小波变换在信号消噪中的应用

小波分析具有时间平移和多尺度分辨率的特点,是目前信号处理领域中十分活跃的理论。本文介绍了小波原理以及信号消噪原理和方法,并将小波变换与傅立叶变换进行比较,仿真结果表明,小波变换是一种有效的消噪方法。     

小波变换在天线近场测试中的应用研究

小波变换是各领域科学研究必备的有力工具.文中介绍了小波变换的理论知识,小波变换消噪的原理和过程,具体研究它在抑制天线近场测试中引进噪声的应用.仿真结果表明,小波变换消噪既能有效地去除信号噪声,又能较好的保留原信号中的突变信息.     

基于小波分析理论的电源信号消噪方法

某电源信号是典型的非平稳、非线性信号,信号中带有各种噪声,需进行适当处理.小波变换时的频局域性好,是分析非平稳信号的有效工具之一.研究基于小波变换的阈值消噪法,借助LabVIEW平台,通过仿真试验,对软阙值和硬闲值消噪及采用不同的小波函数消噪进行了分析.应用LabVIEW对电源信号进行采集,并且对LabVIEW中调用Matlab里的小波函数进行去噪分析的程序进行研究,收到良好的效果,为进一步提高电源信号消噪处理的效果奠定了基础.     

基于DSP和小波变换电能质量检测的研究

本文简要介绍了小波变换和多分辨率分析及其非线性信号消噪原理,并将该项技术应用于交交变频调速系统电能质量信号的消噪处理中,本文采用了一种在以数字信号处理器(DSP)为核心所构成的交交变频调速电能质量检测系统中对信号进行消噪的新设计方案.采用这种消噪方法,不但可以保留信号的突变特性,还可以大大降低对信号调理电路的设计要求,简化电路结构,严格保证原始信号之间的相位关系,适用于对实时性要求不高的信号检测系统.     

小波分析及其在信号处理中的应用

首先对小波变换做了概括介绍，综述了小波变换在信号处理中的2个重要方面的应用：信号特征提取和信号消噪。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

小波变换在舰船辐射噪声消噪处理中的应用

针对舰船辐射噪声信号的特点，根据小波消噪的原理设计了一种消噪的方案，利用MATLAB在计算机上用不同的小波基函数对实船信号进行了消噪处理试验，井对结果进行了简要的比较说明。试验结果表明，在选择了适当的小波基函数和阚值的情况下，采用小波变换的消噪方法对舰船辐射噪声信号进行消噪处理。可以取得良好的效果。     

基于提升小波的图像消噪

提升算法能够有效解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性.介绍了提升算法的过程,基于提升小波的图像消噪算法.实验结果表明,该算法消噪后的图像质量上优于一般小波变换的传统方法.     

基于小波包阈值法的无线电信号消噪研究

无线电信号受环境、设备等因素的影响,使监测接收机收到的无线电信号被噪声不同程度地污染,影响到监测数据的准确性.信号消噪在通信和信息学领域一直是研究的重点之一,本文介绍了小波包阈值法的无线电信号消噪原理,提出有效的消噪算法,通过仿真实验进行对比,证明了该方法的有效性.实验证明,小波包阈值法简单可靠,能够有效消除噪声,达到还原原始无线电信号的目的.     

基于小波的阀值消噪方法讨论及实现

根据小波变换的特点和信号消噪方面的要求,利用小波变换对平稳和非平稳信号进行消噪作了较深入的研究。阐述了利用小波分析消除信号噪声的基本原理和方法,并且利用Matlab软件编制程序实现了基于小波分析的平稳信号和非平稳信号的消噪仿真分析,实验表明小波阀值的选择对于平稳信号和非平稳信号的消噪效果是不同的,在此基础上分析了软硬阀值的特点和缺陷。     

基于实时小波消噪的光纤光栅解调系统研究

由于光纤光栅解调系统中的各种光噪声会影响到系统的测量精度,基于小波变换和Mallat算法分析了小波消噪的原理.利用数字信号处理器TMS320VC5402对含噪光纤光栅反射谱进行分解与重构,实现了实时小波消噪.通过仿真试验验证了利用DSP进行小波消噪处理的可行性.进行了基于小波消噪技术的光纤光栅温度解调实验.实验结果表明,解凋系统的解调线性度得到了改善.     

基于小波变换的语音信号消噪处理设计

本文介绍了小波变换的特点,分析了在语音信号消噪过程中所碰到的具体问题,并主要研究了阈值消噪方法。在阈值消噪方法中,对于小波阈值消噪个四个关键因素:小波基函数、分解层数、阈值函数、软硬阈值处理方法选取的难点问题进行了设计探索,并通过设计程序仿真出直观图像对比以及数据分析得到适合的阈值消噪设计方案。     

小波变换在微光图像消噪中的应用算法研究

根据小波变换用于图像消噪的原理,结合微光图像噪声的闪烁颗粒性特点,对小波变换用于微光图像消噪时的小波基及小波分解层次的选取进行了分析,得出采用Haar小波进行一层分解即可满足微光图像消噪要求的结论。为了选取小波消噪的系数阈值,通过对三幅微光图像小波系数的直方图分析,设计了阈值选取算法,并针对微光图像,得出了消噪的经验阈值。经过仿真实验及算法复杂度的时间分析,在实时性和微光图像消噪效果之间取得了平衡。     

基于小波分析的导航传感器消噪处理方法研究

导航传感器输出的测量信息一般都含有许多噪声，如何消除这些噪声以保证飞机飞行的安全平稳具有一定的研究价值。本文论述了小波变换的数学理论和方法，并根据小波变换的多分辨率分析特点，提出了一种基于小波分析的导航传感器位置数据消噪处理方法，重点利用 Daubechies 小波函数和阈值消噪方法对导航传感器输出的位置数据进行了离线实验分析，最后通过工程化应用，在某导航传感器中集成了该方法并进行验证，效果明显。     

基于Curvelet变换的图像消噪

小波变换对图像消噪能够起到较好的效果,但是对图像中线性区域的处理存在局限性.Curvelet变换是一种新的具有方向性的多尺度变换,他处理图像线性区域能有更好的效果.将Curvelet变换运用到图像消噪中,实验结果表明,他的消噪结果比小波消噪有着更好的视觉效果,并且PSNR也得到一定的提高.     

芯片毛细管电泳信号的小波消噪

采用小波消噪方法对芯片毛细管电泳信号进行了处理,研究了小波基的选择,噪音在不同细节中的特征以及噪音阈值的确定。结果显示,与Fourier消噪算法相比,运用小波消噪算法不仅能够更有效地消除噪声,而且能使峰形不变,峰高不受影响。     

基于小波变换对信号噪声的处理研究

采用传统的滤波方法对信号进行消噪时,虽然方法简单,但是以牺牲信号的局部特征为代价,且信号的信噪比并未得到有效地改善。文中采用小波变换的方法对信号进行消噪,将原始信号经小波分解后,信号的小波系数大于噪声的小波系数,再选取一合适阈值,保留高于此阈值的信号小波系数,从而达到消噪的目的。实验结果表明,该方法不仅能有效地去除信号中的噪声,且能保留信号的局部特征。     

小波神经网络用于双模噪声的消噪

小波神经网络利用了小波变换的良好的时域和频域的分析能力以及神经网络的自学习能力,具有良好的容错能力和逼近能力。针对双模斯噪声,提出基于小波神经网络的双模噪声背景下信号的消噪算法,介绍了双模噪声的3种简化模型,阐述了小波神经网络的基本概念以及基于此方法的消噪算法。将小波神经网络用于此3种双模噪声背景下信号的消噪。实验结果表明,该方法能有效地消除已知信号中的双模噪声。     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.     

一种基于小波变换的图像消噪算法

该文在自适应树小波萎缩法的基础上,结合小波系数的零树编码思想和小波变换的信噪分离特性给出了一种新的小波消噪算法。该算法不仅减少了运算量,而且在消噪和保留奇异点信息方面也取得了较好的效果。