改进的双变量收缩函数模型脑电信号消噪方法

针对传统小波消噪全局阈值处理独立性假设和双变量函数模型对没有父系数的最高层小波系数不做处理的缺陷,提出一种高密度离散小波变换中利用双变量收缩函数对脑电信号进行消噪的方法。子小波系数根据双变量函数实现局部自适应收缩处理。同时根据父系数趋于0时,阈值函数近似于软阈值函数,对最高尺度小波系数进行软阈值法消噪。从实际信号处理效果和客观定量指标两方面进行评价,结果表明这种改进算法都优于软阈值法、硬阈值法以及双变量收缩法。     

基于双密度小波邻域相关阈值处理的脑电信号消噪方法

为消除混杂在脑电信号(EEG)中的噪声,提出一种基于双密度小波邻域相关阈值处理的EEG消噪方法.利用双密度小波对EEG分解,得到多层的信号高频系数.根据小波系数的局部统计依赖性,运用邻域相关阈值处理算法进行收缩,将收缩后的小波系数进行重构得到消噪后的信号.对加噪标准信号和实测EEG的消噪实验结果表明,与一代离散小波和传统软阈值法相比,信噪比、均方根误差和最大误差3个消噪效果评价指标都有明显改善.     

一种具有自适应阈值的小波收缩去噪方法

小波收缩是一种非线性小波变换,这种算法的关键问题在于收缩算法中的收缩阈值和收缩函数(规则)。自适应理论是现代信号处理中强有力的工具。该文将自适应理论和传统的小波收缩算法相结合,提出了基于图像奇异特性自适应小波收缩"去噪"算法。该算法根据高频子带小波系数的均方根来确定最佳小波收缩阈值。阐明了最佳阈值与图像本身特性之间的关系。实验表明,该算法比一般软、硬阈值的小波收缩算法有更好的"去噪"效果,既克服硬阈值函数所产生的人为的噪声点和数学上不易处理等缺点,又避免了软阈值算法所带来的边缘模糊。从而进一步提高了图像的峰值信噪比,改善图像质量。     

基于排列熵的振动信号小波包阈值去噪研究

工程实践中的振动信号往往存在噪声干扰而导致信号特征信息无法显露,传统小波包软、硬阈值函数去噪形式固定,无法依据信号小波包分解系数的噪声干扰情况进行调整.据此,提出一种新的介于软、硬阈值函数之间的改进小波包阈值函数,并将排列熵作为信号含噪情况表征参数引入阈值函数中.对信号小波包系数进行排列熵计算,并依据该值对阈值函数进行自适应调整,使得新的阈值函数能够对含噪较多的小波包系数进行大尺度收缩而对含实际信号特征较多的小波包系数尽可能地保留,从而达到最佳的去噪效果.对滚动轴承振动实验信号的去噪分析,并与其他方法进行对比,验证了该方法的有效性与优越性.     

小波变换在电能质量信号去噪中的研究

研究电能质量信号去噪问题,针对电能质量信号在采集过程含有大量的噪声,给电能质量分析带来困难,因此要对电能质量信号进行去噪处理.传统去噪方法不能同时解决去噪和突变点信息保留之间矛盾的问题,导致去除噪声的同时损失了更多的原始信号信息.为了改善电能质量信号的去噪效果,提出了一种改进的小波软阈值电能质量信号去噪算法.采用融合软、硬阈值法的不同特点,通过自适应调整参数方式获得最优的小波系数的阈值,使得改进的阔值函数适应性更强,有效克服了采用软阈值法过渡光滑导致信号失真,而采用硬阈值法去嗓效果不佳的缺陷.仿真结果表明,算法补传统软阈值算法的缺陷,该方法消除信号中的噪声效果和还能保留突变点的信息能力都优于传统的去噪方法,为消噪设计提供参考.     

一种改进阈值的平移不变量小波消噪方法

分析了小波消噪软、硬阈值方法,提出一种改进阈值的平移不变量小波消噪方法.采用重复循环平移原始信号的方法消除不连续点的相互干扰,分别进行小波分解.使用改进的阈值量化算法,通过处理小波系数的幂次和阈值的幂次来估计小波系数,并重构信号,对重构信号进行相反平移,通过相反平移信号求平均得到消噪后的信号.对表面肌电信号处理的实验结果表明,与传统的阈值法相比,该方法提高了信噪比,降低了均方误差.     

基于自适应分解层数和阈值的小波去噪算法

为了更好地降低电能质量扰动信号中的噪声,提出了一种基于自适应分解层数和阈值的小波去噪算法.通过计算小波细节系数的峰值比,自适应地确定最佳小波分解层数,根据各层细节系数中有用信息和噪声信息的分布特性以及细节系数的正、负峰值比,动态调整各层细节系数的上、下阈值.应用Matlab对暂态振荡和脉冲信号进行去噪处理,并与传统硬、软阈值算法和一种改进小波阈值算法相比.结果表明:本文提出的自适应分解层数和阈值的小波去噪算法得到的信噪比和均方根误差均优于以上3种方法,重构后信号更接近原始信号,并且较好地保留了扰动期间信号的特征信息.     

小波去噪在智能引线键合机图像处理中的应用

针对小波去噪中硬阈值法和软阈值法存在的缺陷,提出了一种新的多尺度自适应阈值选择算法,该方法根据小波变换的特点和噪声信号的3σ,准则,对于不同的小波系数乘以一个与自身小波系数相关的降噪因子.在现有的图像去噪评估算法的基础上,提出了基于图像平滑度和匹配度的去噪效果评估算法.实验结果表明:多尺度自适应阈值选择算法能有效去除图...     

改进的小波阈值在电能质量信号去噪中的应用

针对硬阈值去噪效果不佳,软阈值过度光滑使信号失真的缺点,提出了一种改进的自适应的阈值去噪方法。该算法将数理统计与信号和噪声的小波系数的分布规律和传播特点及噪声的标准差贡献率结合起来,对阈值门限进行了改进,并采用软阈值函数对信号进行处理,实现了其去噪的功能。结果表明,改进后的算法对电能质量信号进行消噪处理,信噪比增益和均方误差上均优于传统阈值算法及一些改进后的阈值算法,而且能够较好地保留电能质量信号的特征信息。     

基于邻域相关性多阈值新函数寻优法的小波降噪分析

为了更好地获取噪声影响下的原有信号,在邻域小波系数收缩的NeighCoeff方法基础之上,提出了一种邻域相关性多阈值新函数的小波降噪方法.该方法根据小波系数之间的相关性,将邻域窗口内所有小波系数的平方和的大小划分为邻域硬阈值、邻域窗口阈值和邻域扩张阈值.将这些邻域阈值与修正的通用阈值相比较,来实现窗口尺寸的自适应调节和小波系数的保留或收缩,以此达到消噪的目的.此外新函数的收缩因子能够较好体现与被滤波噪声的相互关系,可以进一步提高消噪的精度.然后将多阈值函数与修正的全局阈值相结合,利用混沌粒子群对邻域扩张阈值参数γ和修正的全局阈值参数α进行寻优,以获取最优小波系数的重构信号.所提方法与其它阈值函数去噪方法相比,其仿真结果表明在信号信噪比、降低有用信号失真和抑制噪声等方面都有一定的提高.     

基于小波域加权阈值的图像去噪方法

针对小波全局阈值去噪的缺点,介绍了一种子带自适应的阈值加权算法。通过对图像小波分解系数统计特性的分析,提出了一种近指数模型作为分解层之间小波系数的先验分布。在此基础上,对比噪声图像和无噪图像在各尺度下统计特性,给出了一种子带自适应的加权阈值计算方法,避免了各层子带去噪的不平衡。实验表明,与全局阈值和其它子带自适应阈值去噪方法相比,基于加权阈值的图像去噪方法能获得更高的信噪比和更好的视觉效果。     

基于小波阈值和主成分分析的视频去噪算法

将局部像素组主成分分析算法引入到视频去噪领域,并利用三维块匹配算法保持了视频序列的相关性,对视频中的噪声进行抑制。用三维块匹配视频去噪算法中小波阈值去噪得到的图像替换二阶局部像素组主成分分析中的第一阶处理得到的图像,这样可以避免局部像素组主成分分析算法直接处理视频时产生的局部效应。最后,局部像素组主成分分析算法也抑制了三维块匹配算法中的小波阈值去噪结果中产生的画面不平滑的问题。实验结果表明,本算法较好地将主成分分析算法引入到了视频去噪领域,同时较好地解决了三维块匹配视频去噪算法中小波阈值去噪的块效应问题,主客观指标的比较也表明本算法有较为优秀的去噪效果。     

自适应的图像组合降噪

BayesShrink是小波收缩降噪最好的算法之一,而WienerChop方法则是利用小波域维纳滤波改进了VisuShrink算法。为了更好地滤除噪声,研究了WienerChop组合BayesShrink进行降噪的方法。实验表明,该组合算法优于WienerChop和BayesShrink算法,其可产生更低的均方误差和更高的信噪比。它不仅综合了WienerChop和BayesShrink两种算法的优点,而且改善了WienerChop算法的过光滑和BayesShrink算法残留较多噪声的问题,同时可获得视觉上更为愉悦的降噪图像。     

一种基于小波阈值去噪的改进方法

小波理论是一新兴的信号处理理论,它在时间和频率上都有很好的局部性:分析低频信号时,其时间窗很大;分析高频信号时,其时间窗较小。小波理论已成为信号去噪处理中的一种重要的工具。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,提出了一种改进方法。该改进方法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,仿真实验证实了该改进方法的有效性和优越性。     

基于分频带最优阈值函数的电力信号去噪

研究电力信号在传输过程中受到噪声污染问题。由于电网负荷较大,系统的运行随机性强,系统非线性引起电力信号噪声严重。针对小波阈值去噪算法存在较大的缺陷,传统改进算法全局阈值去噪的局限性,提出了一种适合电力信号去噪的分频带(分层)最优阈值函数去噪方法。新方法根据电力信号与噪声各频带能量分布特性得到各频带最优阈值,并对含噪电力信号逐层分频带最优阈值函数去噪处理,明显地降低了波形畸变率。仿真与实验结果表明,分频带最优阈值函数去噪方法明显提高了电力信号的去噪效果,提高了电力信号的检测精确度。     

小波阈值去噪的一种改进方案

信号在采集、转换和传输过程中经常会受到设备、环境等因素的影响,致使现实信号成为含噪信号,对得到的信号进行去噪是信号处理中的一个很重要的环节。在近二十年中小波去噪方法应用比较广泛并取得了较好的效果,越来越多的学者用小波阈值进行信号去噪。首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后本着提高去噪质量的目的,提出了一种改进方案。该方法在阈值函数中加入因子,可以自适应地减小阈值函数中的恒定偏差。与传统阈值去噪方法相比,有以下两点优势:①去噪效果比传统阈值去噪方法好。②具有一定的自适应性。此外,还用Matlab仿真实验证实了该改进方案的有效性和优越性。     

基于小波包收缩的心电信号除噪方法研究

文章提出了一种新的基于小波包分析的心电信号的除噪方法。讨论了小波包收缩消噪的原理、阈值的选取以及阈值的量化规则。比较了选择不同的阈值以及不同的阈值量化规则对信号消噪的效果。结果表明基于小波包分析的小波包收缩除噪技术在保持信号奇异性的同时能有效的去除心电信号的噪声。     

基于小波块闭值降噪的OFDM系统信道估计算法

提出了基于小波块阈值降噪的OFDM信道佑计算法。该算法通过对最小二乘信道估计算法的结果进行小波块阂值降噪来提高信道估计性能。与传统信道估计算法相比,块阈值降噪算法由于利用了信道频率响应小波系数的局部相关性,在仅增加少量运算量的前提下,大大降低了信道估计的均方误差、系统的误符号率和计算复杂度,运算量仅正比于有效子载波数,且在系统CP长度小于信道多径时延扩展时算法仍然可以保持很好的性能。数值仿真结果证明了上述结论的正确性。     

基于尺度滤波与小波去噪的PID继电整定

针对PID参数继电整定法存在继电环节对噪声敏感和受噪声污染的输出波形无法提取出特征参数等缺陷,提出一种利用小波技术的解决方法.该方法以尺度函数为低通滤波器在线滤除反馈信号中的高频干扰,并用小波阈值去噪法离线去除输出波形中的噪声,恢复真实波形以提取出精确的特征参数.从理论上证明了尺度滤波与小波去噪的正确性,并给出了实用算法.仿真实例验证了该方法的有效性.