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.     

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.     

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。     

一种新的基于小波变换的语音消噪方法

提出一种新的语音消噪处理方法:二次小波分解全局阈值法.该方法不同于传统阈值消噪方法,首先对语音信号高频部分做了二次分解,然后应用阈值消噪的方法对信号进行消噪处理.该方法在MATLAB上进行了模拟实验.试验结果表明该种方法鲁棒性很好,提高了信噪比,去除了大部分噪声,同时有效信号的能量也相当完整地保留下来,能够很好地解决噪声对语音信号的干扰问题.     

一种基于小波变换的SAR图像斑点噪声抑制方法

给出了一种抑制合成孔径雷达斑点噪声的方法,它以小波多分辨分析理论为基础,通过对小波分解后细节子空间像素的幅度值进行处理,来抑制斑点噪声,并且设立适当的阈值对图像的边缘进行增强。使得在噪声抑制的同时达到保留图像边缘结构信息的效果。经过和现有的几种抑制班点噪声的滤波器进行定量和定性的实验比较,由实验结果可以看出使用小波方法处理的图像效果好于其他方法。     

基于小波变换的信号去噪应用

讨论了一种基于小波变换的信号去噪方法，从3种不同的去噪方法比较中看出小波变换在信号去噪中的优越性，数值实验及实际运用都证明了该方法的有效性．     

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。     

小波分析在信号消噪中的应用

对小波分析和小波包的基本理论进行了简单介绍,详细分析了基于小波分析和小波包对信号进行消噪的处理技术,并利用MATLAB分别进行了计算机模拟,最后分析、比较了各种消噪方法的效果和优缺点,并结合理论分析和模拟结果讨论了阈值的选取方法和原则。通过本文的分析和模拟结果,我们可以看出,小波分析在信号的消噪中具有独特的优势,并且具有广阔的应用前景。     

基于小波变换的热辐射测温信号消噪处理

黑体腔透光是影响热辐射测温精度的主要因素之一，反映在测温信号中存在明显的高频噪声和奇异性噪声。通过对黑体辐射功率密度与频率和温度的关系以及实际测温信号的频率特性的分析，利用小波多分辨分解与重构去噪、非线性阈值法去噪和极大值法去噪相结合的方法，消除了因黑体腔透光而引起的高频噪声和奇异性噪声，取得了与通过改进制作工艺来克服黑体腔透光问题一样的效果，从而大大降低了热辐射温度传感器的生产成本。     

改进的小波阈值语音去噪算法

小波阈值去噪算法简单,计算量小,但是硬阈值函数的不连续性会造成信号的振荡,软阈值函数太过光滑会造成信号高频信息丢失.基于两种阈值函数存在的缺点,在小波变换理论基础上研究了一种改进的小波阈值语音去噪算法,提出了一种改进的阈值函数,同时也提出了修正阈值的修正系数.最后通过MATLAB仿真结果证明该方法在一定程度上可以去除噪声,减少信号的振荡,保留原信号的特征尖峰点信息,降低了信号的失真,更好地估计原始信号,明显改善了语音质量.     

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。     

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...     

一种改进的小波变换快速算法

提出了一种改进的小波变换快速算法.通过对小波滤波器系数特点的分析,发现M allat算法的速度可以进一步提高.在小波分解与重构中可以成对地计算,即在分解中一次计算一个低频系数和一个高频系数,而在重构中则一次计算相邻两个恢复值.在每一对值的计算过程中,后一个值的计算可以利用前一个值的计算结果,从而减少乘法和加法的次数,达到提高速度的目的.文中给出了M allat算法和改进算法的实验对比数据.     

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.     

一种基于小波变换的最小二乘复频域法的改进方法

针对应用最小二乘复频域法处理含有大阻尼、模态密集频带的频响函数时,难以快速、准确处理其中密集耦合模态的不足,提出了利用小波变换的带通滤波器特性对其进行改进的方法。该改进方法通过分析频响函数,搜索出应用原方法无法提取的密集耦合模态,对其选定合理的小波尺度因子进行小波变换分析,实现快速、准确的模态解耦和参数提取。最后通过对频响函数中含有大阻尼、模态密集耦合频带的8自由度系统进行仿真研究,验证了这种改进方法的正确性和优越性。     

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。     

乘性噪声消除的同态变换盲源分离算法

为消除乘法性观测噪声，利用独立分量分析的冗余取消特性，提出一种基于同态变换盲源分离（BSS）的消噪新方法.通过对原始观测信号的同态变换--对数变换，将乘法性噪声转变为加法性噪声.引入经过相同对数变换的虚拟噪声分量，将变换后的一维观测信号扩展为多维观测.依据最大化估计分量间独立性的准则（由高阶累积量构成）对多维观测实施盲源分离.最后，联合指数逆变换及输出信号校正处理，实现真实信号的估计，从而消除原始观测中的乘法性噪声.仿真消噪实验结果表明，该方法可有效地消除观测信号中的乘法性噪声.与同态滤波等传统的乘性噪声消除技术相比，新方法不仅实现简单，运算效率高，而且可以方便地扩展应用于多维观测信号的噪声消除.     

基于整数小波变换的图像融合算法

图像融合技术是将同一对象的两个或更多的图像合成在一幅图像中,以便使它比原来的任何一幅图像更容易为人们所理解。成功地进行图像融合的关键在于找到有效实用的图像融合算法。本文提出了一种基于整数小波变换的图像融合算法,首先将待融合的源图像作多层整数小波分解,然后对各分解层分别实行融合处理得到新的小波系数矩阵,最后通过整数小波逆变换得到融合的图像。实验结果表明本算法具有很好融合效果和实用性。