基于多尺度阈值技术的小波去噪

多尺度阈值技术的小波去噪是根据小波变换下信号和噪声在多尺度空间中的不同特性,用软阈值函数确定的阈值对不同尺度上的小波系数进行处理,进而达到去除噪声的目的。运用这种方法对信号进行处理时去噪效果良好,并且能够很好地保留原信号的细节信息。     

一种改进的小波阈值去噪方法

在原有的小波阈值去噪方法的基础上,提出了一种改进的图像去噪方法 Fast ICA-MPSO-WTD。该方法将快速独立主元分析(Fast ICA)和WTD相结合进行图像去噪,为了使小波阈值去噪效果更好,使用改进粒子群算法(MPSO)优化小波阈值参数。为了证明该方法的有效性,选择测试图像进行去噪对比实验,实验使用峰值信噪比(PSNR)评价去噪效果,实验结果表明改进方法 Fast ICA-MPSO-WTD能够有效地提高去噪效果。     

一种新的图像自适应阈值去噪方法

针对小波变换缺乏平移不变性产生的伪吉布斯现象(Gibbs-like phenomena)和Donoho阈值去噪方法阈值单一的缺陷,提出了基于Cycle Spinning的图像自适应阈值去噪方法,Cycle Spinning能抑制伪吉布斯现象,并且给出了阈值自适应因子,阈值能根据不同高频子带自适应改变。实验显示,该方法提高了去噪图像峰值信噪比(PSNR),降低了均方误差(MSE),去噪图像清晰,获得较好的视觉效果。     

一种改进的小波阈值去噪算法

为了有效滤除信号中的噪声,在提出的软、硬阈值函数去噪方法的基础上,结合已有的改进小波阈值去噪算法,新构造一种小波阈值函数。文中新构造的阈值函数结合软、硬阈值函数的优点,有较好的降噪效果和灵活性。通过Matlab仿真对比几种算法的信噪比(SNR)和均方误差(MSE)去噪指标,结果表明,新构造阈值函数的去噪指标优于传统阈值函数,具有一定的实用价值。     

基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

一种新的小波消噪阈值的估计方法

小波多尺度分解是一种有效的信号去噪方法，对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后，本着改进滤波效果，提高去噪质量的目的，提出了一种改进方案。该改进方案克服了传统阈值去噪方法的缺陷，并适用于进一步的自适应滤波的需求，仿真试验证实了该改进方案的有效性和优越性。     

基于一种新阈值函数的小波阈值去噪方法研究

在分析了D.L.Donoho提出的硬阈值、软阈值小波去噪算法存在问题的基础上,构造了一个新阈值函数。新阈值函数的小波阈值去噪方法克服了硬阈值函数不连续的缺点,解决了软阈值函数中存在恒定偏差的问题。仿真实验结果表明,该方法可以有效地去除白噪声干扰,在信噪比和均方误差等方面均优于常用的软、硬阈值及改进的软硬阈值折中算法,去噪后的信号与原始信号的近似性也较好,充分体现出小波阈值去噪方法的优越性。     

基于小波阈值去噪方法的一种改进方案

在D．L．Dohono和I．M．Johnstone提出的多分辨分析小波阚值去噪方法的基础上，提出了一种新的阈值函数。仿真试验结果表明，采用新的阈值函数的去噪效果无论在视觉效果上，还是在信噪比增益上和最小均方误差意义上均优于传统的硬阈值和软阚值。并且，与传统的硬阚值和软阈值相比．此函数不仅表达式简单，易于计算，而且具有优越的数学特性：易于求导，有连续的无穷阶导数。因此新阈值函数的更重要的意义在于使信号的自适应去噪成为可能，为更充分的发挥小波阈值去噪方法的优越性开辟了广阔的前景。     

一种改进的小波变换阈值去噪方法

Donoho等提出了一种基于小波变换的阈值去噪方法,这种方法在信号去噪及数据压缩等领域得到了广泛的应用。但是,Donoho设计的阈值处理方法对脉冲噪声的抑制效果不明显,因此在脉冲噪声存在的情况下,Donoho的阈值处理方法受到了限制。本文在Donoho方法基础上,设计了一种改进的阈值去噪方法,该方法对一大类的噪声信号有效,特别在保护信号边缘的同时去除脉冲噪声方面表现出了很好的特性。实验结果证实了该方法的有效性。     

UWB人员运动定位的小波阈值去噪方法研究

针对超宽带定位系统受到人员运动影响,定位精度降低的问题,提出一种超宽带人员运动定位的小波阈值去噪方法。通过研究不同的小波基函数、阈值选取规则和阈值函数对人员运动产生的定位异常影响,根据去噪效果,在启发式阈值估计准则下,确定db5小波5层分解、软阈值函数去噪为最佳去噪方法。通过实验验证表明,该小波阈值去噪方法能够削弱UWB室内人员运动定位中异常值的影响,提高定位精度与定位准确性。     

自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

基于改进阈值函数的小波去噪算法研究

针对现有的小波阈值函数在阈值邻域内不具有高阶可导性,小波系数收缩缺乏灵活性,在此构造了一种具有过渡临界区域和收缩调和参数的阈值函数。根据白噪声的概率密度分布和滤波阈值的估计值确定过渡临界区域,细化阈值邻域内小波系数的处理。通过收缩调和参数调整小波系数的收缩程度,以提高滤波信号的信噪比。实验结果表明,在此构造的小波阈值函数能够在消噪和保留原有信号的弱特征之间获得较好的平衡,从而改善小波阈值滤波算法的性能。     

小波分析的阈值去噪方法研究

小波阈值去噪方法在工程中已得到广泛应用,小波阈值去噪过程中,阈值的选取和处理方法是关键问题.本文介绍了传统的软阈值、硬阈值小波去噪方法原理,在此方法的基础上给出了一种基于小波分析的自适应阈值算法,弥补了软硬阈值函数的不足,通过仿真证明了该方法的有效性.     

小波阈值去噪的改进方法

利用小波方法去噪,是小波应用于工程实践一个重要的方面;本文指出了采用常见的阈值确定方法对含有较强高频分量的信号进行小波阈值去噪时,去噪效果与实时性存在着矛盾,不利于信号特征的提取。提出了一种新型的阈值确定方法,进一步提出了以小波去噪后特征频率分量的功率谱密度值的下降程度为依据的待定因子确定方法。以Mallat算法为例,对新型阈值确定方法进行了分析和比较,指出运用该方法进行小波去噪处理,增强了算法的实时性,同时信号拟关注的信息损失较小,去噪效果比较理想。交-交变频器输出电流的小波去噪实验结果表明,该方法行之有效。     

改进的小波阈值图像降噪算法实现

针对图像降噪中的不连续性、存在恒定偏差等问题,在Dohono等提出的硬、软阈值法基础上,提出了一种改进的指数函数阈值降噪算法。与传统阈值降噪法相比,该方法不仅克服了传统方法的不足,且具有更好的灵活性。仿真实验结果表明,该改进阈值法的降噪效果无论在信噪比增益及均方误差上,或是在视觉效果上,均优于传统阈值降噪法。     

自寻优阈值小波去噪方法

针对阈值去噪方法中难以选取最优阈值的问题,提出了一种自寻优的最优阈值去噪方法。先论述了最优阈值是由信号与阈值函数共同决定的概念。在此概念上给出了自寻优方法的具体步骤,自寻优方法是把阈值作为从零到某一终值离散化的一组数,并从这些离散化的阈值中寻得最优的阈值。但此方法中终值的选取和阈值离散化带来过大的计算量成为其方法的难点。基于此问题,本文给出了解决方案并予以证明。通过试验中观察得到的高频死去值现象确定终值,通过单峰值现象及多分辨率中各空间独立原理等进行了计算量的简化。试验结果表明,此算法得到了更高的信噪比、更低的均方根误差和更光滑的外观。      

基于提升小波的自适应阈值边缘检测新算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等缺点,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;对分解后的图像低频部分用提出的改进提升算法进行边缘检测,对高频部分用小波变换的局部模极大值算法检测边缘;通过将各层边缘信息按一定的融合规则融合起来得到一个组合边缘,最后细化图像边缘。实验证明,这种方法相对于传统小波分析有着计算量小,计算速度快和要求存储空间小等诸多优势,同时,也能做到不丢失图像信息,保证了边缘的连续性和封闭性,检测效果较好。     

一种改进阈值函数的小波语音去噪方法

在分析了软阈值法和硬阈值法等常用用值函数的优缺点基础上,提出了一种改进的阈值函数,该阈值函数结合了折中阈值函数和μ律阚值函数的优点.实验仿真表明,不管语音信号输入信噪比高低,改进的方法均可获得满意的去噪效果.     

瑞利BOTDA系统小波降噪新方法

基于瑞利散射的布里渊光时域分析系统(BOTDA)因为单端入射的特性而有广泛的应用前景.研究了应用提升小波变换对传感信号进行降噪,与传统小波变换相比,提升小波变换结构简单,运算速度快,易于硬件实现.分别利用累加平均法、传统小波变换和提升小波变换对瑞利BOTDA系统传感信号进行降噪,通过信噪比、均方误差和计算时间对三种方法的降噪效果进行比较.结果表明,累加平均法将信噪比提高了约14 dB,传统小波变换将信噪比提高了约18 dB,计算速度是累加平均法的3.26倍.提升小波变换将信噪比提高了约19 dB,计算时间仅为传统小波变换的约60％.结果表明,提升小波变换适用于瑞利BOTDA系统实时降噪处理.