基于MATLAB的小波包信号消噪处理

信噪分离是小波包应用于信号分析的一个重要方面。本文在基于MATLAB的基础上,采用小波包对含高斯白噪声信号进行分解,通过不同的量化阈值对小波包系数进行处理、重构得出小波包消噪后的信号。计算机仿真结果表明,用不同量化阈值的小波包可对含高斯白声信号进行消噪重构。     

基于自适应小波阈值收缩算法的冲击消噪

冲击信号属于非平稳随机信号,在分析冲击信号之前信号消噪非常重要.基于Donoho提出的小波阈值收缩算法,提出了一种新的自适应于原信号的折中收缩函数.不同于经典阈值消噪算法,新算法克服了硬阈值算法造成的信号不连续的缺点,也弱化了软阈值算法中原信号小波系数与消噪后小波系数的固定偏差.应用结果表明,自适应小波阈值算法对冲击信号消噪比常用的软阈值或硬阈值算法具有更好的直观效果.     

小波阈值去噪技术研究及其在信号处理中的应用

阈值函数的选取以及阈值的确定是小波收缩消噪的关键问题,阐述了小波变换及小波阈值去噪的基本原理.基于噪声和信号在小波变换下表现出截然不同的性质:噪声对应的小波变换系数将随着尺度的增大迅速衰减,建立了小波收缩消噪的统一框架.在该框架下总结了各种阈值函数的形式以及阈值确定的方式,研究了它们的性能及特点.仿真实验结果表明,该方法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.     

金属基复合材料缺陷超声信号消噪研究

为了剔除金属基复合材料缺陷超声信号中的噪声,得到没有污染的缺陷信号,便于进行信号分析,文章中使用了一种改进小波包消噪方法——平均能量阈值法,讨论了平均能量阈值法消噪的原理,并将小波包的多尺度时频分析及重构结合在一起,用于信的消噪研究中,通过仿真实验并与小波消噪方法进行对比。证明了该方法消噪的有效性;结果表明基于平均能量阈值法消噪技术在保信号奇异性的同时,能有效地去除金属基复合材料缺陷超声信号中的噪声。     

基于小波分析的脉冲涡流信号去噪方法研究

应用小波多尺度分解与重构技术和小波包分析技术对脉冲涡流检测信号进行处理,将信号中的噪声分离出来并去除。采用离散小波变换的强制消噪法、软阈值消噪法和不同熵准则的小波包消噪法,对实测的脉冲涡流信号进行消噪。在保留信号中有用成分的前提下,结合信号的信噪比和均方根误差,对消噪方法进行比较和优选。实验结果表明,小波包分析中的Threshold熵准则法效果最好。     

改进阈值消噪算法的小波包实现

小波包变换是一种时频分析的方法,在分析中高频方面优于小波变换,将其应用于滚动轴承振动信号中噪声的消除。本文在经典的小波软、硬阈值消噪方法的基础上,提出了一种基于小波包分析的改进方法。Matlab仿真结果表明,此法同时克服了软、硬阈值方法的缺点,而且其消噪效果比小波消噪方法要好。     

基于小波变换的水下焊接电弧信号消噪处理研究

水下焊接电弧信号是反映焊接状态的重要信号,如何有效地分析和处理电孤信号,将影响熔深在线检测结果。基于小波变换方法,研究了小波阈值去噪方法中的软阈值法和硬阈值法的缺点,提出了改进的阈值量化消噪法。经过实验表明,此方法在电弧信号的消噪处理中,具有良好的消噪效果。     

基于小波包分析木材声发射信号消噪处理

由于目前的滤噪技术在检测木材声发射信号时还存在一定的缺点,本文根据木材声发射信号的特征,基于小波包分析研究了利用信号的小波包分析、计算和最佳小波包基的选取.采用默认阈值方法处理小波系数,通过小波包重构得到消噪后的木材损伤声发射信号,噪声得到较好的抑制.结果表明用小波包变换进行消噪处理,噪声消除彻底,提高了损伤缺陷检测的准确性.     

广义小波收缩消噪阈值选择及应用研究

阈值函数的选取以及阈值的确定是小波收缩消噪的关键问题.首先建立了小波收缩消噪的统一框架:提出小波阈值消噪的广义阈值函数,推导了广义阈值函数阈值选取方法.其次在此框架下研究了如何选取最优阈值函数以及最优阈值.用6种具有不同特性不同信噪比的模拟信号,研究了具有代表性的阈值函数以及阈值的去噪性能,得到了优化的阈值函数以及阈值选取方案.最后将这种优化的消噪方法用于实际心电信号,取得了较好的效果.     

陀螺信号处理中小波参数选取规则的研究

在陀螺随机漂移的数学模型基础上,利用小波阈值滤波的方法对陀螺仪信号进行消噪处理;以均方根误差和信噪比作为消噪效果的评价标准,分别进行小波基、小波分解层数、阈值函数及阈值估计方法等小波参数的选取;通过比较选择db5小波对陀螺仪信号进行消噪处理,分解层数为第四层,阈值规则选择"rigrsure",采用软阈值;最后采用上述小波参数对实测陀螺仪信号进行消噪处理,取得较好的消噪效果。     

基于排列熵的振动信号小波包阈值去噪研究

工程实践中的振动信号往往存在噪声干扰而导致信号特征信息无法显露,传统小波包软、硬阈值函数去噪形式固定,无法依据信号小波包分解系数的噪声干扰情况进行调整.据此,提出一种新的介于软、硬阈值函数之间的改进小波包阈值函数,并将排列熵作为信号含噪情况表征参数引入阈值函数中.对信号小波包系数进行排列熵计算,并依据该值对阈值函数进行自适应调整,使得新的阈值函数能够对含噪较多的小波包系数进行大尺度收缩而对含实际信号特征较多的小波包系数尽可能地保留,从而达到最佳的去噪效果.对滚动轴承振动实验信号的去噪分析,并与其他方法进行对比,验证了该方法的有效性与优越性.     

小波图象去噪综述

小波图象去噪已经成为目前图象去噪的主要方法之一。在对目前小波去噪文献进行理解和综合的基础上，首先通过对小波去噪问题的描述，揭示了小波去噪的数学背景和滤波特性；接着分别阐述了目前常用的3类小波去噪方法，并从小波去噪中常用的小波系数模型、各种小波变换的使用、小波去噪和图象压缩之间的联系，不同噪声场合下的小波去噪等几个方面，对小波图象去噪进行了综述，最后，基于对小波去噪问题的理解，提出了对小波去噪方法的一些展望。     

小波分析在激光多普勒信号检测中的应用

为了有效的消除人体激光多普勒信号的噪声,提出了一种利用小波变换的方法对信号进行处理.通过研究多尺度小波变换和小波包变换的工作原理和消噪流程,利用Matlab对实际信号分别进行强制消噪、默认阈值消噪、给定软阈值消噪仿真,仿真结果表明,两种小波变换方法均可以有效地消除信号中的噪声.提高信噪比,适用于背景噪声强的人体信号的提取,并可推广到其他强噪声环境下对微弱信号进行提取,具有广泛的应用价值和现实意义.     

基于小波阈值的sEMG信号消噪方法研究

在表面肌电（sEMG）信号采集过程中,不可避免的会出现噪声,特别是人体运动时,肌肉动态收缩,采集的结果含噪就会更多。针对含噪情况,提出基于小波阈值的sEMG信号消噪方法。通过选择肌电信号的采集位置,在采用高精度的肌电采集系统的基础上,采集正常行走过程中胫骨前肌的sEMG信号,利用matlab小波工具箱,用dbN小波函数进行分解后,用detcoef函数提取不同尺度的细节系数,将与噪声相关的细节系数进行强制阈值消噪,对信号相关的细节系数用minimaxi阈值规则进行软阈值消噪,并与分层阚值得到的降噪信号进行比较,分层阈值得到的降噪信号过于光滑,降噪后的信号能量保留成份仅为46．48％,失去了原信号本身的一些信息。而采用软闯值消噪,不仅较好的去除了噪声,而且与原信号保持了很好的相似性,能量保留成份达到86．38％,说明比分层阈值具有更好的消噪效果。     

基于平稳小波变换的心电信号去噪研究

讨论了经典的离散小波去噪原理和平稳小波变换的原理，分析了阈值以及阈值函数的选取方法。并将经典的离散小波和平稳小波用于心电信号去噪处理。通过在不同阈值和不同阈值函数条件下对心电信号处理的去噪效果的对比研究，说明了平稳小波相对于离散小波不仅提高了信噪比，还较好的抑制了Gibbs现象，取得了更好的去噪效果。     

改进的阈值图像去噪算法仿真研究

研究了图像优化识别问题,图像中噪声经常会影响图像的清晰度,造成图像模糊等。为了更好的去除图像中的噪声,特别是去除图像中细节丰富的区域中的噪声,通常传统的去噪方法难以完成。为了更好的去除图像噪声并较好的保留图像细节信息。在经典的小波软、硬阈值消噪方法的基础上,提出了一种小波包分析的改进方法。小波包变换是一种时频分析的方法,在分析中高频方面优于小波变换,将其应用于图像中噪声的消除。在Matlab上仿真结果表明,此法同时克服了传统阈值方法的缺点,有效提高了图像去除噪声能力,清晰度更高,为图像优化消噪提供了参考。     

Visual enhancement of digital ultrasound images using multiscale wavelet domain

Ultrasonography has been considered as one of the most powerful techniques for imaging organs and soft tissue structures in the human body. The main disadvantage of medical ultrasonography is the poor quality of images, which are affected by multiplicative speckle noise. In this paper, we present a novel method for despeckling medical ultrasound images. The primary goal of speckle reduction is to remove the speckle without losing much detail contained in an image. To achieve this goal, we make use of the wavelet transform and apply multi-resolution analysis to localize an image into different frequency components or useful subbands and then effectively reduce the speckle in the subbands according to the local statistics within the bands. The main advantage of the wavelet transform is that the image fidelity after reconstruction is visually lossless. The objective of the paper is to investigate the proper selection of wavelet filters and thresholding schemes which yields optimal visual enhancement of ultrasound images, in particular. We employ the wavelet shrinkage denoising techniques with different wavelet bases and decomposition levels on the individual subbands to achieve the best acceptable speckle reduction while maintaining the fidelity of the image and also examine the effects of different thresholding techniques as well as shrinkage rules for denoising ultrasound images. The proposed method consists of the log transformed original ultrasound image being subjected to wavelet transform, which is then denoised by a thresholding technique using a shrinkage rule. Experimental results show that the subband decomposition of ultrasound images, using Bior6.8 and level 3 with soft thresholding based on Bayes shrinkage rule, performs better than other techniques. The performance is measured in terms of Variance, Mean Square Error (MSE), Signal-to-Noise Ratio (SNR), Peak SNR (PSNR) and Correlation Coefficient (CC). The results of wavelet shrinkage techniques are compared with common speckle filters. We observe that the proposed method achieves better visual enhancement of ultrasound images which would lead to more accurate image analysis by the medical experts.     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于小波阈值和主成分分析的视频去噪算法

将局部像素组主成分分析算法引入到视频去噪领域,并利用三维块匹配算法保持了视频序列的相关性,对视频中的噪声进行抑制。用三维块匹配视频去噪算法中小波阈值去噪得到的图像替换二阶局部像素组主成分分析中的第一阶处理得到的图像,这样可以避免局部像素组主成分分析算法直接处理视频时产生的局部效应。最后,局部像素组主成分分析算法也抑制了三维块匹配算法中的小波阈值去噪结果中产生的画面不平滑的问题。实验结果表明,本算法较好地将主成分分析算法引入到了视频去噪领域,同时较好地解决了三维块匹配视频去噪算法中小波阈值去噪的块效应问题,主客观指标的比较也表明本算法有较为优秀的去噪效果。     

改进EEMD算法在心电信号去噪中的应用

集合经验模态分解（Ensemble empirical mode decomposition,EEMD）方法在去除心电信号噪声时,噪声本征模态函数（Intrinsic mode function,IMF）分量难以选择且将噪声分量直接去掉会导致信号失真。针对上述问题,提出了一种基于EEMD的自适应阈值算法。首先对含噪心电图（Electrocardiogram,ECG）数据进行EEMD分解,得到IMF,根据马氏距离进行信号IMF分量和噪声IMF分量的判定,然后通过果蝇优化算法确定噪声IMF的阈值,将经过阈值去噪的新的分量和剩余分量重构得到去噪后的ECG。最后,使用MIT-BIH数据库中的心电数据进行实验,实验结果表明,该方法在去噪同时能够较好地保留信号细节。