基于阈值的小波域语音降噪新算法

提出了一种新的基于阈值的小波域语音降噪算法。采用小波包对含噪语音进行分解，克服了传统的正交小波变换的缺陷。采用自适应阈值的方法，对每一尺度上的噪声最大量进行去噪，保留有用信号，可以进一步提高信噪比，仿真实验表明，该方法有更好的去噪效果。     

改进CEEMDAN-小波包阈值降噪在旋转机械轴承中的应用

针对旋转机械滚动轴承振动加速度信号在采集过程中存在大量噪声导致振动信号表征不明显的问题,提出了一种在对自适应噪声完备集合经验模态分解(CEEMDAN)进行改进的基础上与小波包阈值降噪联合的一种数据去噪方法。首先,通过计算分解后得到的各分量的均方根和互相关系数对与原始信号相关性较大的分量进行提取;然后,分别计算提取后每个分量对应的阈值进行小波包阈值降噪处理;最后,将处理后的信号与分量中不存在噪声的分量进行叠加,即为降噪后的信号。经过对比实验验证,改进CEEMDAN-小波包阈值降噪方法的信噪比最大提高6.41,均方根误差降低0.12,证明了本方法的有效性。     

改进的小波包能量分段阈值降噪方法

指出了单一阈值选取规则小波包降噪方法的局限性,提出了一种改进的小波包能量分段阈值降噪方法,并与其他小波包降噪方法进行对比分析。仿真结果表明,较其他小波降噪方法,改进的小波包能量分段阈值降噪方法去噪效果更佳。     

基于高阶阈值函数与小波包的混沌信号降噪

针对混沌信号小波降噪法中,高频段频率分辨率较差,且对小波分解系数所广泛采用的硬、软阈值量化方法存在着局限等问题,给出一种基于新型高阶阈值函数的混沌信号小波包降噪法。该方法采用小波包方法能够对小波分析中没有细分的高频部分进一步分解,保留了有用的高频信息,从而具有更加精确的局部分析能力;且所采用的阈值函数连续光滑,在噪声小波系数和混沌信号小波系数之间存在一个平滑过渡区,更符合信号的连续特性。仿真对比实验表明：与软阈值降噪法以及半软阈值与小波包降噪法相比,该方法对混沌信号的降噪效果明显,信噪比(SNR)有3.7~7dB的显著提高。     

基于改进小波包阈值的GIS局部放电信号降噪方法研究

特高频法是GIS设备在状态检测中最常用的方法之一,但在应用过程中传感器所采集的特高频信号通常会携带较多噪声,会干扰检测的准备性,因此对信号进行有效的噪声抑制是局部放电检测的关键技术。本文基于小波包去噪理论,提出了一种综合考虑平滑度和边缘特征的改进阈值函数,以实现对GIS局部放电特高频模拟信号的降噪。通过信噪比（SNR）、均方误差（MSE）和波形相似数（NCC）三种参数对方法的去噪效果进行评估,结果表明,改进小波包阈值的信号降噪方法具有良好的噪声抑制功能,应用后可提高GIS局部放电采集信号的初始数据质量。     

小波阈值降噪中阈值函数族的一般构造方法

针对小波阈值降噪方法中阈值函数的通用性问题,提出阈值函数的一般构造方法,应用于小波阈值滤波的算法设计。确定阈值函数目标曲线;通过对满足构造条件的典型函数曲线进行平移、旋转、缩放等操作,形成一个具有不同阈值,并以不同速率逼近目标函数的函数族;针对信号特点,选择不同的阈值函数进行降噪。仿真和实测信号实验表明,该方法的降噪特性在信噪比增益（SNR）和最小均方误差（MSE）上优于传统的软硬阈值函数和改进阈值函数,并在敏感度和平滑度上取得了较好的平衡。     

基于CEEMD小波包算法的降噪方法研究

针对脑电信号易受噪声干扰的特性,提出一种使用CEEMD小波包对脑电信号进行降噪的方法。首先对脑电信号进行CEEMD分解,得到一组固有模态函数分量（IMF）,然后对包含噪声的IMF分量采用小波包阈值降噪,同时保留信号的低频IMF分量,最后将使用小波包阈值降噪的IMF分量和保留的IMF分量进行累加重构,从而得到最终降噪后的脑电信号。仿真结果表明采用CEEMD小波包对脑电信号进行降噪,在抑制噪声的同时,还有效地保留了脑电信号的细节特性,达到良好的去噪特性。     

一种基于改进阈值函数的小波阈值降噪算法

针对小波阈值降噪中硬阈值函数和软阈值函数的不足,结合现有文献提出一种新的阈值函数。新阈值函数克服了传统阈值函数的缺点,保证了阈值函数的连续性,同时可以通过改变参数灵活地调节函数。在新阈值函数的基础上结合改进的阈值确定方法,提出一种新的降噪算法。通过MATLAB仿真,对几种小波降噪算法进行了试验分析,利用信噪比和均方根误差两个指标进行评价。结果表明,相比于传统的降噪算法,新降噪算法取得了更好的降噪效果。     

电磁超声检测信号的小波自适应阈值降噪研究

针对电磁超声检测信号中通常混有大量噪声干扰,使用小波软硬阈值降噪后信号存在震荡失真、细节丢失等问题,构造了一种新的自适应阈值函数。该自适应阈值函数处处连续且高阶可微。试验结果表明,对电磁超声检测信号进行小波自适应阈值处理,不但可以保护信号的细微特征不被消除,防止信号震荡,增强光滑性;而且还能减小均方误差和失真,提高信噪比,从而提升电磁超声检测的可靠性和准确性。     

一种改进的小波阈值降噪方法性能分析

结合小波阈值降噪中估计小波系数的软阈值和硬阈值方法的各自特点,提出了一种改进的方案。将该方法用于叠加了噪声的仿真信号进行降噪处理,采用信噪比和均方根误差作为评定降噪结果的标准,结果表明该方法得到了较好的降噪效果。     

基于新阈值函数和自适应阈值的小波包语音增强研究

针对传统的小波包语音增强算法增强后的语音失真严重的问题,本文提出了一种基于自适应阈值和新阈值函数的小波包语音增强算法。该算法在小波包域将带噪语音加窗分帧,基于相邻帧快速傅立叶变换功率谱的互相关值,计算各帧存在语音的概率,然后通过语音存在概率对传统通用小波包阈值进行调整,使得阈值在非语音帧中较大,在语音帧中较小,实现阈值的自适应调整,可以在最大程度消除噪声的同时,尽可能的保留语音,减小语音失真。本文还设计了一种新阈值函数,克服了传统硬阈值函数不连续和软阈值函数会带来恒定偏差的缺点,进一步减小了语音失真。本文采用TIMIT 数据库和NOISEX-92 数据库中的语音和噪声进行了大量的模拟实验,主观评比和客观评比结果均证明本文提出的语音增强算法比现有的两种算法有更好的增强效果,采用本文算法增强后的语音失真更小,听觉效果更好。     

小波阈值降噪算法中最优分解层数的自适应选择

小波阚值降噪算法是一种去除数字信号中白噪声的有效算法．针对加性高斯白噪声的情况,提出一种自适应小波降噪算法,用于语音信号的增强．它能根据带噪信号的特点,自适应选择小波变换的最优分解层数．实验结果表明,该算法比经典的小波降噪算法具有更好的降噪效果,能有效提高算法的实用性能．     

基于改进阈值函数的小波降噪算法与仿真分析

通过比较分析传统软、硬阈值函数降噪的算法发现:硬阈值函数存在间断点的问题,而软阈值函数在小波系数绝对值较大的区域引起部分高频信息损失。针对以上问题,提出一种新的阈值函数降噪算法。利用传统的阈值降噪步骤,使用新阈值函数将分解得到的小波系数进行保留或者收缩处理,然后将得到的新小波系数进行图像的重构。添加不同类型的噪声对改进的算法进行验证。实验结果表明,新的阈值函数降噪算法比普通算法更有效,通过新的阈值函数降噪得到的图像,有更大的峰值信噪比(PSNR)和更小的均方误(MSE),PSNR的值最大提高了1.97倍,MSE的值最大下降了54.4%。     

基于小波包分解的图像同态增强

提出了一种基于小波包分解的图像同态滤波增强算法,它克服了传统二维同态滤波的方向对称性,可以形成任意形状的滤波器,进而可以充分利用图像本身的细节特征,对不同方向的图像细节特征进行合理的处理,达到更好的图像增强效果。     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

一种改进的小波阈值降噪方法及Matlab实现

本文在分析经典的软阈值和硬阈值降噪方法的基础上,提出了一种改进方案,同时克服了软阈值和硬阈值方法的缺点。通过Matlab实验,结果表明本文提出的改进方案明显比单纯的软阈值和硬阈值方法降噪效果好。     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

基于自适应小波阈值的心电信号降噪方法

多尺度分析对于小波阈值的选取以及小波函数的设计依赖性较强,针对不同个体心电信号的降噪效果差异性较大。提出一种自适应的小波阈值计算和选取方法,该方法在启发式阈值优化方法基础上融入了小波分解层数和层级影响因子,通过动态调整每一层小波系数的阈值计算函数实现更加合理的信号分解与降噪处理。实验结果表明所提出算法在心电信号降噪效果方面获得了较好的表现,能够满足临床应用需求。