小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.     

一种新的EMD去噪方法

信号的经验模态分解方法（EMD）可以理解为以信号极值特征尺度为度量的时空滤波过程。此过程充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有很大的优势。文中分析了EMD去噪技术的基本原理,通过研究几种利用EMD去除非平稳信号噪声的技术,提出了一种新方法。仿真结果表明新的EMD去噪法在去除噪声,提高信噪比方面具有极大的优越性。     

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。     

基于MATLAB小波去噪方法及应用研究

在实际的计算机控制系统中,采样信号不可避免的受到各种噪声和干扰的污染,使得由采样信号辨识得到的系统模型存在偏差妨碍了系统控制精度的提高。Donoho和Johnstone提出的小波去噪算法对去除高斯白噪声非常有效。我们对此在MATLAB环境下做了详尽的探讨及仿真实验研究,得到一些实际应用经验,并利用傅立叶变换/反变换和小波阈值去噪方法对电厂机组调速级压力运行数据进行了去噪对比实验,结果表明小波去噪方法能取得较好的去噪效果,为后续系统模型辨识打下良好的基础。     

脉搏信号去噪

分析了脉搏信号特性与研究现状,探究了脉搏信号的小波变换去噪与数学形态学去噪并给出了相应解决方案与注意事项,提出将两种去噪方法相结合.     

阈值函数在信号去噪中的进一步探讨

小波去噪理论较完善,算法简单,消噪的效果更好,应用越来越广泛。本人已经提出一种改进的阈值函数,它介于软、硬阈值函数之间,具有更好的光滑性,计算量小。本文尝试研究该函数随着参数的变化的所产生去噪效果的变化,得到该阈值函数具有较好去噪效果的参数。     

小波去噪与信号相似性在电泳信号方面的应用

根据信号与噪声在小波变换下的不同特性．文章讨论了一种基于小波变换的信号去噪方法。因为不同的小波基有各自的特点和优点。文章中选择了几种典型的小波进行了比较．井提出一种信号相似性理论判别方法。数值实验及实际运用都证明了上述方法的有效性。     

激光超声信号去噪方法的研究

针对激光超声信号信噪比低的问题,分析了干扰噪声的特点,设计了基于数字平均和小波分析相结合的数据采集与处理系统。利用外部同步触发技术,间隔采集若干次激光超声信号,将各次采样信号相加平均,最后选择合适的小波基、分解层数和阈值方法,对数字平均后的信号进一步进行小波去噪处理。实验结果表明,该方法能够有效去除信号中的干扰噪声,提高信号的信噪比(SNR)。     

基于一种自适应折中-平滑阈值的脉搏信号小波去噪

人体脉搏信号在采集过程中会掺杂着各种噪声信号,而传统所采用的小波变换阈值去噪法在处理脉搏信号时又存在着缺陷,本文采用的折中一平滑闽值函数,并基于斯坦恩无偏估计（SURE）优化算法去寻找最优阈值门限,与在原有阈值基础上的小波自适应阈值去噪做对比,通过利用Matlab对脉搏信号进行去噪仿真。结果表明,依据信噪比（SNR）和信号平滑度Ⅲ的评判标准,该方法去噪效果更好,结果令人满意。     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

A new de-noising method based on 3-band wavelet and nonparametric adaptive estimation

Wavelet de-noising has been well known as an important method of signal de-noising. Recently,most of the research efforts about wavelet de-noising focus on how to select the threshold,where Donoho method is applied widely. Compared with traditional 2-band wavelet,3-band wavelet has advantages in many aspects. According to this theory,an adaptive signal de-noising method in 3-band wavelet domain based on nonparametric adaptive estimation is proposed. The experimental results show that in 3-band wavelet domain,the proposed method represents better characteristics than Donoho method in protecting detail and improving the signal-to-noise ratio of reconstruction signal.     

基于经验模态分解的激光陀螺随机信号消噪

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了抑制激光陀螺的随机漂移,提高使用精度,提出了一种新型经验模态分解方法对陀螺随机漂移测试信号进行滤波处理。该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元,并作为基本分析对象,通过对模态单元振幅的阈值处理来判断模态单元的类型,进而建立模态单元滤波模型。分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律,并建立了一种用于高斯消噪的阈值选取规则。运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性。     

二代小波降噪在激光陀螺信号滤波中的应用

为了抑制激光陀螺的随机漂移,提高其使用精度,提出了一种改进的第二代小波变换降噪方法对陀螺随机漂移测试数据进行滤波处理.该方法在二代小波变换时采用多组预测器和更新器,根据变换样本与相邻样本之间的相关性检测信号的局部特征,确定每个尺度上的每个变换样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.该方法克服了传统小波变换降噪方法的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性.     

Ridgelet域中基于非参数自适应密度估计理论的图像去噪方法

Ridgelet 是一种新的信号分析方法,它适合于具有直线或超平面奇异性的二维信号的描述,目前, 针对特定大小的离散图像,又提出了正交有限Ridgelet变换(FRIT)。该文在有限Ridgelet域中,结合Birge-Massart等提出的非参数自适应估计理论,提出一种新的二维图像去噪方法。实验证明,这种基于Ridgelet与Birge-Massart理论的图像去噪方法,与传统的Wavelet域去噪以及Donoho阈值去噪方法相比,去噪效果更为明显。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

匹配追踪消噪在故障诊断中的应用

为了更有效地消除齿轮泵振动信号的噪声,引入匹配追踪消噪方法。该方法采用匹配追踪算法,通过迭代提取信号的相关结构,再利用提取的相关结构来估计信号的逼近,从而达到消噪的目的。在此基础上,采用中值滤波和线性回归算法来终止迭代过程。最后利用该方法对齿轮泵壳体的振动信号进行消噪处理。结果表明,该方法保留了信号的基本特征,有效地消除了大量的噪声。     

光纤传感信号中小波去噪的最优分解尺度确定方法

小波分解尺度选择是小波去噪中的关键,分解尺度 过大或过小,都会直接影响传感信号去噪的质量。本文 通过分析常规的分解尺度选择方法,引用指标融合算法原理从图形和统计两个角度出发选用 信噪比(SNR)、均方 根误差(RMSE)、平滑度r以及信号偏差(BIAS)4项评价指标融合 成一项指标,采用指数函数对融合指标进行拟合,并提出 一种拐点判别公式来准确判定最优分解尺度。然后,采用所提方法,结合改进的阈值和阈值 函数,对实验 信号进行最佳分解尺度寻优,实验验证结果表明,本文方法所确定的最优分解尺度对应的中 心波长反射率与实际值相符,因此能够获得更优的去噪效果。     

基于新阈值函数的小波阈值自适应去噪

针对传统小波阈值去噪算法中阈值估计和阈值函数选取的不足,提出一种高阶可导的阈值函数,并利用牛顿迭代法求得Sure无偏估计意义下的最佳阈值,从而实现阈值估计和阈值函数相关联的小波阈值自适应去噪.仿真实验表明,新算法可获得比传统阈值去噪算法更理想的去噪效果.     

HHT在脑电信号去噪中的应用

脑电信号在采集过程中极易受到噪声的干扰,如何有效地去除混入脑电信号中的噪声已经成为信号前期处理的难点。根据脑电信号和噪声的特点,使用HHT方法去除脑电信号中的工频噪声,并通过信噪比和均方误差对去噪效果进行了检测。仿真结果表明该方法不仅能够有效地抑制工频噪声,还可以较好地保持脑电信号的波形特征。     

Discrete cosine harmonic wavelet transform and its application to signal compression and subband spectral estimation using modified group delay

This paper proposes a new harmonic wavelet transform (HWT) based on discrete cosine transform (DCTHWT) and its application for signal or image compression and subband spectral estimation using modified group delay (MGD). Further, the existing DFTHWT has also been explored for image compression. The DCTHWT provides better quality decomposed decimated signals, which enable improved compression and MGD processing. For signal/image compression, compared to the HWT based on DFT (DFTHWT), the DCTHWT reduces the reconstruction error. Compared to DFTHWT for the speech signal considered for a compression factor of 0.62, the DCTWHT provides a 30% reduction in reconstruction error. For an image, the DCTHWT algorithm due to its real nature, is computationally simple and more accurate than the DFTHWT. Further compared to Cohen–Daubechies–Feauveau 9/7 biorthogonal symmetric wavelet, the DCTHWT, with its computational advantage, gives a better or comparable performance. For an image with 6.25% coefficients, the reconstructed image by DFTHWT is significantly inferior in appearance to that by DCTHWT which is reflected in the error index as its values are 3.0 and 2.65%, respectively. For spectral estimation, DCTHWT reduces the bias both in frequency (frequency resolution) and spectral magnitude. The reduction in magnitude bias in turn improves the signal detectability. In DCTHWT, the improvement in frequency resolution and the signal detectability is not only due to good quality DCT subband signals but also due to their stretching (decimation) in the wavelet transform. The MGD reduces the variance while preserving the frequency resolution achieved by DCT and decimation. In view of these, the new spectral estimator facilitates a significant improvement both in magnitude and frequency bias, variance and signal detection ability; compared to those of MGD processing of both DFT and DCT fullband and DFT subband signals.