基于小波熵和相关性的高分辨率阈值去噪方法

提出了一种基于小波熵和相关性相结合的高分辨率小波阈值去噪方法.首先利用小波变换中各尺度间有效信息和噪声的相关性不同的特性,对小波分解后的各尺度的高频小波系数进行相关处理,确定出有效信息的位置,并将其置零,经过相关处理后的高频小波系数认为是由噪声引起的.将相关处理后的高频小波系数分成若干区间,计算各区间的小波熵,将小波熵最大区间的高频小波系数的平均值作为噪声标准差,计算各尺度的阈值;采用软阈值处理,最后重构得到去噪后的信号.该算法实现了各尺度阈值的自适应选取,提高了信噪比.仿真验证了该算法的有效性.     

Hilbert-Huang变换的鼾音信号谱分析

在分析Hilbert-Huang 变换算法的基础上,利用此变换对打鼾者的鼾音信号进行了分析。通过经验模态分解把鼾音信号分解为一系列固有模态函数,并分析了各固有模态的频率特征,对各模态的生物学意义进行了描述。对固有模态函数进行了Hilbert变换,建立了鼾音信号的Hilbert谱和边际谱。结果表明Hilbert比小波变换所建立的时频分布具有更好的时频分辨率,解决了时间分辨率和频率分辨率互相影响的问题;从实际看边际谱比傅里叶谱有更准确的物理意义。Hilbert 谱和边际谱为脉搏信号的特征提取和模式识别提供了可靠的依据。     

小波图象去噪综述

小波图象去噪已经成为目前图象去噪的主要方法之一。在对目前小波去噪文献进行理解和综合的基础上，首先通过对小波去噪问题的描述，揭示了小波去噪的数学背景和滤波特性；接着分别阐述了目前常用的3类小波去噪方法，并从小波去噪中常用的小波系数模型、各种小波变换的使用、小波去噪和图象压缩之间的联系，不同噪声场合下的小波去噪等几个方面，对小波图象去噪进行了综述，最后，基于对小波去噪问题的理解，提出了对小波去噪方法的一些展望。     

声音信号采用小波去噪和小波包去噪的比较

受外界条件等因素的影响,采集到的声音信号中不可避免存在着大量的突变信号,因此需要对其进行降噪处理.传统的傅里叶分析不能同时分析信号在时域和频域的全貌和局部化特征,而这些局部化信息恰恰是表征声音信号的关键特质.小波变换在突变信号分析中得到广泛的应用,在声音去噪应用中取得了良好的效果,比较了小波分析和小波包分析两种去噪方法.     

鼾音信号奇异点检测的小波变换分析方法

针对鼾音信号的特点,提出一种利用小波奇性检测原理的方法,以MATLAB 仿真为基础,不但给出分析鼾音信号不同频段特征的仿真结果,又对信号奇异性进行了检测,确定了奇异性的位置和奇异性指标。结果表明,该方法给分析异常鼾音信号或医疗诊断提供了非常有价值的信息。     

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。     

基于Matlab的小波阈值折衷去噪算法研究

基于硬阈函数和软阈函数的小波去噪算法处理的信号分别存在着偏差和方差过大的缺点,为有效解决这一问题,提出基于硬软阈值的折衷小波去噪算法。并采用四种常用的信号用matlab对去噪效果进行了仿真。仿真结果进一步表明了基于硬软阈值折衷去噪算法的优越性和有效性。     

基于小波的EMD去噪法应用于心电信号去噪

实测的心电信号不可避免地存在一些强干扰和噪声,如何在强背景干扰和噪声下准确提取出有用的心电信号,是心脏病智能诊断的一个重要内容．提出一种新的基于小波的EMD去噪方法,先将信号进行小波分解,将带噪信号分解为多个尺度的信号,然后再对其中某几层信号进行EMD分解,剔除其中的噪声模态分量,重构后得到去噪后的信号．最后分别利用仿真带噪心电信号和MIT／BIH心电噪声数据库信号进行验证,并与单独运用小波阈值法和EMD分解法比较去噪效果．结果表明,该方法优于其他两种方法,简单有效,且适于实际应用．     

基于离散正交小波变换的图象去噪方法

给出了一种基于离散正交小波变换的图象去噪方法,该方法通过二维离散小波变换将图象投影到小波变换域,通过对小波变换系数进行阈值处理实现二维图象的去噪,并用实验验证了该方法的有效性。     

基于小波分解的鼾音信号功率谱估计方法研究

为对鼾音信号进行有效地功率谱估计,同时精确研究鼾音和阻塞位置的关系,提出了基于小波分解的鼾音功率谱估计方法.首先将鼾音信号进行小波分解,然后对提取的三个子带信号分别采用Welch法、多窗谱法、基于AR模型的自相关法和Burg法进行功率谱估计,最后分析了不同阻塞位置的鼾音功率谱估计特点.仿真结果表明,基于小波分解Welc...     

小波变换信号分形分析在鼾音信号处理中的应用

主要研究小波变换的分形方法在分析鼾音信号中的应用问题。首先分析信号波形特点并检测其瞬态脉冲。通过对频谱分形特性的动态分析,及时诊断病变信号的危害程度。仿真实验结果表明,针对典型的非平稳鼾音信号,与传统的傅氏变换方法相比,所提出的方法具有明显的优点。     

小波熵在心电高频噪声处理和R波检测中应用

为了在滤除噪声的同时不丢失信号有用信息,将小波熵理论与小波阈值去噪方法综合起来,提出一种基于小波熵的自适应阈值去噪和R波峰值定位方法,对心电信号高频噪声不同信噪比情况做了去噪处理,并同小波熵最优阈值法做了对比分析,结果表明,本算法可以自适应地确定小波系数阈值,不需要直接处理大量的小波系数,且具有良好的滤波性能,尤其在噪声严重时,去噪和R波检测效果更优。最后对实测和数据库中46例数据都做了应用分析,表明本算法具有快速性、有效性和稳定性的特点。     

基于表面肌电信号小波包熵的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,根据小波包变换在不同时频段均能精确的刻画信号,并提供丰富模式信息的特点,提出利用小波包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明,该方法对情感的唤醒度识别效果较好。     

基于尺度乘积与小波收缩相结合的去噪方法

提出一种将相邻尺度的小波系数乘积与小波阚值收缩相结合的信号去噪方法．该方法采用小波系数乘积的直方图方法提取小波系数．用该方法去噪既能很好地保持信号突变点的原有特性,又具有较强的去噪能力．数值仿真表明,与小波阚值收缩方法相比,该方法在信噪比和均方差指标上都有明显的提高,并能很好地保持信号的形状．     

小波域音频信号降噪研究

音频降噪是音频处理前期的必要步骤,小波域降噪是其中一个重要的研究方向,为了使人们对小波域音频降噪有概括了解,在对小波域音频降噪相关文献进行分析和理解的前提下,首先介绍了小波变换及其特性,同时阐述了小波降噪的最优选取和处理准则,及对音频进行小波变换时小波基的选取原则;然后评述了用于音频降噪的阈值,多小波、小波包、模极大值和尺度相关法等5类方法及各自的发展;接着介绍在前人基础上,提出新的基于模极大值和尺度理论的降噪算法;最后探讨了小波域音频降噪的发展方向。     

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Tsallis小波熵的变压器励磁涌流识别方法

针对变压器励磁涌流和内部故障电流识别的热点问题,为了有效克服香农熵在对信号的小波分解系数进行特征提取时具有局限性的缺陷,达到提高识别的有效性和快速性的目的。提出了基于Tsallis小波能量熵和时间熵判据的变压器励磁涌流和内部故障电流的识别新方法。该方法将小波分析与Tsallis熵结合对变压器暂态信号进行分析,在小波能量谱的基础上,得到Tsallis小波能量熵判据,并根据时间熵的定义得到Tsallis小波时间熵判据,综合利用两种判据对暂态信号进行识别。该方法不仅可以成功识别励磁涌流,并且提高了识别的准确性、可靠性和灵敏性。MATLAB/Simulink仿真实验结果验证了所提方法的有效性和准确性。     

应用小波变换的认知无线电频谱检测

频谱检测是认知无线电的核心问题之一,利用小波变换对接收信号的功率谱密度（PSD）进行奇异点检测,为了在低信噪比条件下有效地检测空闲频谱,分两步去除噪声在检测中的影响。首先利用噪声与信号奇异点的小波变换模极大值在不同尺度上具有不同的传播特性,可以去除噪声;再通过小波变换模极大值的衰减计算Lipschitz指数,去掉与信号奇异点具有不同Lipschitz指数的噪声。最后依据剩下的奇异点将PSD划分为多个子带,利用带通滤波器估计每个子带的PSD水平,最终确定出空闲频谱。仿真结果证明了该方法的可行性。