一种自适应的EMD端点延拓方法

由美国国家航空航天局(NASA)的Huang等发明的经验模态分解(EMD)是一种先进的信号处理方法,能够有效地获得非平稳信号的时频特征,但是其利用样条曲线构造信号上下包络线的过程中存在严重的端点问题.在研究了该问题已有方法的基础上,提出了一种基于波形匹配的自适应端点延拓方法,采用信号内部和端点处变化趋势最为相似的子波来对端点处的信号进行延拓.该方法充分考虑了信号的内在特性以及边缘处的变化趋势,使端点处的延拓更加合理,从而使得三次样条曲线在端点处不会发生大的摆动.实验表明该方法能够有效地抑制端点效应.     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012 a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

几种改善EMD端点效应方法的比较研究

经验模态分解(EMD)的一个关键问题是改善端点效应。目前工程上已经提出了多种处理方法。在此对端点镜像方法、多项式拟合法、极值延拓法、平行延拓法和边界局部特征尺度延拓法等5种方法进行对比研究,利用分解信号与原信号的相似系数、分解信号与原信号的平均相对误差以及算法的运行时间作为端点处理方法的评价指标。仿真结果表明,极值延拓法是处理准周期信号的相对较好的EMD端点效应处理方法。     

一种基于Hilbert-Huang变换的语音去噪方法

在介绍Hilbert Huang变换理论的基础上,提出了一种基于HHT变换的语音去噪算法。首先对带噪语音信号做EMD分解,得到各阶IMF分量,然后对高频的IMF分量用小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert Huang变换在处理非平稳信号中的优越性。     

多脉冲远程激光测距回波处理方法研究

为了解决远程激光测距回波信号信噪比低、信号难以检测的问题,提出了一种基于EMD的小波阈值去噪方法。首先,将脉冲回波信号通过EMD算法分解为频率从高到低的不同分量;其次,对高频分量进行小波阈值去噪处理,提出了一种阈值改进方法,从而提高了信噪比;最后,将去噪后的信号进行峰值检测,定位回波脉冲的峰值所在位置。通过matlab仿真,验证了文章所提出方法的有效性。结果显示,该方法可以将激光回波信噪比从-15dB提高到2.66dB,采用200Msps的AD进行采样,定位目标误差可控制在1.5m以内。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

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。     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

一种改进的自适应图像去噪算法实现

数字图像在形成、传输和处理过程中,往往不可避免的存在噪声污染。因此去噪是数字图像处理的重点也是难点,需要提出一种更加行之有效的去噪算法。针对于传统软硬阈值的缺陷,本文提出一种将改进的的小波阈值去噪法与自适应中值滤波相结合的新的去噪方法。小波阈值去噪即确定一个合适的阈值,对分解的小波系数进行阈值化处理,滤除噪声的小波系数,而保留信号的小波系数。该算法相对于传统软硬阈值的峰值信噪比(PSNR)的提高百分比分别达到了16.32%和8.95%,去噪效果非常理想。该方法较之以往的去噪方法,峰值信噪比有了明显的提高,同时能够有效保留边缘及细节特征。     

基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

小波消噪方法在目标磁信号检测中的应用

磁信号检测中,针对含噪磁信号信噪比较低的问题,应用小波消噪方法对其消噪处理,滤除磁噪声,提高信号的信噪比。先构建磁性目标偶极子模型,仿真得到磁性目标含噪磁异常信号,再应用sym8小波进行5层分解,使用heursure软阈值法对含噪信号进行消噪,仿真试验表明该方法具有一定的工程应用价值。     

基于小波变换的光寻址电位传感器信号去噪研究

基于(LAPS)(光寻址电位传感器)技术的生化传感器中的光生电流是一种微弱的非平稳信号,信噪比(SNR)低。为了提取清晰的LAPS信号,且鉴于传统的傅里叶方法去噪后信号失真严重,本文采用小波变换的方法对LAPS信号进行去噪处理。通过小波变换将信号分解为3层,得到各层的小波系数以及阈值。根据每一层系数特点,按阈值进行分别处理,得到新的小波系数。最后根据新的小波系数,重构信号。对去噪后的信号进行频谱分析发现,信号频谱为有效的LAPS信号谱段。将傅里叶去噪和小波去噪方法进行对比发现,小波去噪得到信号的SNR和平滑度(SR)要高于傅里叶去噪,表明小波变换是LAPS信号去噪的有效方法。     

基于经验模分解的小波阈值滤波方法研究

信号的多分辨经验模分解方法可以解释为以信号极值特征尺度为度量的时空滤波过程。这种时空滤波器充 分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势。本文提出了一种基于经验模分解的小 波阈值滤波去噪方法,并和小波阈值去噪、多尺度EMD滤波效果相比较。实验结果表明了基于经验模分解的小波阈值去 噪具有广泛的适用性和独特的去除非平稳信号的有色噪声的优势。     

一种新的小波消噪阈值的估计方法

小波多尺度分解是一种有效的信号去噪方法，对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后，本着改进滤波效果，提高去噪质量的目的，提出了一种改进方案。该改进方案克服了传统阈值去噪方法的缺陷，并适用于进一步的自适应滤波的需求，仿真试验证实了该改进方案的有效性和优越性。     

小波软硬阈值去噪算法的研究及改进

小波软、硬阈值去噪法及软硬阈值折中法是根据信号与噪声的小波系数特点进行信噪分离的,关键在于对小波系数的处理.但是,噪声的方差越大,信噪分离越困难.提出的改进方法是利用均值逼近的软硬阈值折中法.试验表明这种改进的方法提高了重构信号的信噪比,能够达到较好的去噪效果.     

利用改进阈值的平移不变量小波处理FBG传感信号

噪声是影响光纤布拉格光栅(FBG)传感系统精确解调中心波长的一种重要因素。小波变换因 具有良好的时频特性和多分辨率特性而去噪性能较好。本文通过分 析小波传统软、硬阈值去噪方法,发现它们存在影响系统的测量精度缺陷,并且其函数表达 式有难以确定的可调因子。提出一种不含调节因子的改进阈值函数并将这种改进阈值与平 移不变量(TI)小波 去噪法相结合处理FBG传感信号噪声,以提高传统小波去噪法的去噪效果。对FBG模 拟信号与实验信号去噪,结 果表明,采用基于改进阈值的TI小波能处理不同FBG含噪(从5dB到40dB)信号,且获得最 好的信噪比(SNR)和均方根误差(RMSE)性能。与传统 软阈值去噪法相比,信噪比平均提高3dB,与参考的改进阈值去噪法相比,信噪比平均提 升2dB,满足提高FBG传感系统测量精度的要求。     

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.     

一种小波阈值函数的CDMA信号去噪研究

噪声是影响CDMA系统检测概率的重要因素,针对软、硬阈值函数去噪法与最新的3种改进小波阈值去噪法对信号去噪效果进行对比性研究,在此基础上对小波阈值去噪方法中的阈值函数进行改进.用各种阈值函数对带高斯白噪声的方波输入信号进行去噪的仿真实验,分析其均方误差和信噪比,结果表明本文的阈值函数能够提高去噪信噪比和降低均方误差.     

基于Bark尺度小波包和Teager能量算子的语音去噪方法

针对小波包分解的高频混叠和频带顺序混乱,采取了一种改进小波包算法,采用一种更精细的Bark尺度小波包对带噪语音进行分解,以模拟人耳的听觉特性.对分解系数计算Teager能量算子(TEO),并使用一种简单的随TEO变化而调节的自适应阈值门限对带噪语音进行阈值去噪,不需要判别清浊音和无声段,实验证明,该方法在多种噪声下都能取得较好语音增强效果,特别是在有色噪声和非平稳噪声下.对于较低信噪比的语音也能获得一定改善.