基于小波变换的道路信号去噪研究

道路信号是一种复杂的含有多种成分的时域波形,不仅具有非平稳性,同时信号中还存在各种干扰和噪声。本文针对小波分析的特点,结合信号去噪方面的要求,对非平稳信号的噪声消除进行了研究。通过Matlab对基于小波分析的道路信号消噪进行了仿真,显示了小波在信号去噪方面良好的应用效果。     

基于小波包理论的激波信号去噪研究

超音速弹丸产生的激波信号在采集的过程中受到各种噪声的严重影响,导致了弹道参数测量精度的下降,因而必须对采集到的信号进行去噪处理。首先介绍了激波信号的特点以及成分,就信号降噪方法的选取展开了分析。但是由于激波信号是一个暂态信号,故而采用具有时频分析能力的小波包作为去噪的主要工具。使用小波理论进行去噪的好坏与阈值的选取息息相关,重点就小波包函数、分解尺度以及阈值的选取过程进行了研究。实验结果表明使用小波包对激波信号进行多阈值降噪处理具有良好的效果和优势。     

多小波在信号去噪中的应用

利用GHM多小波,采用通用的二变量阈值法,对多小波用于信号去噪中的阈值选取给出了具体的方法,对单小波与多小波的去噪方法进行了比较。通过实验结果可以看出,多小波在信号去噪的效果上明显优于单小波。     

基于小波变换的心音特征值提取算法研究

介绍了一种新的心音特征值提取算法。利用小波变换进行阈值去噪、包络提取、心音定位、特征值提取,最后识别出心音信号的异常与否。在阈值去噪中利用小波的多分辨率特性对信号进行8层分解并对每层实施软阈值去噪,把去噪后的信号重构,得到去噪后的心音信号,对去噪后的心音信号进行再分解并求出各层香农能量值,踢出包含信息量最少的层后得到心音信号的小波包络,采取自适应阈值线对所得小波包络进行S1,S2定位,并提取特征值T1、T2、T11及T12,利用特征值在二维散点图中的分布情况,实现了心音信号的自识别。     

基于Daubechies小波族的电能质量信号去噪方法研究

文中以Daubechies(紧支集正交)小波族为基础,分析紧支集正交小波由于N取值不同而构成不同的尺度函数和小波函数,并从函数的连续性、光滑性及小波函数的积分来分析尺度函数和小波函数的性质。通过Matlab仿真软件分别仿真不同N取值的尺度函数、小波函数及小波积分函数。将加噪的电能质量扰动信号分别用N取值不同的小波函数进行4层的小波去噪处理,通过信噪比及均方差来反应去噪的结果,从而给出选择N取值的建议。     

小波域信号去噪算法

小波变换是在信号处理方面是非常有用的工具,利用小波变换对信号进行去噪能达到很好的效果.文中提出新的小波域去噪模型,试验证明其去噪效果非常好且计算量小容易实现.在工业信号处理方面可以得到广泛的应用.     

基于B—小波的异步电机故障信号去噪和检测

提出了一种基于Ｂ－小波（基本基数样条小波）的滤波技术，并将该技术应用于电力系统信号去噪和特定频率分量的抵消，同时，还提出了一种基于Ｂ－小波的鼠笼式电机转子断条故障检测方法，并通过仿真结果验证了该方法的可行性。     

基于B－小波的异步电机故障信号去噪和检测

提出了一种基于B－小波(基本基数样条小波)的滤波技术，并将该 技术应用于电力系统信号去噪和特定频率分量的抵消，同时，还提出了一种基于B－小波的 鼠笼式电机转子断条故障检测方法，并通过仿真结果验证了该方法的可行性。     

基于多重小波变换的自适应脉搏信号去噪

小波变换在生物医学信号降噪处理中有着广泛的应用,但小波降噪处理中的软硬阈值法本身都有一定的局限性,而且还除去了部分有用信号,降噪效果不太理想。本文基于小波分析的特点,提出了一种对信号进行多重小波变换的自适应去噪法,该方法不仅克服了小波去噪软硬阈值法的局限性,而且解决了自适应滤波中参考信号选取难的问题,将该方法用于脉搏信号降噪,得到了满意的去噪效果。     

基于双树复小波变换信号去噪算法研究

离散小波变换被广泛应用于数字信号的去噪处理中,特别是非平稳信号、瞬时时变信号等的去噪,但是有平移敏感性的缺陷。为了克服这种缺陷,文中采用双树复小波变换进行信号去噪,并使用硬阈值、软阈值等准则进行滤波处理。最后采用SNR（信噪比）和MSE（均方误差）来评估两者信号去噪效果。结果表明,双树复小波变换能够较好的保存信号的细节信息,其去噪效果优于离散小波变换。     

心音信号与心电信号回放与分析系统

本文介绍了利用LabVIEW6.1构建对心音信号与心电信号的多路数据回放与分析系统的方法和技术,对如何提高采集系统的性能与精度进行了分析,同时也给出了一些实例。     

基于LabVIEW的声音数据采集分析系统

设计了一种基于LabVIEW多线程技术和PC声卡地声音数据采集分析系统,该系统可以实时地对声音信号进行采集、分析和比对,并能及时得出检测结果,而且采集的声音数据和检测结果都会被保存下来,以备后期的调用,同时还可以与预先设置的标准声音进行对比识别.经过对吉他多音色的实际测试,显示在标准信号3％误差范围内,本系统的总体检测准确度平均达到了91％,具有较高的准确度和稳定性,并且通过多次实验发现误差阈值在3％～5％之间时,测试的准确度是最高的.适合应用于语音识别、环境噪声监测和产品检测等多种领域.     

基于小波收缩的心音降噪最优化分析

基于小波收缩技术提出一种最优化降噪方案用于去除心音信号噪声。依据频带相似匹配原则,分析心音信号频率特征和Haar、Daubechies、Symlets和Coiflets正交小波的特性,基于分析结果选取了Coif5小波并确定最优小波包进行分解重构。另外,提出一种光滑连续的自适应弹性阈值函数,能够克服硬阈值函数间断点问题,并基于4种阈值规则定量评价了其在不同信噪比下的降噪效果。仿真结果表明,当信噪比小于50 d B时,本优化方案配合启发式阈值规则能保留充足的心音细节信息,同时有效去除噪音。     

基于改进的小波阈值的电能质量信号去噪

对于暂态的电能质量信号的监测,研究了一种用最大后验估计的双树复小波变换对电能扰动信号进行去噪高效算法。首先运用最大后验估计对扰动信号的改进的小波阈值进行去噪预处理,然后对于不同分解层的细节系数噪声方差和信号方差进行估算,并且运算出不同分解层阈值,从而得出去噪阈值。仿真实验结论表明:所提出算法步骤简单,计算速度快而且易于实现,去噪效果理想,具有很好的应用前景。     

基于提升小波改进阈值的光谱信号去噪研究

对傅里叶红外光谱信号的预处理进行研究,分析了小波变换在光谱信号去噪中的应用,针对传统小波阈值去噪中存在的缺点,对阈值函数进行改进。改进方法通过保留部分低于阈值的分解系数,克服了硬阈值法不连续,以及软阈值法估计系数和真实系数具有恒定偏差的缺点。实验采用基于提升小波的改进阈值函数法对铜陵市市区上空空气实测光谱信号进行预处理,结果表明,与经典小波变换和Donoho软阈值、硬阈值法相比,相同条件下信噪比、均方差、运行速度均有所提高。     

基于变分模态分解和小波分析的变压器局部放电去噪研究*

为有效去除变压器局部放电信号中大量的电磁干扰,针对现有经验模态分解存在模态混叠等问题,提出将一种新的信号分解算法——变分模态分解结合小波运用在变压器局部放电信号中来抑制窄带周期干扰和白噪声。首先利用变分模态分解将含噪信号分解成若干个以某中心频率波动的模态,在分解过程中自动滤去白噪声;然后提取含局部放电信息的模态进行重构;最后通过小波去除残余窄带周期干扰,进而实现干扰抑制。仿真和实测信号分析结果表明,该方法能很好地抑制两类干扰,保留局部放电信号特征,验证了采用变分模态分解结合小波去除噪声的有效性,为局部放电信号去噪提供了一种新的方法。     

基于改进阈值函数的小波降噪分析在水电机组振动信号中的应用

小波阈值降噪算法是一种传统的水电机组振动信号的降噪算法,本文在其基础上提出了一种新的改进阈值函数的小波降噪方法,将改进阈值函数的小波降噪方法运用到水轮机机组振动监测中,解决了传统阈值函数存在抑制噪声污染与保留信号细节之间的矛盾。通过模拟振动噪声信号进行消噪比较,在信噪比和均方误差均优于传统小波阈值消噪方法,并结合虚拟仪器LabVIEW和MATLAB混合编程实现了水电机组振动信号采集及改进阈值小波的降噪处理,通过对降噪前后不同降噪方法在振动信号特征分量的保持程度进行比较,说明该方法在各分量保持均优于传统的阈值函数方法,是一种有效的降噪方法。     

基于小波混合阈值方法的电能质量信号去噪

基于小波变换的阈值去噪是滤除采样信号中白噪声的有效方法.在实际应用中,阈值的选取和对小波系数的处理方法是影响其去噪效果的2个重要因素.软硬阈值方法各有其优缺点.将两者结合起来的混合阈值方法可提高去噪算法的性能.在分析软硬阈值方法各自的优缺点后,结合正态分布的规律和信号、噪声的小波系数在不同层上的分布特点,提出了能自适应确定临界尺度的软硬阈值结合的混合阈值去噪方法.对采样信号进行小波变换,根据各层小波系数能量的最小值,确定临界尺度.对小于或等于临界尺度的层数上的小波系数用软阈值方法处理,对大于临界尺度的层数上的小波系数用硬阈值方法处理,这样处理能减小信号能量损失.对尺度系数和处理后的小波系数进行重构,得到去噪后的信号.仿真实验表明.混合阈值方法去噪性能稳定,在不同信噪比下都能有效地去除白噪声,较好地保留了原信号的局部特征,且方法简单,计算量小.     

基于声卡虚拟音频信号分析仪设计

用普通的计算机声卡代替商用数据采集卡,利用声卡的DSP技术和LabVIEW的多线程技术实现音频信号的数据采集,开发基于PC机声卡的虚拟音频信号分析仪.该系统能够正确采集声卡设计频率范围内的信号,实现音频信号时域分析和频谱分析功能.