基于Laplace分布的非下采样小波包脉冲星信号消噪

为了提高脉冲星信号的去噪效果,提出了一种基 于非下采样小波包(NWP)分解的局部Laplace模型消噪方法。 首先对真实脉冲星信号进行NWP分解,统计真实脉冲星信号NWP系数的分布特性, 建立真实脉冲星信号小波包系数的Laplace分布模型;然后在Laplace先验概率分布的基础 上,根据最大后 验概率(MAP)估计准则,利用含噪脉冲星信号的小波包系数对真实脉冲星信号的小波包系数 进行有效估算;最后 对估算出的小波包系数进行NWP重构,得到消噪后的脉冲星信号。采用不同 的脉冲星信号进行实 验分析的结果表明,与经典的基于高斯分布的非下采样小波(NSW)消噪和NWP消噪相比,本文 方法可以 更有效地去除噪声,同时更好地保留信号中的微脉冲等细节信息,在信噪比(SNR)、均方根误差(RMSE)、相关系数(CC)和峰值相对误差(REPV)等都 有较好的改善。     

基于LMS自适应噪声抵消和小波阈值的语音降噪算法研究

针对宽带噪声干扰的语音降噪问题,提出一种基于LMS自适应噪声抵消和小波阈值的语音降噪算法。该算法首先采用LMS自适应噪声抵消器对消部分噪声,得到较高信噪比的语音信号后,再对其进行小波分析,用一种新的阈值函数对信号进行降噪,再重构得到降噪后的信号。Matlab仿真实验证明,该算法的效果优于单一算法,且避免了传统谱减法带来的"音乐噪声",视觉效果、输出信噪比和均方根误差也有很大改善。     

小波阈值降噪法在Φ-OTDR扰动传感系统中的应用

针对目前基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤扰动传感系统信噪比较差的问题,提出采用小波阈值降噪法对系统采样信号进行信号处理的前期降噪。分析系统有效信号特征,采用小波阈值降噪法中强制阈值降噪法、软阈值降噪法以及硬阈值降噪法分别对采样信号进行降噪处理,经过比较选择了阈值降噪法作为降噪算法。定量对比降噪前后扰动信号的信噪比,证明采用小波阈值降噪法中硬阈值法处理后的数据在进行后期定位算法时,信噪比提高近一倍。     

基于小波变换对信号噪声的处理研究

采用传统的滤波方法对信号进行消噪时,虽然方法简单,但是以牺牲信号的局部特征为代价,且信号的信噪比并未得到有效地改善。文中采用小波变换的方法对信号进行消噪,将原始信号经小波分解后,信号的小波系数大于噪声的小波系数,再选取一合适阈值,保留高于此阈值的信号小波系数,从而达到消噪的目的。实验结果表明,该方法不仅能有效地去除信号中的噪声,且能保留信号的局部特征。     

基于小波基函数选取与改进阈值函数的脉冲星信号去噪算法研究

在利用小波变换对脉冲星信号进行消噪时,小波基、分解层的选取以及阈值函数的构建很大程度上决定了脉冲星导航的准确性。首先研究了小波基与小波分解系数之间的从属关系,进而根据小波分解系数与原始信号的互相关大小来筛选合理的小波基和分解层。在对小波分解系数的研究中发现,噪声形成的小波系数随着分解层的增加而减小,考虑到这个特点,构建了一个基于分解层的阈值函数。实验结果表明,相比于传统小波域消噪方法,所提方法不仅能够准确地筛选出最优小波基和最佳分解层,而且利用所构建的阈值函数进行消噪可以明显改善去噪后脉冲星信号的信噪比、峰值信噪比以及峰位误差,为脉冲星信号消噪提供了新思路。     

利用改进邻域小波系数处理FBG传感信号

阈值和阈值函数的选取是小波去噪的关键.经小波分解变换后,低频部分包含大量的有用信号,而噪声分布于整个小波域内的高频部分,其中包含少数有用信号的细节信息.采用固定阈值和阈值函数处理时会造成高频部分的有用信号细节信息丢失.基于邻域小波变换将分解层数引入阈值和阈值函数中,使用动态阈值和阈值函数处理不同分解层数下的小波系数,来保留不同层数下的细节信息.仿真结果表明所提方法的信噪比和信噪比增益最大,且均方差最小,相关系数逼近于1,原始信号与重构信号相似度得到提高,改善了去噪效果.     

一种小波阈值降噪改进算法

基于Stein的无偏估计原理的自适应小波降噪阈值选择(rigrsure)算法,利用小波变换分解低信噪比下的Block信号,使用rigrsure算法获得重构后的低频信号和各层细节信号小波降噪阈值,提出了一种改进降噪算法,对Block信号降噪,通过仿真取得良好的降躁降噪效果。     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。     

二次谐波信号降噪方法的研究

在近红外区域，利用波长调制光谱技术进行气体浓度检测时，光学元件以及电子器件的噪声会影响二次谐波信号的信噪比。为了抑制噪声，提出一种基于经验模态分解、去趋势波动分析和小波自适应阈值的复合降噪算法。该算法针对传统经验模态分解降噪算法中存在的有用信号缺失的问题，利用去趋势波动分析优化对于信息主导本征模函数的筛选，将筛选出的信息主导本征模函数进行信号重构，再用小波自适应阈值算法提高降噪精度。将提出的算法与经典的降噪算法进行对比评估，提出的算法降噪后的二次谐波信号与原二次谐波信号的互相关系数为99.9018%，均方根误差为0.0087%。通过对实验中实际得到的二次谐波信号进行去噪，结果表明提出的算法去噪效果明显，能够保留有用的信息点。     

一种改进的贝叶斯小波阈值图像去噪算法

小波阈值去噪作为图像降噪领域的一项重要技术一直受到广泛应用.在贝叶斯阈值的基础上提出一种改进的贝叶斯阈值去噪算法,该阈值是在贝叶斯框架中得出的,在小波系数上使用的优先级是在图像处理应用中广泛使用的广义高斯分布(Generalized Gaussian Distribution,GGD).该阈值算法适用于每个子带,取决于数据驱动自适应参数估计,通过判断阈值周围的小波系数是否含有噪声的模糊性,从而对该模糊区域通过自适应算法确定小波系数的保留程度.实验结果表明,该方法比原方法在主观视觉效果上得到了明显的改善,较好地保持图像边缘细节,并且均方误差(Mean Square Error,MSE)较其他阈值算法有所减少,信噪比(Signal-Noise Ratio,SNR)较其他阈值算法有所提升.     

Single Channel Speech Enhancement by De-noising Using Stationary Wavelet Transform

It is classical problem to extract signal itself from noise signal in speech processing. We can separate them according to their different statistic characters. Commonly the frequency band of noise is wide but that of original signal is limited and mainly lies in low frequency bands. How to eliminate noise effect becomes a challenging problem in speech processing. Speech enhancement algorithms have been developing considerably, many theories and approaches have been brought forward to suppress…     

一种新的小波阈值函数改进方法及实现

局部放电信号是一种弱信号,受周围复杂电磁环境的干扰较大,利用小波分析对它进行去噪处理是当前研究的一个热点.传统的小波阈值去噪方法主要包括硬阈值方法和软阈值方法,它们在实际应用中取得了很大的成功,但同时也存在一些需要改进的地方.文章在传统软、硬阈值函数的基础上,提出了一种新的双变量阈值函数,并分别利用软、硬阈值函数和新阈值函数对局部放电仿真信号进行了小波去噪分析,仿真结果表明,通过调节两个可变参数,新阈值函数可以获得具有最佳信噪比和最小均方误差的去噪信号,其去噪效果明显优于传统的软、硬阈值函数,而且更具灵活性.     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

基于提升小波与粒子群相结合的混沌信号降噪

提升小波变换用于混沌信号降噪具有良好的效果,阈值选取与混沌信号降噪后信号的畸变具有紧密联系。为了提高混沌信号中提升小波的自适应能力,降低降噪后信号的畸变率,提出了一种基于提升小波和粒子群相结合的混沌信号降噪方法。该方法在对提升小波变换后的细节部分进行阈值处理时,采用阈值自适应选择方法,并结合粒子群算法全局搜索最优阈值。通过对Colpitts模型进行仿真分析,与标准的软阈值降噪相比,能更好地对混沌信号降噪,并且降噪后信号失真度较小,具有很好的应用价值。     

基于改进阈值函数的小波包语音增强算法的研究

基于小波分析的阈值语音信号去噪技术是语音信号处理的一个重要热点技术,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。小波包可以同时对语音的低频和高频部分进行分解,能更好保留语音信息,减少噪声对语音的影响;同时,文中提出一种新的阈值函数,它对噪声清除得更加干净。仿真结果显示,该阈值函数较软、硬阈值函数具有明显的优越性。     

基于改进的遗传算法在输油管道泄漏点定位中的应用

在负压波法的管道泄漏检测定位中,由于信号中含有很多噪声信号,通常采用小波分析法去噪,一般阈值法容易丢失信号中有用成分,因此,通过改进的遗传算法得到小波的最优阈值,对信号进行消噪处理,更好地还原了原信号。由于遗传算法存在局部收敛快的缺陷,本文提出了改进的遗传算法来精确的估计侧漏点的位置,实验表明该算法提高了泄漏点定位的精确性。     

基于小波包的阈值语音去噪算法研究

传统的小波阈值去噪算法会不可避免地造成有用语音信号的损失,达不到很高的信噪比。基于Donoho提出的传统阈值去噪方法,提出了一种新的阈值函数,该闽值函数结合了软阈值函数和灿律阈值函数的优点,不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差。实验仿真表明,新阈值函数的语音去噪方法无论在听觉效果上,还是信噪比指标上均明显优于传统的硬、软阈值方法。     

脉冲涡流热成像图像的BEMD提升小波阈值去噪

在脉冲涡流热成像检测中,有效抑制红外热图的噪声是最终提取特征量识别缺陷的关键环节之一。将提升小波阈值去噪的思想运用到二维经验模态分解(BEMD)中,提出了一种基于BEMD的提升小波阈值去噪方法。针对传统软、硬阈值法的局限性,引入包括带有可变因子的隶属函数的模糊阈值处理方法。将该方法运用于脉冲涡流热成像信号的实际消噪处理,实验结果表明,该方法与小波阈值去噪相比,去噪效果更明显,图像的细节特征更清晰。