对以往小波阈值图像去噪法在去除图像噪声的过程中会出现的去噪不彻底、噪声残留、和噪声误判的问题,对小波阈值去噪方法中两个重要因素阈值选取方式和阈值函数进行改进,以达到更好去除噪声的目的。在以往的统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,减少小波系数和原系数之间的偏差;对传统的软阈值和硬阈值的优点予以保留,改进它们各自的缺点,产生一种新的阈值函数,使它在处理小波系数时更加灵活。通过Matlab的仿真实验和对算法的精度分析表明,用改进后的小波阈值去噪法处理加高斯噪声的lean图像可以很好的去除图像噪声,使图像的信息熵,对比度和信噪比均得到很大的提高,图像质量和视觉效果也得到提升。     

基于小波分析的光电脉搏波奇异性处理

高精度的光电脉搏波信号,对于动态光谱法血液成分无创检测非常重要。要获得高精度的脉搏波信号,首先就要对信号中的噪声奇异点进行定位和修正。本文选择Marr小波,针对信号中的单个脉冲噪声和窄带脉冲噪声。研究了基于小波分析的光电脉搏波奇异性处理。利用脉搏波信号极大值线的周期性,在每个周期段内,首先利用单个脉冲噪声与有用信号截然不同的李氏指数特性,对单个脉冲噪声进行了处理。然后利用窄带脉冲的小波系数极大值线的特点对常规小波方法难以处理的窄带脉冲噪声进行分析定位。鉴于模极大值重构算法比较复杂,本文利用线性插值法对被定位的噪声奇异点进行了修正。仿真实验表明,利用小波分析和线性插值相结合的方法可以完成对光电脉搏波信号的奇异性处理,提高了脉搏波信号的幅值检测精度。     

Efficient image denoising method based on a new adaptive wavelet packet thresholding function

This paper proposes a statistically optimum adaptive wavelet packet (WP) thresholding function for image denoising based on the generalized Gaussian distribution. It applies computationally efficient multilevel WP decomposition to noisy images to obtain the best tree or optimal wavelet basis, utilizing Shannon entropy. It selects an adaptive threshold value which is level and subband dependent based on analyzing the statistical parameters of subband coefficients. In the utilized thresholding function, which is based on a maximum a posteriori estimate, the modified version of dominant coefficients was estimated by optimal linear interpolation between each coefficient and the mean value of the corresponding subband. Experimental results, on several test images under different noise intensity conditions, show that the proposed algorithm, called OLI-Shrink, yields better peak signal noise ratio and superior visual image quality-measured by universal image quality index-compared to standard denoising methods, especially in the presence of high noise intensity. It also outperforms some of the best state-of-the-art wavelet-based denoising techniques.     

New Wavelet Threshold Denoising Method in Noisy Blind Source Separation

In general conditions,most blind source separation algorithms are established on noisy-free model and ignore the noise that affects the quality of separated sources.Firstly,this paper introduces an improved natural gradient algorithm based on bias removal technology to estimate the demixing matrix under noisy environment.Then the discrete wavelet transform technology is applied to the separated signals to further remove noise.In order to improve the separation effect,this paper analyzes the deficiency of hard threshold and soft threshold,and proposes a new wavelet threshold function based on the wavelet decomposition and reconfiguration.The simulations have verified that this method improves the signal noise ratio(SNR) of the separation results and the separation precision.     

基于相邻尺度积系数的半软阈值小波滤波

针对相邻尺度积系数硬阈值滤波后的MSE函数不连续,最优阈值选取困难,该文构造了一种基于相邻尺度积系数的半软阈值函数。其为收缩因子函数与小波系数的乘积,对小波系数无穷可导、可在阈值邻域内对小波系数自适应收缩。进而通过极小化SURE(Stein Unbiased Risk Estimate)估计得到MSE意义下自适应于信号和噪声的最优阈值。大量仿真实验表明:采用本文构造的半软阈值函数,可改善基于相邻尺度积系数的滤波算法性能。     

基于小波变换的语音净化新方法

语音信号由于其时变特性,传统的小波算法虽然能够衰减语音中含有的噪声,但易造成语音的失真。丈中提出了基于小波变换的语音净化新方法,改进了阈值的选择和小波系数量化算法。仿真实验结果表明,在去除噪声和提高信噪比方面,本文方法是一种有效语音净化方法。     

基于小波变换的红外图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。本文介绍了小波阈值去噪的基本原理,并将其应用于红外图像去噪。实验结果表明,该算法优于传统滤波去噪方法,能有效地抑制噪声,可用来对红外图像做进一步的分析与处理。     

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。     

非线性阈值自调整小波图像去噪方法研究

为解决小波变换阙值去噪方法中阙值的合理选取,提出一种基于非线性阙值自调整小波变换的图像去噪方法。在传统小波阈值去噪方法的基础上,结合神经网络的非线性双曲线正切函数和BP训练方法,首先对含噪图像进行二进小波分解,然后对分解系数进行小波重建,并将重建系数在BP神经网络中采用最速梯度下降法进行优化处理,得到最优阈值,最后对阈值处理的重建系数进行叠加,得到原始图像信号的估计值,即去噪后的图像信号。仿真实验表明,该方法具有较好的重建图像视觉效果,信噪比（SNR）和峰值信噪比（PSNR）均比传统小波阈值方法提高了1～2dB。     

非平稳环境下混沌信号的小波去噪方法

针对传统的去噪方法对混沌信号除噪的盲目性,及往往仅对平稳环境或缓慢变化的噪声有效的局限性,本文提出根据信号与噪声在小波域的分布特性及信号和噪声的模极大在细尺度下收敛的横坐标点来检测信号的奇异性,以分形维树理论为依据决定阈值,得到噪声在小波域中的位置以及小波系数大小实现去噪。实验结果证明此法有效可行。     

含噪声混沌信号的小波去噪方法研究

基于混沌信号具有分形结构的特点，提出了一种分数维与小波变换相结合的带观测噪声混沌信号的噪声去除新方法，利用噪声小波变换特性提取信号的真实分数维，进而根据欲处理混沌时间序列分数维与信号真实分数维之差控制小波包除噪的阈值及位置，达到噪声与信号的自适应分离。该方法克服了以往对未知动力系统方程信号除噪的盲目性，仿真结果表明此法有效可行。