地震波形信号小波去噪研究

从小波变换的基本原理出发,讨论了如何选择合适的小波函数及适当的阈值,以实现非线性非平稳地震信号的去噪算法。利用多尺度小波分解对地震波形数据进行了分析,在MATLAB中实现了对地震信号的去噪算法。分析比较了基于傅里叶变换和基于小波变换的两种算法对实际地震信号的去噪效果。结果表明,对于非线性非平稳地震信号的噪声消减,小波变换去噪算法显著优于傅里叶变换去噪算法。     

基于小波变换的非平稳信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效, 且残留的信号噪声较大。基于小波变换的去噪算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换的模极大值随尺度的变化大小不同,得到噪声在小波域中的位置以及小波系数大小。实验结果表明：该算法对平稳和非平稳的噪声都能进行较好地去噪。     

基于阈值的小波域语音降噪新算法

提出了一种新的基于阈值的小波域语音降噪算法。采用小波包对含噪语音进行分解，克服了传统的正交小波变换的缺陷。采用自适应阈值的方法，对每一尺度上的噪声最大量进行去噪，保留有用信号，可以进一步提高信噪比，仿真实验表明，该方法有更好的去噪效果。     

基于小波变换的信号去噪的应用研究

文章指出了小波变换去噪方法与一般意义下去噪方法的不同,讨论了小波变换算法的优越性,进而提出了利用小波算法对含噪信号进行逐层分析与重构,将原始信号分解为不同频带,滤除不需要的频带,最后用Mallat重建算法得到去噪后的信号,既有效地滤除了信号噪声,又保留了信号的突变性。大量的实验结果和进一步的分析表明,该技术应用在动力系统的去噪研究中将更加有利于系统的稳定运行。     

基于提升小波改进阈值的雷达信号去噪方法

针对传统小波域阈值去噪的局限性和缺陷,提出了基于提升小波变换的改进阈值函数去噪新方法。通过提升小波变换提取含噪信号小波系数,并利用新阈值函数进行降噪处理。实验仿真结果表明,该方法运算速度快,能有效抑制噪声,信噪比和均方根误差性能均优于经典阈值函数和已有的两种改进阈值函数,在对雷达弱小目标的检测中有很好的应用价值。     

基于小波变换的诱发电位信号去噪研究

基于一维小波变换的方法对诱发电位信号进行了去噪研究。采用小波多分辨率分析方法来处理信号的高频———即噪声部分,分别对仿真信号和实际信号进行消噪处理,比较了去噪前后信号的信噪比等性能指标。实验表明,小波变换方法能较好地消除诱发电位信号的噪声。     

基于小波阈值法的近红外光谱去噪研究

信号在产生、处理和传输等过程中,不可避免地要受到噪声的干扰。为了保障对信号后续更高层次处理的精度,信号去噪十分必要。利用小波变换和阈值处理在原始含噪信号中进行分解和重构,从而消除噪声的原理对近红外光谱进行去噪研究。主要目的是比较、分析小波变换在四种不同的阈值选取规则(固定阈值规则、无偏似然估计阈值规则、混合型阈值规则、极大极小阈值规则)下对近红外光谱的去噪效果。文章基于任一随机生成信号,利用MAT-LAB工具分别去噪、绘制效果图,并计算信噪比及均方误差值。通过实验、计算、比较及分析,四种阈值选取原则下,小波阈值方法对近红外光谱去噪效果均较好,光谱信号特征被较好保留,光谱噪声几乎被完全抑制。其中,固定形式小波硬阈值去噪效果最好。     

基于离散平稳小波变换的心电信号去噪方法

提出一种基于离散平稳小波变换的心电信号噪声去除方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的阈值去噪方案。该方法有效克服传统离散正交小波变换去噪时容易产生Gibbs现象的问题,从而达到保持心电波形特征且抑制噪声的双重目的。     

基于MATLAB小波去噪方法的研究

在实际的计算机控制系统中，采样信号不可避免的受到各种噪声和干扰的污染，使得由辨识采样信号得到的系统模型存在偏差而妨碍了系统控制精度的提高。Dunoho和Johnstone提出的小波收缩去噪算法对去除叠加性高斯白噪声非常有效。我们对此在MATLAB环境下做了详尽的仿真研究，并利用滤波器、傅立叶变换／反变换和小波收缩三种方法对实际电机随动系统的辨识采样数据进行了去噪对比实验，总结了应用小波去噪的一些实际经验。     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

基于小波分解的无线电引信目标识别

多普勒无线电引信目标识别的传统的方法是利用多普勒信号的幅值和增幅速率等特征进行目标信号识别.为使无线电引信在强背景噪声干扰的情况下能够正确地识别目标,就需要采取有效的信号处理方法识别目标.文中根据无线电引信回波多普勒信号功率主要集中在低频部分的特点,对淹没在噪声中的无线电引信回波信号进行小波分解,提取在不同频带内信号能量作为特征,用Fisher判别方法对目标进行检测.针对不同信噪比,对某典型无线电引信回波信号进行定量研究,从仿真结果可以得出该文方法能处理信号的信噪比达-7dB,表明该方法是有效的.     

基于小波变换的噪声检测快速独立分量分析

机械或电气设备工作噪声的测试分析是实时故障检测诊断的重要手段,通常情况下,传感器检测得到的信号是多个噪声源叠加的结果,可采用独立分量分析(ICA)方法分离出待检测对象信号.提出先对混合信号小波系数序列进行独立分量分析,再做小波逆变换得到分离信号.与直接的ICA比较,小波系数比原始信号的超高斯性更强,因此分离处理的收敛速度更快,分离效果更好;由于在小波变换的过程中可以引入阈值去噪,因此基于小波变换得到的分离结果较之常规方法有更强的抗噪能力.     

小波分析在激光多普勒信号检测中的应用

为了有效的消除人体激光多普勒信号的噪声,提出了一种利用小波变换的方法对信号进行处理.通过研究多尺度小波变换和小波包变换的工作原理和消噪流程,利用Matlab对实际信号分别进行强制消噪、默认阈值消噪、给定软阈值消噪仿真,仿真结果表明,两种小波变换方法均可以有效地消除信号中的噪声.提高信噪比,适用于背景噪声强的人体信号的提取,并可推广到其他强噪声环境下对微弱信号进行提取,具有广泛的应用价值和现实意义.     

基于小波变换的航海雷达图像噪声抑制方法

为了有效抑制海浪图像中的干扰噪声,提出了一种基于小波变换的海浪图像噪声抑制算法。首先,利用小波变换检测出图像边缘获取噪声点的潜在位置;其次,根据海浪图像的直方图分布特性确定阈值,利用该阈值对海面回波信号和噪声进行分离;最后,根据海面回波信号具有形似性的特点,利用噪声邻域内的信号点对已检测出的噪声点进行属性值插值,从而达到滤除噪声的目的。为验证该算法的效果,将本算法与小波域的硬阈值和软阈值去噪算法进行了比较,对比结果显示,算法在海浪图像噪声抑制应用中优于传统算法,可以得到较好的海面回波信号,并且能够满足下一步的海浪分析要求。     

一种基于小波变换图像去噪的方法

提出了一种基于图像软阈值小波变换的高斯白噪声消除法。该算法根据含噪声图的特点,把信号分成信号象素与可能噪声象素两类,对于可能是噪声的象素,采用图像的小波软阈值去噪方法进行滤波,而对信号象素不产生影响,且能保留更多的图像细节。文中也给出了标准中值滤波,自适应维纳滤波算法和小波软阈值去噪的算法进行比较实验,结果表明用小波软阈值去噪的算法处理高度污染高斯白噪声的图像能力明显强于标准中值滤波,稍微优于自适应维纳滤波算法,且能够比较好保留图像的细节部分。     

基于小波变换的雷达回波信号去噪方法研究

为了准确识别雷达回波信号中的目标信号,木文将小波变换引入到雷达回波信号处理,对回波信号进行分解、重构以及滤波器设计,去除雷达信号中的噪声,采用MATLAB软件进行系统仿真,结果表明,采用小波变换mallat算法对探地雷达回波信号进行目标识别具有较好的时频分辨率,且可抑制杂波,去除噪声,能很好的识别目标信号,具有很好的应用前景。     

基于希尔伯特-黄和小波包的UWB信号检测方法

针对希尔伯特-黄变换在超宽带脉冲检测中检测性能受限于信噪比的问题,研究并分析了筛选终止条件以及小波包去噪方法,结合新终止条件,给出了希尔伯特-黄变换与小波包分析联合检测的新方法。采用新方法对噪声中的超宽带信号进行检测分析,并运用均方根误差公式对该方法的检测性能进行仿真比较。仿真图表明,新方法能较为准确地重构出淹没在强噪声下的脉冲,成功克服HHT变换在检测超宽带脉冲时受噪声强度影响较大的问题,从而改善强噪声环境下脉冲信号的检测效果。     

基于小波变换和Kalman滤波的语音增强方法

针对受加性噪声干扰的语音信号,采用基于小波变换的Kalman滤波方法,提出一种有效的语音增强方法.分析在实际处理中所遇到的二进小波变换、滤波参数估计、Kalman滤波发散等问题.语音增强的效果采用信噪比来进行评估.仿真实验表明在加性噪声为高斯白噪声和色噪的情况下,该方法均具有较好的有效性.     

基于小波消噪和盲源分离的信号奇异点检测方法

研究工业过程故障诊断中的信号奇异点检测问题．采用结合小波消噪的盲源分离算法提取有用的源信号，在分析李氏指数和小波变换的极大值与信号奇异点的关系基础上，分析了信号奇异点检测所用的小波尺度及闯值选择方法．实例分析和比较表明，该方法的主要优势在于它对随机噪声的降噪效果明显，而且能有效地检测出信号的奇异点．