基于奇异值差分谱分析和蚁群算法的小波阈值降噪

针对传统小波阈值去噪阈值选取的问题,将奇异值差分谱的方法与蚁群算法相结合运用到小波阈值降噪中,提出一种小波系数双阈值寻优方法.首先将待处理含噪信号进行多尺度小波分解;之后根据每级信号小波系数的奇异值差分谱分析得到寻优的目标函数;然后根据目标函数利用蚁群算法在每级的小波系数上进行阈值寻优;最后重构经过最优阈值量化规则处理的小波系数得到降噪信号.通过对仿真信号的降噪处理表明本方法对不同特点信号的降噪效果要好于传统阈值降噪方法;对滚动轴承以及深沟球轴承的振动故障信号的降噪处理验证了方法的可行性和适用性.     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

基于经验模态分解的小波阈值降噪方法研究

针对小波阈值降噪方法中小波基和阈值缺乏选取依据的缺陷,提出了一种基于经验模态分解(EMD)的小波阈值降噪方法。首先将带噪信号进行EMD分解得到一系列本征模态分量(IMF),仅对带噪的高频IMF分量进行小波阈值降噪处理,将处理结果与不含噪声的低频IMF分量进行信号还原得到降噪后信号。方法有效避免了直接小波阈值降噪高频分量损失的问题,同时还可直接去除信号中可能存在的趋势项,比直接小波阈值降噪具有更好的效果。仿真数据处理证明了方法的有效性。     

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。     

提升小波改进阈值算法在输气管道泄漏信号降噪处理中的应用

输气管道的泄漏检测对保障其管道的正常运行具有重要意义,但是在实际工作中,传感器检测到的信号会受到噪声的干扰。为了提高管道泄漏检测精度,采用一种不依赖于傅里叶变换的提升小波变换方法,并引入改进阈值函数对信号进行降噪处理,分别对比不同小波基函数,不同分解尺度利用改进阈值算法的降噪效果,确认db5小波函数作为最优提升小波函数,并对信号进行四层分解的信号处理信噪比最高,最后利用现场实验采集到的负压波信号进行传统小波去噪和提升小波改进阈值算法去噪的效果对比,其结果表明提升小波改进阈值算法的去噪效果优于传统小波算法的去噪效果,在管道泄漏检测的信号降噪中具有良好的应用价值。     

基于邻域相关性新阈值函数的提升小波域信号降噪法

在小波阈值降噪中,在研究小波系数的软硬阈值处理方法的基础上,结合提升小波变换,提出了一种改进的基于邻域相关性的新型阈值函数．首先,介绍了提升小波阈值降噪的原理,再对新阈值函数的构造进行分析,新阈值函数有效地利用了小波系数之间的相关性,在小波系数的估计计算中考虑了邻域小波系数的大小．同时,采用改进的方法来确定降噪阈值．最后,进行降噪仿真实验,采用信噪比作为评定降噪结果的标准．仿真结果表明,新阈值函数降噪方法有效抑制了在信号奇异点附近产生的伪吉布斯现象,有较好的降噪效果．     

基于小波变换和压缩感知对煤岩体声发射信号降噪方法

针对煤岩体声发射信号具有随机非平稳、易受噪声信号干扰的特点,提出一种基于小波变换和压缩感知理论相结合的煤岩体声发射信号降噪方法.该方法利用噪声信号不具有稀疏性的特点,在小波分解的基础上进行压缩感知的压缩重构与降噪处理,使噪声信号与煤岩体声发射信号最大程度分离,该方法不仅达到降噪的目的,还避免了小波阈值滤波中阈值选取对降噪效果的影响.与小波阈值滤波、小波包降噪方法和压缩感知方法在选取不同压缩比、观测矩阵、重构算法对降噪效果进行对比.仿真结果表明,所提方法能够有效地抑制噪声信号的干扰,提高信号信噪比,降低均方误差,具有较强的实用价值.     

基于EMD和小波阈值滤波降噪的MATLAB仿真

本文对经验模式分解(EMD)时频分析进行研究,具体的讲述了EMD算法相关基本概念以及EMD分解方法,同时分析了EMD的改进方法,提出了基于EMD与小波阈值滤波结合进行信号降噪的方法,根据这一方法对非平稳、非线性信号在高斯白噪声下进行了降噪,最后基于MATLAB仿真对小波阈值降噪、基于EMD的小波阈值降噪法进行了比较.仿真结果表明,后者效果好.     

基于正交小波变换的信号降噪算法研究

提出了一种基于正交小波变换的信号降噪方法,深入研究了小波变换中的信号分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以取得较好的去噪效果。     

基于新小波阈值的轴承故障诊断方法

对于滚动轴承的故障分类方法抗干扰性差、准确率低等问题,文中提出一种新小波阈值的滚动轴承故障特征提取方法.通过计算每层分解后数据与原始数据的相关系数,改变调节因子,在不同分解层中选取阈值和阈值函数,达到寻求最优信噪比的目的.以型号为6205-2RS的滚动轴承故障信号为例进行仿真实验,对降噪后的频谱以及LS-SVM诊断结果...     

基于容性耦合电极的可穿戴心电信号检测及其去噪算法研究

针对传统心电检测系统存在佩戴电极不方便和电极导电膏易脱水等问题,在研究分析电容耦合工作原理的基础上,设计了一种可穿戴容性耦合电极。针对这种可穿戴容性耦合电极,提出了一种改进小波阈值去噪算法,该算法结合心电信号与噪声小波系数分布特性,采用改进阈值函数对分解后小波系数量化处理并重构心电信号。利用MIT￣BIH数据库验证,该算法能有效消除心电信号中的噪声干扰,相比平滑滤波、数学形态滤波和经验模式分解信噪比提高了10.72％,均方误差减小了27.29％。心电检测实验表明可穿戴容性耦合心电信号检测系统能够准确检测出人体心电信号主要特征。     

基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究

Electrocardiogram (ECG) signal denoising has always been a hot research issue. In order to eliminate the noises in ECG signal, a denoising method based on adaptive complete set empirical mode decomposition (CEEMDAN) and wavelet improved threshold function is proposed. Firstly, this method firstly decomposes the ECG signal by CEEMDAN to obtain a set of intrinsic modal functions (IMFs) from high frequency to low frequency. CEEMDAN decomposition is performed on ECG signal to yield several modal components (IMF). Secondly, the correlation coefficient method is used to perform wavelet denoising with improved threshold on the high frequency IMFs. For the low frequency IMFs, by setting a fixed threshold, the IMFs below the threshold is considered to be the baseline drift signal and removed. Finally, the denoised IMFs and the retained IMFs are reconstructed. The experimental results show that the proposed method is more effective than the empirical mode decomposition (EMD) wavelet denoising, and the global average empirical mode decomposition (EEMD) wavelet denoising method.     

A novel intelligent denoising method of ecg signals based on wavelet adaptive threshold and mathematical morphology

Due to high-frequency noise and low-frequency noise in ECG signals will interfere with the accurate diagnosis of cardiovascular diseases. With the intrinsic mode function (IMF), which is the main component indicators of high-frequency noise and low-frequency noise, this paper proposes an intelligent denoising method of ECG signals based on wavelet adaptive threshold and mathematical morphology. Firstly, this method performs Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) for signals containing noise, and adopts zero-crossing rate to identify IMFs containing high-frequency noise and low-frequency noise. Secondly, according to the discreteness and randomness of IMF containing high-frequency noise, a wavelet adaptive threshold mathematical model is constructed. In this model, with the signal-to-noise ratio (SNR) improvement as the threshold adjustment parameter, the wavelet threshold is modified by niche genetic algorithm, and the optimal solution is obtained after removing high-frequency noise by wavelet decomposition and reconstruction. The waveform of IMF containing low-frequency noise changes slowly and its amplitude is large and it is difficult to remove low-frequency noise. Therefore, mathematical morphology is used to remove low-frequency noise. Finally, the intelligent denoising method of ECG signals is designed by superimposing denoised IMFs. MIT-BIH experiments show that in the process of removing high-frequency noise and low-frequency noise, compared with other denoising methods, the percent root mean square difference (PRD) and SNR improvement of the method proposed in this paper are improved, and the denoising effect is significant, which can provide expert knowledge and decision-making guidance for related application fields.

     

基于小波方差分解的混沌时间序列噪声估计和阈值去噪

针对小波噪声处理时重视信号的分解而忽略噪声特性的问题,利用小波变换的方差分解功能对白噪声的小波系数方差进行分析,提出一种新的小波噪声估计和阈值去噪方法。该方法以时间序列第一、二层的小波方差来估计噪声水平,通过计算出噪声方差在各层小波系数上的分布来确定软阈值。对Lorenz、Chen等混沌系统的仿真结果表明,该方法有较好的效果。其后对上证指数和上海天然胶期货日收盘价序列进行去噪处理,验证了该方法的有效性。     

改进小波阈值算法在心电信号去噪中的应用

心电信号（ECG）在采集的过程中总是参杂着各种噪声,可利用小波变换基本原理和方法进行去噪处理。对小波多分辨率理论进行研究后,在分析Donoho的软、硬阈值去噪法的基础上,提出一种改进阈值函数量化方法,改进阈值函数能克服软、硬阈值存在的缺陷,运用MIT-BIH心电数据库进行验证,并对ECG 信号用不同方法去噪后的结果进行了分析比较。实验表明,改进阈值方法可以有效地去除不同噪声干扰,在信噪比指标上也明显优于常用的软、硬阈值去噪方法。     

基于Hilbert-Huang变换的ECG信号降噪方法

提出了一种新的ECG信号降噪方法.该方法以Hilbert-Huang变换(HHT)和阈值降噪方法为核心,将经验模态分解(EMD)分解出的各层固有模态函数(IMF)分为噪声成分起主导作用层和有用信号起主导作用层.对噪声成分起主导作用层采用Donoho等人提出的阈值估计法,对有用信号起主导作用层的噪声水平通过高频层的能量与平均周期的乘积来确定.讨论了噪声成分起主导作用层和有用信号起主导作用层的区分判别问题.该方法克服了阈值估计法对有用信号起主导作用层噪声水平估计的较大偏差.经实验验证表明,该方法能有效地滤除ECG信号检测中的几类主要噪声,且失真很小.     

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。