心电信号的小波阈值去噪算法研究

本文采用基于小波变换的阈值去噪方法对心电信号进行了去噪处理.给出了基小波、分解尺度、阈值的具体选择方法,在比较采用不同的基小波进行阈值处理方法的基础上.给出了采用coif4小波进行局部自适应软阈值处理的改进算法.实验结果表明,采用该算法降噪后信号的信噪比为34.019dB,将原含噪信号的信噪比提高21.879dB,去噪效果较好.     

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。     

基于小波熵自适应阈值的语音信号去噪新方法

针对语音信号去噪问题, 提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号, 计算小波分解后信号子带区间的小波熵, 然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限, 采用折中指数阈值函数对各层高频系数进行去噪处理, 重构降噪后的语音信号, 最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明, 当输入信噪比为5 dB时, 小波熵自适应阈值去噪法的输出信噪比是最大的, 且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线, 从而证实该算法具有更好的去噪性能。     

一种新的自适应阈值小波包语音增强算法

针对固定阈值小波包语音增强算法在去噪时会损失语音信号的问题,文中提出了一种新的自适应阈值小波包语音增强算法。该算法先利用带噪语音的小波包变换系数估计出后验信噪比,再由含有后验信噪比因子的sigmoid函数作为平滑因子对随尺度变化的阈值进行相邻帧的平滑,最后由后验信噪比自适应修正平滑阈值,减少语音失真;仿真实验结果表明,该算法在去噪的同时减少了语音信号的损失,有效地提高了增强语音的信噪比和分段信噪比,较固定阈值小波包语音增强算法具有明显的优越性。     

基于小波变换的泄露故障特征提取研究

为研究液压系统管路泄漏对压力脉动信号的影响,提出利用改进的小波消噪算法和小波包对压力脉动信号进行消噪和特征提取;针对传统小波变换阈值函数在去噪处理中存在的恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法,将该方法与平移不变量方法相结合,避免了传统小波变换去噪时在不连续点存在的Pseudo-Gibbs现象;通过利用改进小波消噪方法和小波包对FESTO试验系统采集的正常和故障压力脉动信号进行分析比较,研究结果表明,不同工况下压力脉动信号3个主要能量频带的分布特性,可以作为泄露检测和识别的故障特征。     

基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

基于自适应提升小波的漏磁信号降噪

为了解决在故障诊断中漏磁信号的噪声干扰问题,在研究了提升小波基本理论原理和特点的基础之上,提出了自适应提升小波的改进算法,并在阈值处理时引入了综合门限阈值法。应用该算法对实际采集的钢丝绳漏磁信号进行去噪处理,并将该去噪效果与现用的传统小波去噪效果进行了比较。仿真结果表明,基于自适应提升小波方法的方案比传统小波变换有更好的去噪效果。     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像.这种方法与全局Donoho软、硬阔值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显.它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑.仿真实验证明,该方法是一种有效的图像去噪方法.     

基于小波域隐马尔可夫模型的小波隐写分析

基于精确描述图像小波系数间统计特性的小波域二维隐马尔可夫模型(HMM)参数集合,提出一种针对小波域信息隐藏算法的新型隐写分析技术。通过使用二维HMM对小波系数进行建模,对生成的HMT森林在隐写前后的参数集合构造隐写分类特征,采用SVM分类器进行隐写判别。实验表明该方法适用于小波域隐写术的检测,对小波域QIM、MFP和BPCS隐写有较好的检测性能。     

Nonlinear Adaptive Wavelet Control Using Constructive Wavelet Networks

In this paper, an adaptive wavelet-network-based control approach is proposed for highly nonlinear uncertain dynamical systems. Wavelet network, as a kind of universal approximator, has two novel properties-orthonormality and multiresolution. The orthonormal property ensures that adding a new resolution (new wavelets) does not affect the existing wavelet network that may have been well tuned. In the sequel, the online adjustment of the structure of the nonlinear adaptive wavelet controller (AWC) can be done in a constructive manner by gradually increasing the network resolution. The multiresolution property, on the other hand, assures a guaranteed improvement of the approximation precision when a new resolution is added. In real life problems we are unable to know the adequate size of a network, either a neural network (NN) or a wavelet network, to produce the required approximation precision. By virtue of the novel wavelet network properties, a coarse or very simple structure can be selected first. If the system fails to converge after the elapse of a dwell time, a new wavelet resolution is considered to be necessary and added directly. In this manner, the AWC can be easily constructed and tuned from the coarse to finer levels until the performance requirement is satisfied. The trial and error way of selecting the network structure, which may lead to either an inadequate or a highly redundant structure, can be avoided. In this paper, the proposed adaptive wavelet network is applied first to a class of nonlinear dynamical systems with a partially known model and an affine-in-input structure. Then, the adaptive wavelet network is applied to a class of nonlinear nonaffine dynamical systems     

Wavelet Rasterization

We present a method for analytically calculating an anti‐aliased rasterization of arbitrary polygons or fonts bounded by Bézier curves in 2D as well as oriented triangle meshes in 3D. Our algorithm rasterizes multiple resolutions simultaneously using a hierarchical wavelet representation and is robust to degenerate inputs. We show that using the simplest wavelet, the Haar basis, is equivalent to performing a box‐filter to the rasterized image. Because we evaluate wavelet coefficients through line integrals in 2D, we are able to derive analytic solutions for polygons that have Bézier curve boundaries of any order, and we provide solutions for quadratic and cubic curves. In 3D, we compute the wavelet coefficients through analytic surface integrals over triangle meshes and show how to do so in a computationally efficient manner.     

Wavelet networks

A wavelet network concept, which is based on wavelet transform theory, is proposed as an alternative to feedforward neural networks for approximating arbitrary nonlinear functions. The basic idea is to replace the neurons by ;wavelons', i.e., computing units obtained by cascading an affine transform and a multidimensional wavelet. Then these affine transforms and the synaptic weights must be identified from possibly noise corrupted input/output data. An algorithm of backpropagation type is proposed for wavelet network training, and experimental results are reported.     

数字图像的小波算法及快速小波变换

小波变换是近几年来兴起的一种新的变换方法 ,主要特点是通过变换能够充分突出问题某些方面的特征 ,因此 ,小波变换在许多领域都得到了成功的应用 ,特别是其离散数字算法在图像分析领域取得了重大突破。但是 ,小波变换的算法一般相对来说比较复杂 ,而其处理速度往往也成为制约其发展的瓶颈。该文从小波变换的基础出发 ,给出了一种针对数字图像的小波矩阵算法 ,并实现了快速小波变换的算法和流程 ,为实际应用编程提供了有效的理论依据     

基于复小波和Gabor小波的人脸识别

针对双树复小波变换(DT-CWT)不能直接提取水平和垂直2个方向特征的不足,提出一种结合DT-CWT和Gabor小波的人脸识别方法。将Gabor小波提取的0°和90°特征与DT-CWT提取的6个方向特征连接起来共同构成人脸特征向量,采用Fisherfaces方法构建特征向量的线性子空间,应用基于欧氏距离的分类器实现分类。在ORL数据库上的实验结果证明了该方法的有效性。     

基于图像压缩的小波变换中小波基选择研究

小波变换用于图像压缩时,不同小波基的选择对图像压缩的效果有很大的影响,文章通过分析小波基的正交性、正则性、能量集中性等一些特性,研究选用不同的小波基对图像压缩编码产生的影响。     

基于小波包变换的动态阈值去噪方法

由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够衰减一部分语音信号中的噪声,但这些算法会不可避免地造成有用语音信号的损失,以至于去噪后的语音听觉质量下降,达不到很高的信噪比.一种基于小波包变换和动态信噪比估计的阈值方法可以更好地解决这一问题,这种方法可以有效保护有用信号不被去除.实验结果也证明这种方法可以达到更高的信噪比.     

基于小波变换的加权特征脸识别算法*

针对人脸识别中难以克服的表情影响,提出了一种基于小波变换的加权特征脸识别方法.本方法先对人脸图像进行小波分解,有效地将原图像降维,然后让各个子图像并行进行特征脸识别,最后通过加权排序得到识别结果.通过在Striling人脸库中进行实验,表明利用本方法进行人脸识别大大提高了识别率同时减少了计算量.     

基于改进阈值函数的小波阈值去噪算法

针对传统小波软、硬阈值函数以及现有部分文献所设计的阈值函数的不足,探索一种改进的小波阈值去噪算法.通过构造新的阈值函数,该函数具有更好的平滑性,并随着小波分解尺度变化而变化,因此有更好的适应性,且函数中不存在不确定参数,相应地提升了去噪稳定性.相比传统软、硬阈值函数方法,采用改进阈值函数去噪后信噪比(SNR)更大,均方差(MSE)更小,去噪效果更好.改进阈值函数的小波去噪算法更有优越性,具有较好的推广价值.