改进的小波阈值语音去噪算法

小波阈值去噪算法简单,计算量小,但是硬阈值函数的不连续性会造成信号的振荡,软阈值函数太过光滑会造成信号高频信息丢失.基于两种阈值函数存在的缺点,在小波变换理论基础上研究了一种改进的小波阈值语音去噪算法,提出了一种改进的阈值函数,同时也提出了修正阈值的修正系数.最后通过MATLAB仿真结果证明该方法在一定程度上可以去除噪声,减少信号的振荡,保留原信号的特征尖峰点信息,降低了信号的失真,更好地估计原始信号,明显改善了语音质量.     

小波阈值去噪中新的阈值函数的研究

基于小波变换的阈值去噪算法,需采用阈值函数对小波系数进行非线性的处理。本文在分析了硬阈值函数和软阈值函数各自特性的基础上,提出了一种新的阈值函数,该阈值函数克服了软、硬阈值函数的缺陷,连续、可导,且减小了偏差,函数中调节因子m可以改变阈值函数的趋向,使阈值函数具有较大的灵活性。仿真结果表明新的阈值函数的可行性及有效性。     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法．尽管Donoho对软阈值去噪提出了一个计算阈值的公式，但它并不适合双haar小波，针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法，实验证明此阈值的选取是有效的。     

采用小波构造的图像阈值去噪算法

通过分析小波阈值去噪的特点,采用定长紧支撑双正交小波参数化构造方法构造滤波器长度为(13-3),并具有2、4、6阶消失矩的零点偶对称双正交小波。针对全局阈值算法的不足,提出了自适应分层阈值去噪算法,由小波分解细节系数中噪声的衰减速度来计算分层阈值。仿真测试结果验证了构造的小波具有良好的去噪能力,并能保留更为完备的图像细节信息,说明结合自适应分层阈值去噪算法可以明显改善去噪图像的质量和信噪比指标。     

小波分析及其去噪应用

基于小波变换的特点,分析了小渡变换用于去噪的原理和方法,重点探讨了小渡闽值去噪的原理和方法,并对小波分析和小渡变换去噪在某些具体领域的应用情况作了简单介绍。     

一种新的基于平衡阈值的小波去噪方法

小波阈值去噪在信号处理中提供了一种新的去噪方法，然而，软阈值和硬阈值在信号去噪方面存在各自的局限性．为了能在软硬阈值两种方法结合之间找到折衷的方法，提出了一种平衡阈值处理方法．它不仅有效地去除噪声，而且去除噪声后的信号较为光滑．仿真结果表明，平衡阈值方法在信号去噪中要优于软硬阈值方法．     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法 .尽管Donoho对软阈值去噪提出了一个计算阈值的公式 ,但它并不适合双Haar小波 .针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法 ,实验证明此阈值的选取是有效的 .     

改进小波阈值函数在变形监测数据去噪中的应用

为了提高变形监测数据去噪的稳定性,在小波传统阈值函数的基础上,提出一种改进的小波阈值函数,对变形监测数据进行去噪处理。采用模拟信号和真实数据进行实验,与传统的阈值去噪方法进行对比分析,结果表明：改进的小波阈值函数在一定程度上解决了软阈值函数存在的恒定偏差问题,克服了硬阈值函数的不连续性;对变形监测数据的去噪效果良好,能有效去除噪声,获得较高的信噪比和较低的均方根误差,并保留信号更多的有效细节,在实际中有较好的应用价值。     

吊放声纳信号提升小波阈值去噪分析

为了去除干扰噪声及保留信号特征,本文采用提升小波阈值法对信号进行去噪处理。先对信号进行提升小波分解,以获取相应尺度的尺度系数和小波系数;采用相应的阈值函数对小波系数进行量化,将量化后的小波系数和尺度系数按照提升小波逆变换方法重建信号,获取去噪信号。仿真结果表明,该方法去噪速度快、占用空间小,去噪信号信噪比均在10dB左右;均方根误差和峰值误差分别控制在0.1和0.3以下,波形与功率谱趋于平滑,信号的峰值点得以保留。该去噪方法在保留信号基本特征的同时,有效抑制了干扰噪声。     

小波变换及其在信号去噪中的应用

介绍了小波变换和基于小波变换的信号去噪原理及一般方法，并应用MATLAB软件实现了小波去噪的计算机仿真。     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

小波系数阈值估计的改进模型

讨论了小波阈值去噪中估计小波系统的软阈值和硬阈值方法,然后针对硬阈值法不连续和软阈值偏差的缺点,提出了3种改进方法,即多项式插值法,软、硬阈值折衷法和模平方处理方法,并给出这3种估计器模型,它们都不同程度地克服了软阈值和硬阈值方法中固有的缺点。通过数值试验对这些方法比较,结果发现,这3种改进的小波系数阈值估计模型用于信号去噪时,比单纯的软阈值和硬阈值方法均获得了更高的信噪比增益。     

基于改进小波阈值的去噪方法

针对以往小波阈值图像去噪法出现的去噪不彻底、噪声残留、和噪声误判等问题,对阈值函数和阈值进行了改进,保留了传统的软阈值和硬阈值的优点,改进它们各自的缺点,提出一种新的阈值函数和阈值选取方式,使它在处理小波系数时更加灵活,以达到更好地去除噪声的目的.通过MATLAB仿真实验和对算法的精度分析表明,用改进后的阈值去噪法可以很好地去除图像噪声,使图像的对比度和峰值信噪比均得到很大的提高.     

小波阈值降噪在岸桥小车轨道振动信号处理中的应用

针对测量时振动信号易受噪声干扰的特点,采用小波降噪法对原始信号进行降噪处理。小波具有“变焦距”、较好的时频局部分析能力等特性,适合非平稳信号振动噪声处理。分别通过小波阈值降噪法对仿真信号并口岸桥小车轨道铰点振动信号进行降噪处理。试验表明,小波阈值降噪法能够较好的消除噪声,能有效提高信噪比、降低均方误差,为进一步分析振动信号奠定了基础。     

一种基于新型阈值函数小波去噪方法

传统小波阈值去噪方法中,软阈值法连续性好,但保真效果差,而硬阈值法可保留更多信息,但是在分界点处会产生振荡,即伪Gibbs现象。为了提高信号的保真效果,减少振荡现象,提出了一种新的阈值函数,该函数阈值介于软阈值与硬阈值之间,且是连续函数。方法既减小了软阈值固定偏差带来的失真,又消除了伪Gibbs现象。仿真结果表明,新方法的信噪比与均方误差均优于传统的阈值去噪方法。     

图像阈值去噪中的小波特性分析及算法改进

选取合理的小波和阈值算法能够获得理想的图像阈值去噪结果;分析了小波正交性、消失矩以及滤波器结构等特性对图像阈值去噪的影响,提出了图像闽值去噪中小波特性的选取依据．按照噪声与图像信息在小波多尺度分解中传递特性的不同,提出基于信息量的自适应分层阈值算法;仿真结果表明,在进行图像阈值去噪时应优先选取双正交小波,且其消失矩阶数近似于图像的最高次奇异性,去噪小波的高通分解滤波器应具有偶对称性质,低通分解滤波器长度不宜过短．自适应分层阈值算法的图像去噪效果要明显优于全局阈值算法,图像信噪比能够提升至27．86（bior2．6,SNR0=20）;具有偶对称高通分解滤波器的双正交小波能够获得较好的图像去噪效果,其消失矩阶数应近似等于图像的最高次奇异性,基于信息量的小波自适应阈值算法在提升图像信噪比的同时,能够有效保留图像的细节信息．     

平稳小波变换和新阈值函数用于心电信号去噪

心电信号采集过程中容易受到基线漂移、工频和肌电等噪声的干扰.为了提高心电信号的信噪比,结合平稳小波变换,在使用小波阈值去噪法去燥过程中,提出一种有别于常用软硬阈值函数的新的阈值函数.通过分析实测数据验证新阈值函数,结果表明,该方法更加有效地抑制了心电信号中混入的基线漂移、工频和肌电噪声,且较好地保留了原始心电信号的特征.     

改进阈值去噪法在变形分析中的应用

介绍了小波基本理论与去噪原理,研究了小波阈值去噪改进方法在变形监测信号处理问题中的应用。实例表明,小波阈值去噪改进方法在变形监测信号的去噪中不仅能有效地降噪,而且较好地保持了信号的光滑性。改进方法所得的信号比增益较传统的阈值去噪方法有明显的提高。