基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

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。     

基于总变分与小波变换的图像去噪算法

针对标准的ROF模型在去噪时边缘信息对噪声敏感且易模糊的缺陷,提出了一种改进的图像去噪新方法．在新算法中引入各向异性的扩散函数,并利用小波变换的模替代梯度算子的模来检测图像的边缘,从而使新模型具有很好的鲁棒性并根据图像的特征进行平滑,因而更好的保护边缘信息．数值实验表明,新算法使峰值信噪比平均提高约1.5dB,在视觉效果上也有很大改善．     

一种改进的基于小波变换的图像去噪算法

提出一种改进的多参数小波阈值算法,通过调节因子k和r可以适应阈值λ的变化,与传统的硬阈值和软阈值法相比较,新算法去噪效果明显,尤其适用于去除强高斯噪声。以源图像和去噪后图像的峰值信噪比最大为依据,采用粒子群优化算法来选择自相应的调节参数,对新算法进行实验验证,仿真结果表明,新算法不仅可以有效去噪,而且可以避免高频信息的...     

基于小波奇异性的电主轴振动信号处理

将小波奇异性理论运用到高速电主轴振动信号处理中,分析了如何进行小波奇异性信号重构的方法,提出了电主轴振动信号奇异性检测算法。构建了电主轴信号测试与处理系统。根据小波变换后信号与噪声在各尺度空间呈现的不同特性,对小波逆变换信号重构,提取了高速电主轴振动信号特征。仿真实验表明,利用小波奇异性对电主轴振动信号进行处理,能够去除噪声对加工过程监控系统的影响,同时还可以对机械故障信号进行预测,达到了提高电主轴使用寿命的目的。     

基于FPGA的信号奇异性检测

针对传统信号奇异性检测方法的局限性,提出了利用小波变换来检测信号奇异点的准确位置的设计方案.在Altera公司的FPGA芯片EP2C8Q208平台上,采用小波db8实现信号奇异性的检测.实验结果表明,此系统在信号奇异性检测方面相对于傅里叶分析提高了奇异点检测的准确度和效率.     

基于小波变换模极大值与奇异点的短时电压变动实时检测

介绍了短时电压变动的小波检测方法,分析了小波变换模极大值与原始信号奇异点的对应关系、噪声的小波变换固定阀值消除原理,提出了短时电压变动实时检测的实现过程,并完成仿真验证．仿真结果表明：该检测方法不受噪声干扰,实现短时电压变动发生时间的精确检测．     

双变量模型与平移不变小波变换相结合的图像去噪算法

提出一种双变量模型与平移不变小波变换相结合的图像去噪算法.与传统的小波阈值去噪算法不同,该阈值不是直接作用于小波系数,而是利用图像平移不变小波变换系数尺度内和尺度间的双重相关性信息,构造出非高斯双变量分布模型,对该模型应用贝叶斯最大后验估值理论推导得到相应的非线性双变量阈值函数.同时,对第L级系数也作自适应处理.仿真结果和分析表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果.     

基于改进小波阈值法的平移不变心电信号去噪

人体心电信号在采集过程中掺杂着各种噪声信号,而常用的小波阈值法在心电信号去噪中存在缺陷,为此在小波阈值法的基础上进行改进,得到新的阈值去噪方法,该方法能够较好保护心电信号特征,有效保持各种心电波形的幅度,并在一定程度上有效抑制脉冲噪声.此外,由于传统小波阈值法去噪都是基于离散小波变换进行的,所以在幅度较小的Q,S波处会产生Pseudo-Gibbs现象,而文中以改进的小波阈值法为基础对心电信号进行平移不变的去噪处理,有效地克服了这个问题.利用美国麻省理工学院的MIT-BIH心电数据库对以上方法进行验证,取得了良好的去噪效果.实验结果表明,所提出的算法与传统的小波阈值法比起来能够更好的保持心电信号的几何特征,且具有更高的信噪比.     

基于局部余弦变换的多普勒信号降噪方法研究

提出一种基于自适应局部余弦变换和非负Garrote取阈值的多普勒超声信号降噪方法.首先,对信号进行局部余弦变换,并且搜索描述信号的最优基;然后,利用非负Garrote方法对最优基系数取阈值;最后,由取阈值后的系数进行重构得到真实信号的估计.仿真结果表明,该方法在低信噪比情况下优于基于时移不变小波变换的降噪方法,是一种可行而且有效的降噪方法.     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数 ,定性说明了信号奇异点的奇异程度 .然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程 .最后将其应用于电力系统继电保护故障诊断中 ,简化了Lip指数及奇异点算法步骤 ,取得了较为满意的效果 .     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数,定性说明了信号奇异点的奇异程度．然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程．最后将其应用于电力系统继电保护故障诊断中,简化了Lip指数及奇异点算法步骤,取得了较为满意的效果．     

基于非线性扩散与小波变换的混合图像去噪算法

利用小波变换能够很好地保留图像细节信息的特点,提出了一种将非线性扩散方程和小波变换相结合的图像去噪方法。采用由小波系数估计的非线性扩散方程扩散函数对图像进行非线性扩散,取得了较好的去噪效果。仿真试验证明了算法的有效性。     

小波变换提取电力电容器局部放电信号研究

为了消除电力电容器局部放电信号的噪声,提高电力电容器局部放电信号在线检测的有效性,提出基于小波变换阈值消噪方法的电力电容器局部放电信号提取方法。选择合适的小波基函数和分解层数对信号进行小波分解,确定合适的阈值规则以及阈值估计方法对小波分解系数进行阈值量化处理,从而得到消噪后的局部放电信号。以均方根误差RMSE和信噪比RSN为衡量指标,分析了小波基函数、分解层数、阈值规则和阈值估计方法等对消噪效果的影响。结果表明,当选择db2小波作为最优小波基函数,分解层数定为6层时,利用最大最小准则阈值估计法估计的阈值在软阈值规则下能有效提取电力电容器局部放电信号,达到了最优去噪效果。     

一种改进的小波阈值消噪方法

在运用小波阈值法去噪时,在一些不连续点处有时会产生伪吉布斯现象。为了去除这种现象,考虑在阈值法的基础上对信号进行循环平移,然后再对平移后阈值上的系数进行放大,对信号进行消噪处理。通过仿真实验,可知该方法消噪后的视觉特性较好,并且信噪比提高,均方根误差有所降低,从而说明了该方法的有效性。     

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。     

基于高阶统计量和小波变换的差压信号分析

为分析气液两相流差压信号的内在特征，提高测量信号的信噪比（SNR），提出了一种基于小波变换和高阶统计量的信号分析方法.该方法利用小波变换技术将差压信号分解为多个不同频段的尺度函数，根据先验知识滤除信号中的高频噪声，同时提取不同尺度上的细节信号能量特征值.基于高阶统计量技术，提取不同工况下重构的已除噪差压信号的双谱特征值，分析了信号的双谱特性.初步研究表明，小波变换和高阶统计量相结合的信号分析方法能有效地抑制信号中的高斯有色噪声，提取的细节尺度能量特征和双谱特征可以提供更多的关于管道内复杂流动状况的信息.该方法为气液两相流流动状态的判别和过程监控提供了有益的借鉴.     

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．     

小波变换在弱信号检测中的应用

简要介绍了短时傅里叶变换及小波变换理论,并用此理论分析了强噪声背景下雷达弱信号检测方法,给出了相应的基函数及离散算法,最后给出了计算机模拟结果.