平移不变小波在心音信号去噪中的应用

小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。     

基于小波分析的阈值语音信号去噪研究

基于小波分析的阈值语音信号去噪技术是语音信号处理的一个重要热点,主要是围绕阈值函数的选取来讨论的,传统的阈值函数主要有硬阈值函数和软阈值函数,由于应用范围有限,使得这两种阈值函数不能满足很多方面的要求.基于传统的小波阈值函数改进的基础上,对语音信号进行去噪,效果较传统的阈值函数有了进一步的改善.     

平移不变小波去噪法在胎儿心率提取中的应用

用传统的小波阈值法对超声多普勒胎儿心脏回波信号进行去噪处理时会产生Psuedo Gibbs现象,影响了去噪效果和胎儿心率值的提取。为了解决这个问题,在此基础上提出了平移不变小波法去噪。实验结果表明,该方法有效的抑制了Psuedo Gibbs现象,剔除了信号中的噪声,识别出被噪声淹没的有用信号,有利于心率值的提取。     

基于小波的信号阈值去噪算法研究

阈值去噪的方法就是在小波分解后的各层系数中,对模大于或小于某阈值T的系数分别处理,然后对处理完的小波系数再反变换重构出经去噪后的信号.在阈值去噪中,阈值函数体现了对超过和低于阈值的小波系数模的不同的处理策略以及不同的估计方法.     

小波变换的语音去噪方法

提出一种改进的语音去噪处理方法：二次小波分解全局阈值法。该方法不同于传统阈值滤波方法,首先对语音信号的高频部分进行二次分解,然后应用阈值滤波的方法对信号进行去噪处理。该方法在MATLAB上进行了模拟实验,实验结果表明该方法提高了信噪比,去除了大部分噪声,相当完整地保留了有效信号能量,很好地解决噪声对语音信号干扰的问题。     

一种改进的语音数据小波阈值的去噪算法

小波阈值去噪是一种简洁有效的信号去噪方法,在信号处理领域得到了广泛应用。结合语音信号特有的频率分布特点,在软硬阈值函数的基础上,提出了一种改进的基于分解尺度的小波阈值去噪函数。仿真实验表明,该函数能够较好的滤除语音数据中的噪声,并且在更大程度上保留原始语音信息。     

改进小波阈值函数信号去噪研究

为解决信号去噪中白噪声的抑制问题,在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出一个双变量阈值函数。与传统的硬阈值、软阈值函数相比,该函数有优越的数学特性。仿真实验表明,新的阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于上述去噪方法,具有较高的实用价值。     

基于小波和EMD的语音信号去噪

为了解决语音信号问题,本文在传统小波阈值去噪方法的基础上提出了提出了一种基于经验模态分解的小波阚值去噪算法,并与小波阂值去噪法和EMD去噪效果相比较,试验结果证明,基于经验模态分解的小波去噪效果是相当有效和稳定的．为研究语音信号去噪处理提供了新的手段。     

带噪语音信号小波去噪算法研究

去噪问题是信号处理中必不可少的问题。滤波作为传统的去噪方法,主要包括线性滤波和非线性滤波。噪声与信号频率重叠,传统方法要想取得良好的去噪效果必须牺牲部分信号。现有的小波模极大值去噪方法虽然有较好的去噪效果,但是该方法计算量大。小波阈值去噪方法更简单,但小波重构后的小波系数与噪声的小波系数存在恒定的偏差。在阈值去噪方法的基础上提出一种改进算法,仿真结果表明该算法在加性高斯白噪声污染下表现出较好去噪效果。     

基于小波变换的战场声信号去噪方法研究

在实际战场中,采样声信号不可避免的受到各种噪声和干扰的污染,导致声信号特征提取变得困难而不利于进一步的目标识别。为了有效去除混叠在战场声信号中的噪声信号。运用离散小波理论对其进行阂值去嗓处理。通过对几种去噪方法对比分析和基于MATLAB信号去噪的仿真试验,仿真结果表明对于战场声信号而言,基于Birge—Massart阂值算法具有更好的去噪效果。     

基于二进小波变换和软阈值改进的信号消噪

软阈值消噪是信号消噪中的标准算法.理论上,软阈值方法在最小最大误差方面是近似最优的.研究表明,通过结合系数消噪和软阈值方法,可以达到更低的误差下界.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,采用了具有平移不变性的二进小波变换.实验结果表明,文中所提算法的消噪结果具有更高的信噪比和更光滑的外观.     

基于改进阈值的双树复小波眼电信号去噪方法

眼电(EOG,electrooculogram)信号由眼球的运动而产生,通常在采集过程中混入强烈的背景噪声,去噪是对眼电信号作进一步分析和识别的首要步骤.提出将双树复小波变换用于眼电信号的去噪,并采用一种新的阈值估计方法改善统一阈值过度扼杀小波系数的缺点,用均方根误差和信噪比评价眼电信号的去噪效果.结果表明:与传统离散小波变换相比,双树复小波变换既能很好地抑制噪声,又能更好地保留信号的细节,具有较高的实用价值.     

两种小波阀值去噪算法的比较研究

传统的小波去噪算法是对含噪信号的正交小波分解系数硬取阀值或软取阀值(该文提出软取的阀值应大约为硬取阀值的一半),这种算法可能会使重构信号在奇异点邻域产生人为的振荡,即Gibbs现象。能有效消除或减弱振荡的一个有效方法是对含噪信号进行在某个范围内所有可能的循环平移(实际上反向平移小波),然后用阀值估计信号,并对逆平移后的估计取平均得到重构信号。该文研究了平均平移算法的实现及平移范围与去噪效果的关系。     

基于小波变换的多焦视觉电生理信号去噪研究

多焦视觉电生理信号具有较强的随机性和背景噪声,且又属于非线性、非平稳的微弱信号,用Fourier变换来进行去噪处理其效果不是特别理想.小波变换(WT)具有优良的时间-频域分析和多分辨分析特性,可以用来处理非平稳随机信号,能获得更多的、具有诊断价值的信息,因此WT成为多焦视觉电生理信号的一种可行有效的去噪处理方法.文章基...     

基于小波包分解与RVM的声发射信号识别

声发射信号识别目前已经成为检测大型储罐底板缺陷状况的普遍方法之一.针对现有声发射检测技术对原始信号的处理与分析方法的不足,对储罐底板腐蚀程度分类识别方法的不明确,基于小波包分解,对声发射传感器接收到的原始信号进行特征提取,得出了信号的特征向量,通过训练相关向量机,结合相关向量机模型对待测设备进行腐蚀类型归类识别,得出分析结论.应用该方法对大连某企业的储油罐进行实测数据检验,分析结论与储油罐实际状况相同,验证了该方法具有科学性与可行性,能够诊断大型储罐底板腐蚀状况的准确性和可靠性.     

基于小波的信号分析

简介小波概念之后,对一组模拟信号进行分析,采用小波变换,选出合适的小波函数,处理后再重构。对采用Mexican hat小波、Shannon小波、Meyer小波这三种不同小波得到的去噪结果进行比较,验证信号的滤波效果与选取的小波类型有较大的关系。     

动态触觉传感器检出信号的小波消噪新方法

基于平稳离散小波变换(SDWT)研究了一种改进阈值消噪方法：给出了一种新的跨尺度阈值计算方法；使用将软、硬阈值估计的细节系数进行加权平均的细节系数估计方法；通过补充大尺度细节系数降低消噪误差的方法。与经典的软、硬阈值方法比较，大量的仿真试验说明本文的方法在信号畸变、误差、光滑度等性能指标之间取得了合适的折衷。将此方法应用于动态触觉传感器检出信号的消噪，提高了检出信号的信噪比，显著减小了误差和信号畸变，取得了显著的性能改进。     

小波消噪在微弱信号检测中的应用

从信号去噪的角度对小波变换作了分析,并且对用非线性小波从噪声中提取有用信号的算法作了对比研究,给出了几种方法的综合方法——变阈值消噪方法,以得到更好的消噪效果。应用对微弱检测信号的仿真试验验证了变阈值消噪算法的优越性。