基于小波变换的信号消噪

采用一种新的阈值确定方法：二次平方损失函数法（QSLF法）,通过对待信号进行小波变换,在小波变换域中,把小波系数进行阈值处理,即：增强属于信号的小波系数,减弱或去除属于噪声的系数,然后进行小波变换的逆变换,虽然会造成在小程度上丢失了一些细节,但只要考虑到抑制干部噪声与所保留信号细节之间的权衡问题,仍能恢复出所期望的待分析信号,计算机模拟实验结果表明：该方法能有效的消除噪声。     

基于小波变换的阈值语音信号去噪

介绍了小波变换在语音去噪方面的应用概况.详细阐述了阈值法中的软阈值和硬阈值方法及它们的不足之处,并针对其缺点提出了软硬阈值折衷法去噪算法.最后,通过实验证明了该算法的优越性.     

轧制信号消噪的小波处理方法及Matlab实现

小波变换具有时频局部分析特性,已经成为信号处理中的一种重要工具.阐述其基本原理,利用Matlab语言及小波工具箱,选择合适方法、参数及步骤,实现轧制信号的小波消噪,证明消噪效果令人满意.     

小波变换在P-VEP信号提取中的消噪性能影响因素研究

在视觉电生理应用研究中,需要在强噪声背景下迅速准确地提取微弱的P-VEP信号,采用小波变换技术能有效地实现对P-VEP信号源消噪处理,但不同小波、不同的分解层次以及阈值选取规则等因素都能影响消噪效果.通过构造含EEG信号和噪声的P-VEP信号提取源,采用小波变换消噪方法,研究不同小波、不同分解层次以及阈值选取规则对P-VEP信号提取中的消噪性能影响.实验表明:采用Biorthgonal5.5小波、六层分解层次以及迭代阈值选取规则构成的小波消噪法在P-VEP信号提取中可以得到最优的消噪性能.     

一种新的基于小波变换的语音消噪方法

提出一种新的语音消噪处理方法:二次小波分解全局阈值法.该方法不同于传统阈值消噪方法,首先对语音信号高频部分做了二次分解,然后应用阈值消噪的方法对信号进行消噪处理.该方法在MATLAB上进行了模拟实验.试验结果表明该种方法鲁棒性很好,提高了信噪比,去除了大部分噪声,同时有效信号的能量也相当完整地保留下来,能够很好地解决噪声对语音信号的干扰问题.     

基于自适应小波阈值的超声信号消噪

在铝合金锻件的超声无损检测中为了消除晶粒散射引起的相干噪声，通过建立缺陷回波检测数学模型，提出了一种基于新阈值函数的Stein无偏风险估计自适应消噪方法.利用新的阈值函数得到离散小波变换各尺度下的小波系数，对小波阈值进行最小均方误差意义上的迭代，基于小波系数估计值进行离散小波反变换以得到信号的估计值，通过反复迭代运算得到缺陷回波的最优消噪模型.对含缺陷铝合金锻件的超声信号处理实验结果表明，与常用的固定硬、软阈值相比，自适应消噪方法能够更好地去除散射噪声及增强缺陷信回波信号.     

小波变换与傅立叶变换在信号消噪中的对比研究

由于小波变换具有良好的时-频特性,从而为其在信号降噪中的应用提供了广阔的前景.通过傅立叶变换和小波变换在信号消噪中的对比研究可以看出,小波变换对奇异信号极其敏感,使得其在非平稳信号的消噪中显出了得天独厚的优越性.     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法．尽管Donoho对软阈值去噪提出了一个计算阈值的公式，但它并不适合双haar小波，针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法，实验证明此阈值的选取是有效的。     

基于小波变换的热辐射测温信号消噪处理

黑体腔透光是影响热辐射测温精度的主要因素之一，反映在测温信号中存在明显的高频噪声和奇异性噪声。通过对黑体辐射功率密度与频率和温度的关系以及实际测温信号的频率特性的分析，利用小波多分辨分解与重构去噪、非线性阈值法去噪和极大值法去噪相结合的方法，消除了因黑体腔透光而引起的高频噪声和奇异性噪声，取得了与通过改进制作工艺来克服黑体腔透光问题一样的效果，从而大大降低了热辐射温度传感器的生产成本。     

小波分析在信号消噪中的应用

用小波分析进行信号消噪常用多尺度小波变换。多尺度小波变换是将信号分解成高频和低频成分，低频包含信号的主要性能，高频含较多噪声，将高频平滑后再重建即可消噪。消噪处理大致有强制、阈值两种方法。现场试验表明：此方法高效、实用。     

长偏移距瞬变电磁信号小波阈值去噪效果分析

长偏移距瞬变电磁法用于地下深部勘探时,观测到的垂直磁场脉冲响应非常微弱,常伴有严重噪声,从原始信号中消除噪声获得有用信息非常重要。为此笔者研究小波阈值方案对长瞬变电磁信号的去噪能力。实验中对西部某勘探区垂直磁场信号采用Sqtwolog,SURE,Heuristic和Minimax等阈值方案进行小波去噪比较,结果表明：几种小波阈值去噪方案对瞬变电磁法垂直磁场的染噪信号均能提高一定量的信噪比,达到较好的去噪效果;不同的阈值方案去噪效果各有差异,采用启发式阈值方案对实验数据处理效果要优于其它几种方案,因此根据信号统计分布特征选择合适方案去噪效果;实测信号去噪结果包含信息需要结合勘探区情况分析,是地下电性特征的反映还是未去除的噪声要慎重对待。在长偏移距电性源瞬变电磁法用于地下深部勘探时,利用适当小波阈值去噪处理可以对资料处理工作带来有益的帮助。     

基于经验模式分解与小波软阈值的联合去噪法

为获得往复运动摩擦副摩擦力信号良好的去噪效果,在分析传统的经验模式分解去噪和小波阈值去噪的优缺点的基础上,提出在模式相关系数准则下,将经验模式分解去噪与小波软阈值去噪结合起来的综合去噪方法。首先利用经验模式分解出若干个固有模式函数分量,在模式相关系数准则下找出由噪声主导和由信号主导的固有模式函数分量的分界点,接着对由信号主导的模式函数分量分别进行小波软阈值去噪,然后再进行重构从而获得去噪信号。实验结果表明,此去噪方法具有良好的自适应性和稳定性,提高了信噪比,并较好地保留了原信号的细节信息。     

基于小波变换的大地电磁信号去噪研究

大地电磁信号具有非线性、非平稳、非最小相位特征,是一种典型的非平稳随机信号,传统傅里叶变换来对其去噪效果不是很理想。小波变换具有良好的时域分析和多分辨分析特性,用来处理非平稳随机信号可以获得更多有价值的信息,因此小波变换成为大地电磁信号的有效的去噪处理方法之一。本文基于小波变换的理论研究,研究了它在大地电磁信号去噪处理中的应用。研究表明,在大地电磁信号去噪中小波变换对于各种噪声的压制是非常有效的。     

基于K-均值聚类与小波分析的声发射信号去噪

为准确识别声发射信号模式,必须剔除声发射信号中的噪声,传统滤波去噪方法效果并不理想,小波阈值去噪方法显示了独特的优势。针对小波阈值去噪方法中阈值设置风险问题,利用K-均值聚类方法对小渡分解后的高频系数进行分类,确定去除噪声对应小波系数的阈值,然后进行小波系数重构达到去噪目的。采用硬闲值法与软阈值法对声发射信号进行小波阈值去噪,将基于K-均值聚类方法生成的闽值和改进Donoho方法生成的阈值分别作为小波去噪闽值,实验结果表明,在信噪比、均方根误差和平滑度三个指标上,本方法优于改进Donoho方法。     

基于改进小波阈值函数的图像去噪

针对传统的阈值函数在图像去噪中存在硬阈值函数不连续、软阈值函数会产生恒定误差的不足,在多层小波变换的基础上,对阈值选取方法进行了改进,并改变了传统软阈值函数。实验结果表明,该方法无论在视觉效果还是在信噪比定量指标上均优于传统硬阈值法和软阈值法。     

基于改进的小波阀值的瞬变电磁去噪应用研究

Donoho提出的经典的小波阀值去噪虽然应用很广泛,但是也有其局限性,硬阀值函数在一些不连续点处有时会产生伪吉布斯现象,软阀值函数中的估计小波系数与原始小波系数之间存在着恒定的偏差。为了克服以上缺陷,对软硬阀值函数做了一些改进。新阀值函数不仅连续,而且高阶可导,便于进行各种数学处理。仿真实验表明这种方法解决了软硬阀值函数本身的缺陷,信噪比（SNR）和均方根误差（MSE）都好于经典的软硬阀值方法。最后根据瞬变电磁信号的特点,将改进的阀值函数应用于瞬变电磁数据的去噪,噪声被很好地过滤,取得了较理想的效果,结果表明这种方法是有效、可行的。     

基于小波变换与RBF网络的声发射信号识别

声发射检测技术不需开罐就能对储油罐安全性在线评估,声发射信号识别是储油罐腐蚀状况分析的基础,针对现有参数分析法的不足,提出一种基于小波变换特征提取与RBF神经网络识别的声发射信号识别方法。利用db2小波对声发射信号6层分解,将6层细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计RBF神经网络,利用已知模式声发射信号训练RBF网络;用RBF神经网络对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,RBF网络的识别率达到93.3%,显示了RBF网络识别声发射信号的优越性。对储油罐安全状况的定量分析具有一定意义。     

基于小波变换与BP神经网络的声发射信号识别

针对现有声发射信号识别参数分析法的不足,提出利用小波变换特征提取与BP神经网络结合的声发射信号识别方法。利用db2小波对声发射信号进行6层分解,将细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计和训练BP神经网络,通过实验确定隐层神经元数;用BP和RBF神经网络分别对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,提取的声发射信号特征具有较好的区分性能,BP网络在识别声发射信号方面优于RBF网络,这对储油罐安全状况的定量分析具有一定意义。     

一种基于新阈值函数的小波图像去噪算法

提出一种新的阈值函数,有效地克服了小波硬阈值函数不连续,小波软阈值函数出现恒定偏差的缺陷,具有优越的数学特性和清晰的物理意义,实验结果表明本文算法在峰值信噪比和均方误差的框架下均取得较好的去噪效果,同时在视觉上也取得了令人满意的结果.     

小波降噪在结构动力响应中的应用

笔者在模拟环境激励时加入了不同标准的噪声,从小波函数的选取、最大分解尺度及阈值的选取等方面进行对比分析,从信噪比和均方根误差两个指标来评价降噪的效果,提出适用于环境激励的结构动力响应降噪流程.