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。     

小波变换在单片机信号去噪中的应用

在单片机系统工作环境中存在着各种噪声干扰,尽管已采取了一些抗干扰措施,但不可避免会有噪声进入系统。该文根据单片机系统中的信号特点,基于小波变换自动变焦功能,提出用小波变换对含噪信号进行去噪。基于小波变换的去噪是在对含噪信号进行分解的过程中,通过门限方法抽取有用信号的小波系数,然后重建而得以实现。仿真结果表明了在单片机控制系统中利用小波变换进行信号去噪的可行性和有效性。     

基于小波变换的磁记忆信号去噪方法研究

在利用小波变换对油库（站）输油管道的磁记忆检测信号进行消噪处理时，主要有三种方法，基于小波变换的非线性方法能够获得较理想的处理效果。本文详细介绍了基于该方法的信号处理原理，并重点介绍了影响消噪效果的三项因素。非线性方法在工程实践中取得了良好的效果。     

基于小波变换的音频信号去噪

本文主要介绍基于小波变换的软阈值和硬阈值在数据处理中的应用，并用Matlab软件进行仿真。     

心电信号的Lipschitz指数与基于小波变换的去噪算法

心电信号是对人类心脏的生理和病理过程进行无创检测最主要的手段，是近年来信号处理领域的一个研究热点。本文在概述小变换理论的基础上，首先通过实验计算测定了心电信号的Ｌｉｐｓｃｈｉｔｚ指数，然后基于小波变换下奇异信号民随机噪声尺度空间中的不同特性设计了一种去噪算法。     

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。     

基于小波变换的战场声信号去噪方法研究

在实际战场中,采样声信号不可避免的受到各种噪声和干扰的污染,导致声信号特征提取变得困难而不利于进一步的目标识别。为了有效去除混叠在战场声信号中的噪声信号。运用离散小波理论对其进行阂值去嗓处理。通过对几种去噪方法对比分析和基于MATLAB信号去噪的仿真试验,仿真结果表明对于战场声信号而言,基于Birge—Massart阂值算法具有更好的去噪效果。     

利用MSP430芯片实现小波变换对涡街信号的去噪测量

利用Mallat算法对涡街信号进行多分辨率分析和去噪，相对于传统滤波器组的直接分解，具有品质因数恒定、运算量小、分解尺度可灵活变化的优点，且去噪效果好。利用MSP430单片机进行实现，完成涡街信号检测的整个系统功能，达到了功耗要求低、可利用工业现场4～20mA电流环直接驱动以及滤波效果满意的目的。     

基于小波变换的光电传感器信号去噪技术研究

光电传感器当前已经在多个领域内发挥了重要作用,即通过对于各类检测信息的获得和传递,让控制系统可以根据获得的相关信息做出各项决策。然而,在实际运行过程中,会由于外部环境以及内部环境的同时影响形成噪声,不利于信号传输的质量保持。基于对小波变换计算方法的分析,该文研究了在光电传感器信号去噪技术中的应用方法,从而让信号的获得和传递质量提升。     

小波变换在毫米波辐射计信号去噪中的应用

本文基于小波理论的基础上介绍小波函数的选取和小波去噪的方法,并结合毫米波辐射计输出信号为例进行具体的分析。     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

地震信号小波变换的去噪方法

运用模极大值法基本原理进行地震信号去噪研究,进而运用二次小波变换原理通过低层系数处理对常用小波去噪方法进行改进.通过合成不同的染噪地震信号,由一系列仿真实验对模拟地震信号进行不同尺度的小波分解与重构,从而实现最优小波分解尺度上的地震信号噪声去除.与常用的快速傅立叶转换方法比较,仿真结果表明,该小波变换方法能够有效去除地震勘探信号中的噪声,并且针对系数的二次小波变换可以明显改进去噪的效果.     

基于级联离散小波变换的信号去噪方法研究

提出了基于级联离散小波变换的信号去噪方法。该方法通过对带噪信号作一层离散小波变换(DWT)后提取的低频部分和高频部分分别作一层DWT和四层DWT,然后,对低频部分提取的低频成分和高频成分均作三层DWT,接着,对所有分解的小波系数进行阈值处理,最后,完成信号重构。实验结果表明:在同样的小波分解层次下,本方法去噪效果好于DWT法和WPD法。     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

基于小波变换的图像去噪优化算法

提出了一种基于小波变换的图像去噪优化算法。先通过小波边缘检测法求出有噪图像的边缘图像;再利用广义交叉确认原理求出的阈值对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像。该算法能在有效去噪的同时保留图像的细节信息,提高了信噪比。     

小波变换的语音去噪方法

提出一种改进的语音去噪处理方法：二次小波分解全局阈值法。该方法不同于传统阈值滤波方法,首先对语音信号的高频部分进行二次分解,然后应用阈值滤波的方法对信号进行去噪处理。该方法在MATLAB上进行了模拟实验,实验结果表明该方法提高了信噪比,去除了大部分噪声,相当完整地保留了有效信号能量,很好地解决噪声对语音信号干扰的问题。     

基于提升小波变换的信号降噪及其工程应用

为了解决炮膛检测中的噪声抑制问题,在讨论提升小波变换基本原理及其特点的基础上,采用提升小波变换的方法构造小波,介绍了基于插值细分法的提升小波,讨论了其降噪原理。通过实验对比研究了不同类型的经典提升小波和插值细分小波的降噪效果以及小波支集与降噪效果之间的关系,为选择降噪小波提供了理论依据。将该结论应用于炮膛检测系统中身管内径测量信号的降噪处理,取得了满意的效果。     

基于小波变换和去噪模型的光照不变人脸识别

针对正面光照人脸识别的难点,提出了一种应用小波变换和去噪模型的光照不变人脸识别算法。利用对图像的高频小波系数进行处理并运用去噪模型,提取光照人脸图像中的光照不变量,同时增强图像边缘特征,这有利于提取的光照不变量保持更多的人脸识别信息。在Yale B和CMU PIE人脸库上的实验结果表明,所提算法可以显著提高光照人脸图像的识别率。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。