基于小波包变换的信号去噪方法研究

为有效剔除信号噪声，得到没有污染的信号，便于进行信号分析，介绍了小波包变换的改进方法，给出了信号的小波包分解系数排序方法，将信号的相关性与小波包的多尺度时频分析及重构结合在一起，并用于信号的去噪研究中．通过仿真研究和与目前小波去噪方法进行对比，证明了该方法去噪的有效性．     

虚拟仪器中基于小波包变换的信号去噪

阐述了小波包去噪的原理及算法,介绍了虚拟仪器中应用小波包变换对信号的去噪方法.在LabVIEW平台中通过Matlab Script节点的方式实现了小波包变换对信号的去噪.通过仿真对小波包去噪与小波去噪效果进行了比较,结果表明,小波包去噪效果较好.     

基于谐波小波包变换的信号检测

利用二进离散小波变换检测周期性信号时,由于频带间的干扰,微弱成分易被强信号所淹没,为解决此问题,提出一种基于谐波小波包变换的周期性信号检测算法。利用谐波小波函数的盒形频谱结构,根据目标声信号的特点,选择合适的分解层数和分析带宽,由此避免分析频带之间的相互干扰。对实测数据的分析结果表明,谐波小波包变换对于低信噪比下的微弱线谱信号成分有一定的增强效果。     

小波变换信号消噪技术研究

通过对信号与噪声奇异性分析，给出信号与噪声的小波变换模极大值在各个尺度上的表现截然相反的结论，并给出了一种非线性的消噪方法。该方法与传统的消噪方法不同，即不同于低通滤波器滤波，而是根据信号与噪声的奇异点性质不同进行滤波。实验结果表明，这种方法在改善信噪比的同时，又保持相当高的时间分辨率，并且计算简单，有很好的去噪效果。     

基于小波变换心电信号去噪方法

小波变换基于模极大值的去噪方法具有非线性及自适应特性,而且特别适合于进行非平稳的微弱信号及具有较多奇异点信号的消噪,这种信号特点恰好是心电信号最突出的特征,也是常规信号处理方法遇到的最大难题。本文简述了小波变换模极值去噪方法在心电信号处理中的应用,并证实这种方法可以在信号消噪的同时有效地改善信噪比,并同时提高信号的分辨率。     

基于新的小波变换的去噪方法

本文系统地分析了传统连续小波变换的缺陷.传统连续小波变换的逆变换中,积分变量是彼此独立的.只有当积分变量有联系时,相应的数值积分才具有高分辨特性,并且在逆变换中,积分变量出现在被积函数的分母上,这样会影响数值积分的精度,阻碍了连续小波变换的应用.为此构造了一种新型的连续小波变换,不论对积分变量如何剖分,任何一种数值积分方法都具有高分辨特性,且积分变量不出现在被积函数的分母上,进而给出了相应的数值解法.最后,给出了基于新型连续小波变换的滤波方法,对同时带有白噪声和脉冲噪声的信号进行处理.无需噪声的先验知识,就可以彻底地去除信号中白噪声和脉冲噪声,重建原有信号,与传统的小波去噪方法比较,可获取更高的信噪比.     

一种基于小波变换的白噪声消噪方法的改进

传统的小波变换软阈值消噪方法是基于分布不均匀的信号和白噪声在小波变换下具有不同的传播特性,该方法比较简洁,并在一定程度上是有效的。在这种方法的基础上,提出了一种估计小波系数的模平方处理改进方法,它可以促使信噪分离。与原有的方法相比,脸用改进方法明显地提高了信号消噪所得信噪比增益。     

基于小波变换的信号消噪

采用一种新的阈值确定方法：二次平方损失函数法（QSLF法）,通过对待信号进行小波变换,在小波变换域中,把小波系数进行阈值处理,即：增强属于信号的小波系数,减弱或去除属于噪声的系数,然后进行小波变换的逆变换,虽然会造成在小程度上丢失了一些细节,但只要考虑到抑制干部噪声与所保留信号细节之间的权衡问题,仍能恢复出所期望的待分析信号,计算机模拟实验结果表明：该方法能有效的消除噪声。     

基于小波变换的扫频信号去噪处理

对振动系统进行扫频测试过程中产生出大量的含噪非平稳随机信号数据，利用MAT—LAB小波工具箱对其进行小波分解和去噪处理，为进一步求出振动传递率获得了噪声极小的数据。     

基于小波包变换的自适应线性均衡算法

在分析小波包和传统自适应线性均衡的基础上,提出了一种基于小波包变换的自适应均衡器结构,并结出了相应的自适应均衡算法,与通常的基于小波变换的自适应均衡算法相比,该算法利用了小波包对小波空间的进一步划分,因此其对信号的去相关能力比小波变换更强,仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现。     

基于小波变换的信号重构

在信号分析中,奇异点和不规则性经常携带有重要的信息．文中利用小波变换模极大值对应的点来提取奇异点,并讨论了如何运用凸集上投影的方法来重构原始信号．     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理．并在Matlab下进行奇异信号的仿真试验，取得了理想的效果．实验结果表明，小波变换在奇异信号的检测中是有效的。     

表面肌电信号的小波消噪改进算法

根据在不同尺度下信号和噪声的小波变换系数的相反特性，提出了一种改进的小波消噪算法来去除肌电信号中的噪声.利用Mallat算法对肌电信号进行小波分解，实质上就是将信号投影到尺度空间和小波空间，分别包含了信号的光滑通道分量和细节分量.兼顾软阈值和硬阈值量化方法的优点，利用两者的加权平均值滤除由噪声所决定的小波变换系数，从而在大尺度下补充细节信息并保持信号在奇异点的特征.利用保留下来的小波变换系数进行信号重构即得到消噪后的信号.实验结果表明，该方法可以有效去除噪声，兼顾了软、硬阈值的优点，保留了在模式变化过程中肌电信号细节部分的有用信息.     

Group-normalized processing of complex wavelet packets

Linear phase is not possible for real valued FIR QMF, while linear phase FIR biorthogonal wavelet filter banks make the mean squared error of the constructed signal exceed that of the quantization error. W Lawton' s method for complex valued wavelets construction is extended to generate the complex valued compactly supported wavelet packets that are symmetrical and unitary orthogonal; then well-defined wavelet packets are chosen by the analysis remarks on their time-frequency characteristics. Since the traditional wavelel packets transform coefficients do not exactly represent the strength of signal components, a modified adaptive wavelets transform, group-normalized wavelet packet transform (GNWPT), is presented and utilized for target extraction from formidable clutter or noises with the time-frequency masking technique. The extended definition of lp-norm entropy improves the performance cf GNWPT. Similar method can also be applied to image enhancement, clutter and noise suppression, optimal detection     

基于复解析小波变换的信号包络检测

水声信号中的低频线谱成分是目标声信号的一个重要特征量,在水声信号检测、识别和分类中起着重要的作用。为了提取水声信号中的线谱成分,本文利用复解析小波变换兼具带通滤波和包络提取的特性提取信号包络。仿真和实测数据分析表明,与传统的Hilbert变换提取信号包络算法相比较,基于复解析小波变换的信号包络提取算法可以完全抑制所分析通带以外的噪声,从而提高了信号包络的信噪比。     

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

小波变换在地震信号分辨处理中的应用

研究多尺度理论及利用小波滤波器系数的相关算法。在用小波变换提高地震记录的分辨率和信噪比的具体实现过程中,利用相邻地震道有效信息之间具有较强的相关性,而噪声之间相关性很弱．基于此相关性对地震记录进行小波分解系数的优化调整,再由调整后的系数进行重构,得到了高信噪比和分辨率的地震记录,实现了在保留高频有效成分的同时抑制了噪声。