最佳软门限去噪

近年来,在小波变换域实现信号的滤波引起了人们的极大重视,一些滤波方法也相继被提出.利用软门限来对信号的噪声加以滤除,是其中的一种重要方法.由于它操作方便,抑制噪声的效果好,故一经提出便在信号去噪中得到了重要应用.本文给出了一种最佳的软门限去噪方法,它与原有方法相比较可以给出更好的滤波结果.     

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.     

小波神经网络用于双模噪声的消噪

小波神经网络利用了小波变换的良好的时域和频域的分析能力以及神经网络的自学习能力,具有良好的容错能力和逼近能力。针对双模斯噪声,提出基于小波神经网络的双模噪声背景下信号的消噪算法,介绍了双模噪声的3种简化模型,阐述了小波神经网络的基本概念以及基于此方法的消噪算法。将小波神经网络用于此3种双模噪声背景下信号的消噪。实验结果表明,该方法能有效地消除已知信号中的双模噪声。     

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。     

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。     

基于集合经验模态的微弱激光脉冲信号自动去噪方法

由于微弱激光脉冲信号中存在噪声，需对其进行去噪处理，为此，提出基于集合经验模态的微弱激光脉冲信号自动去噪方法。首先建立微弱激光脉冲信号模型，模拟信号回波；其次采用集合经验模态分解方法分解微弱激光脉冲信号，并计算模态分量的排序熵，根据计算结果消除虚假分量；再采用基于峰度检测的加窗方法获取噪声与有效信号的分界点，确定噪声区域；最后引入小波滤波器在噪声区域内对微弱激光脉冲信号自动去噪。实验结果表明，所提方法的噪声检测精度高、去噪效果好、去噪效率高。     

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。     

一种改进的小波变换阈值去噪方法

Donoho等提出了一种基于小波变换的阈值去噪方法,这种方法在信号去噪及数据压缩等领域得到了广泛的应用。但是,Donoho设计的阈值处理方法对脉冲噪声的抑制效果不明显,因此在脉冲噪声存在的情况下,Donoho的阈值处理方法受到了限制。本文在Donoho方法基础上,设计了一种改进的阈值去噪方法,该方法对一大类的噪声信号有效,特别在保护信号边缘的同时去除脉冲噪声方面表现出了很好的特性。实验结果证实了该方法的有效性。     

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。     

小波阈值去噪技术在ECG信号处理中的应用

心电图（ECG）是识别房颤的主要依据。但是在ECG信号中存在各种噪声干扰,可能导致ECG波段无法识别或者失真,影响医务人员的诊断。因此需要采用一定的技术和方法去除各种噪声干扰。文章采用小波阈值降噪中的软阈值算法对ECG进行处理,选择采用db4小波对含噪声心电信号进行小波分解,实现对ECG信号的去噪处理。     

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。     

激光超声信号去噪方法的研究

针对激光超声信号信噪比低的问题,分析了干扰噪声的特点,设计了基于数字平均和小波分析相结合的数据采集与处理系统。利用外部同步触发技术,间隔采集若干次激光超声信号,将各次采样信号相加平均,最后选择合适的小波基、分解层数和阈值方法,对数字平均后的信号进一步进行小波去噪处理。实验结果表明,该方法能够有效去除信号中的干扰噪声,提高信号的信噪比(SNR)。     

一种新阈值函数的小波信号去噪研究

详述了小波变换去噪的基本原理及方法,其中阈值的选取将直接影响信号去噪的质量。由于传统的阈值处理方法对非高斯噪声的抑制效果不明显,因此,在非高斯噪声存在的情况下,该方法受到了限制。在传统的小波阈值去噪方法的基础上,提出了一种新的阈值函数。仿真结果表明,新方法在去除非高斯噪声方面表现出了较好的特性,信噪比和均方根误差等性能指标较传统方法有明显提高,同时它具有传统阈值函数不可比拟的灵活性。     

一种新的含噪混沌信号降噪算法

该文针对低信噪比、非高斯加性噪声和混沌动力学系统参数未知的含噪混沌信号降噪问题,提出了一种基于粒子滤波(Particle Filtering, PF)的降噪新算法。该算法将混沌信号和动力学系统中的未知参数作为一个多维状态矢量,利用PF方法递推计算多维状态矢量的联合后验概率分布,进而实现了对混沌信号的最优估计。对于混沌信号轨道分离过快所导致的退化问题,提出了有效的解决方法,并利用核平滑和自回归(Auto-Regression, AR)模型建模的方法分别实现了非时变以及时变参数的递推估计。仿真实验的结果表明,与现有的降噪方法相比,该文提出的新算法能够更加有效地抑制含噪混沌信号中的加性噪声。     

基于核主成分分析的EMD去噪算法

本文以超声回波信号去噪为目的,研究了基于经验模态分解（EMD）分解的去噪方法。分解过程中固有模态函数（IMF）信号与噪声混叠,还会产生虚假分量,提出了基于核主成分分析（KPCA）的经验模态分解算法。首先对原信号进行经验模态分解得IMF分量;然后对信号进行KPCA变换,将各分量获得的贡献率与阈值比较,最终以去除分量中夹杂的噪声。为证明本文方法的有效性,还给出了仿真实验的仿真结果。     

低相噪基准信号模块设计

针对一种应用于跟踪雷达的基准信号模块低相噪设计的关键因素,进行了设计、分析与计算,给出了分析思路以及实物测试结果.经测试,模块输出信号4.2 GHz的相位噪声为-128.6 dBc/Hz@1 kHz,12.9 GHz的相位噪声为-121.6 dBc/Hz@1 kHz,目前,该模块已在跟踪雷达中得到了良好的应用.     

EEMD与改进小波阈值结合应用于心电信号去噪研究

心电信号监测过程中噪声是不可避免的,目前主要采用EEMD算法对观测信号所带有的噪声进行滤除,但该方法会直接丢弃高频噪声主导的低阶IMF分量或低频噪声主导的余项,导致部分有用信息丢失。为此,文中提出将改进的小波阈值与EEMD相结合,应用于心电信号去噪。改进的阈值方法能有效地去除各IMF分量噪声,再将处理后的各分量叠加,得到去噪的心电信号。通过真实监测信号实验进行验证,结果表明,所提方法具有较好的去噪声和重构效果,能够完整地保留QRS特征。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

芯片毛细管电泳信号的小波消噪

采用小波消噪方法对芯片毛细管电泳信号进行了处理,研究了小波基的选择,噪音在不同细节中的特征以及噪音阈值的确定。结果显示,与Fourier消噪算法相比,运用小波消噪算法不仅能够更有效地消除噪声,而且能使峰形不变,峰高不受影响。