基于改进小波去噪的EEMD—HHT信号处理方法

传统小波去噪虽然可在一定程度上去除噪声对原始信号的干扰,但去噪效果并不理想。针对传统小波去噪中存在的问题,提出一种改进的小波去噪方法,并将改进小波去噪与EEMD-HHT有机结合,进而提出一种基于改进小波去噪的EEMD—HHT信号处理新方法。基于MATLAB软件,分别利用EEMD-HHT方法、基于传统小波去噪的EEMD-HHT信号处理方法和基于改进小波去噪的EEMD-HHT信号处理方法对外圈故障滚动轴承进行故障诊断试验,试验结果与理论计算结果对比分析表明,基于改进小波去噪的EEMD-HHT信号处理方法最为有效。     

基于二进小波变换的信号去噪

由于信号在二进小波变换空间的表示是冗余的,同小波级数相比,基于二进小波变换的信号重建效果对信号的小波变换系数的误差灵敏度将会下降,因此可以期望在相同的误判概率下基于二进小波变换的去噪效果将优于基于小波级数变换的去噪效果。基于这个思想,该文将已有的基于小波级数的去噪方法推广到基于二进小波变换去噪上去,比较了基于二进小波去噪同基于小波级数去噪的效果。数值实验表明,对于各种检验信号,较之小波级数去噪,二进小波变换去噪效果有明显改善。     

自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于MATLAB的小波去噪仿真

利用小波方法去噪,是小波分析应用于实际的重要方面。小波去噪的关键是如何选择阈值和如何利用阈值来处理小波系数,通过对几种去噪方法比对分析和基于MATLAB信号去噪的仿真试验,验证了小波去噪的优越性。通过对现场采集到的输油管线压力信号去噪处理,结果表明,该方法可以有效去除噪声。     

基于小波变换的信号去噪方法研究

对小波闽值去噪方法进行了研究,阐述了小波变换和小波去噪的基本原理和方法,利用四种自适应阈值规则对含噪信号分别进行去噪处理,并比较了去噪效果。以采集到的语音信号为例,采用不同的阈值去噪方法去噪,在MATLAB下进行仿真,结果表明小波变换既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

基于不同预处理方法的多小波暂态信号去噪

在介绍多小波基本理论的基础上,探讨了多小波的不同预处理方法并对多小波滤波器响应产生的影响进行了比较.通过对噪声信号的多小波变换分析,设计基于多小波变换的去噪方法.最后通过大量的仿真工作,对不同预处理方法的多小波与传统小波的电力系统故障暂态信号去噪效果进行了深入分析,结果表明:预处理方法的选择是影响多小波去噪效果的关键因素,若选择合适的预处理方法,利用多小波对暂态信号进行去噪,可以获得比传统小波更好的去噪效果.     

自适应小波阈值去噪方法

针对未知含噪信号的小波去噪理论,提出了一种新的阈值方程,并基于斯坦恩无偏估计(SURE)优化算法和阈值方程寻找最优门限值,以确保去噪后的信号是对未知原信号的最优估计。同时,注意到使用正交小波去噪,容易在信号奇异点处产生Gibbs振荡。为解决该问题,在信号分解和重构时使用了平稳小波变换算法。最后,应用以上方法与基于SURE的正交小波去噪方法对2种含噪信号进行去噪分析,结果令人满意。     

小波阈值去噪的改进方法

利用小波方法去噪,是小波应用于工程实践一个重要的方面;本文指出了采用常见的阈值确定方法对含有较强高频分量的信号进行小波阈值去噪时,去噪效果与实时性存在着矛盾,不利于信号特征的提取。提出了一种新型的阈值确定方法,进一步提出了以小波去噪后特征频率分量的功率谱密度值的下降程度为依据的待定因子确定方法。以Mallat算法为例,对新型阈值确定方法进行了分析和比较,指出运用该方法进行小波去噪处理,增强了算法的实时性,同时信号拟关注的信息损失较小,去噪效果比较理想。交-交变频器输出电流的小波去噪实验结果表明,该方法行之有效。     

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。     

用计算全息制作二维Haar小波变换滤波器的研究

提出了用计算全息制作三类Haar子波滤波器的方法。将一维Haar子波函数组合,将得到三种类型的二维Haar子波函数,利用这三类二维Haar子波可以分别对图像进行角、水平边和垂直边的提取。采用罗曼Ⅲ型迂回位相编码法对三类Haar子波函数进行编码,绘出计算全息图。为了提高全息图的质量,采用显示器分屏抓图的办法,将全息图分割输出。在4f系统中实现对二维图像的三类Haar子波变换,给出了提取二值图像特征的模拟结果。     

B样条小波边缘检测算子的应用研究

本文在概要介绍小波变换的基础上,给出了小汉变换的边缘检测理论,导出了采用紧支休３次样条小波作为边缘检测的方法,最后给出了实验例子,验证了方法的有效性。     

一种基于小波变换和图像边缘特征的图像融合方法

图像融合是信息融合的重要组成部分,是一种重要的增强图像信息的方法。本文将图像小波变换边缘提取和图像融合结合起来,提出了一种基于图像边缘特征的图像融合方法。首先对输入图像进行小波变换,用模极大值方法检测出图像的多尺度边缘,然后利用边缘特征对小波系数进行融合。实验结果表明该方法既能有效地去除噪声,又能突出源图像的边缘细节信息,是一种有效的图像融合方法。     

磁共振图像阀值去噪方法研究

磁共振成像已成为脑功能病理和解剖研究的主要手段，是医学影像学领域中最活跃的技术。由于在成像过程中复杂的电磁场环境容易受到人体热噪声干扰，使得磁共振图像去噪成为很重要的研究热点。小波分析具有多尺度分辨和去相关性等特点，在去除被白噪声污染的磁共振图像方面得到了广泛应用。但磁共振图像经传统的小波分析去噪后，细节信息部分丢失，图像的边缘变得模糊．针时这些问题，时经典的小波阀值去噪方法进行了改进，将关键参数取值与预估计联系起来，将阀值的选定与图像的局部特征结合起来，提出一种灵活的、自适应的去噪新方法。与经典方法相比，采用本方法处理的噪声图像去噪后图像的细节更丰富，边缘信息完善，视觉效果更好。     

基于小波和分形原理的DDoS攻击检测方法

提出一种基于离散小波变换和分形原理的DDoS攻击检测方法.该方法通过高散小波变换的多分辩率分析突现DDoS攻击特征,对小波变换系数进行盒分形维计算,将经实验确定的关键盒维数作为多维空间的向量序列,最后使用经过样本训练的K-nn（K最近邻）分类器进行攻击识别.实验结果表明分形与小波相结合取得了较好的检测效果,与离散小波检测方法相比,该方法提高了检测精确度.     

基于双正交小波的光阑小波滤波器

提出了一种应用于4f光学系统的光学小波滤波器的设计与制作方法.结合光学信号的优势与小波变换的优点,利用双正交小波的共轭镜像特性构造出了频域形式的分解和重构滤波器.通过将滤波器放置在4f系统的频谱面上对图像成功实现了二维分解和重构.另外还根据信息处理要求和采样器件的特性,制作了振幅型和位相型两种小波滤波器.这两套滤波器都...     

基于小波域统计混合模型的图像降噪方法

该文提出了一种基于小波域统计混合模型的图像降噪方法。该方法首先利用尺度间模型,将小波系数分成两类:有意义系数和无意义系数;然后在小波域同层模型中运用最大后验概率估计方法,从有意义系数中恢复出原始系数。文章给出了算法的完整步骤。实验结果及分析表明了该方法的有效性。     

基于小波变换的双色红外图像融合检测方法

针对复杂背景中/长波红外图像的特点,提出了一种基于小波变换的中/长波红外图像融合检测方法。首先,对原始中/长波红外图像分别进行小波变换,提取出两幅图像的低频和高频信息;然后,分别对图像的低频和高频信息采用不同的融合准则进行融合,并用小波逆变换重建成融合图像,自适应选取阈值,获得最终的目标检测结果。在实验中,采用相同的方法分别用融合图像、单波段红外图像进行目标检测,实验结果证明,用文中提出的融合检测算法优于仅用长波或中波红外图像的目标检测。     

基于对偶树复数小波变换的邻域自适应的图像降噪

该文提出一种新的基于对偶树复数小波变换的邻域自适应的图像降噪方法,它是现存的NeighShrink降噪方法的改进。该文运用Stein的无偏风险估计,在小波域每一个子带为NeighShrink方法确定一个最优的阈值和邻域窗口,并将NeighShrink方法从正交的小波变换推广到对偶树复数小波变换。实验结果证实,该文方法比当前基于小波的最具竞争力的图像降噪方法取得了更好的降噪效果。     

一种频率编码信号瞬时频率提取新方法

针对小波变换法在提取频率编码信号脉内特征中的不足,提出了将时频重排和时频脊线相结合的时频联合分析方法。首先通过Morlet小波计算信号的小波谱,再对小波谱进行时频重排,最后由重排后的时频图提取时频脊线,得到频率编码信号的脉内特征。该方法在低信噪比下,能准确提取频率编码信号脉内特征信息。最后利用计算机仿真验证了该方法的可行性。