基于形态学运算和自适应阈值的心电信号消噪

抑制信号中的噪声干扰,是心电(ECG)信号预处理中的关键步骤.针对传统形态学滤波损失有用信号的缺陷,本文提出了一种基于形态学运算和自适应阈值的ECG信号消噪算法.首先,对含噪ECG信号进行形态学滤波和形态学峰谷提取运算;然后,估算形态学峰谷信号中时变噪声的即时方差,并依据3σ准则对峰谷信号进行自适应阈值处理,保留其中的有用信号;最后,将阈值处理结果与形态学滤波结果相加,作为ECG信号消噪处理的最终结果.仿真试验与实际应用结果表明,该算法不仅可以有效去除时变噪声的干扰,而且较好地保持了ECG信号的特征形态,处理效果明显优于以往的形态学滤波算法,且比基于平稳小波变换的消噪算法更适用于非平稳ECG信号的消噪处理.     

随钻测量信号去噪方法研究及实现

随钻测量技术已在国内外得到广泛应用,但与国外核心技术相比,国内应用的随钻技术仍存在以下不足:泥浆脉冲信号传输速率慢,去噪方法不完善等。在对泥浆脉冲信号传输特性、噪声类型以及传统去噪方法进行综合分析的基础上,提出了新的基于小波包变换的变步长LMS自适应滤波算法。该算法避开了小波阈值降噪中阈值选取的问题,具有自适应性,同时针对多进制调频泥浆脉冲信号特点对LMS算法步长更新公式进行改进,提高信噪比。仿真实验结果表明该算法能更加准确高效的提取有用信号。     

RLS和小波在声信号消噪处理中的应用

在仿真的基础上,介绍了RLS自适应滤波器和小波消噪方法的滤波特性以及消噪的处理方法。通过对实际声采集信号的RLS消噪方法,小波消噪方法和综合消噪方法的处理结果,分析了不同类型的信号数据的不同的处理方法,对于特定的数据类型可考虑采用将两者相结合的方法,处理结果令人满意。     

一种用于自适应噪声抵消的变步长LMS算法

为了提高LMS自适应滤波算法的性能,在分析已有变步长算法的基础上进行了一些改 进。改进算法用误差信号的自相关来调节步长以实现对不相关噪声的更好抑制,且采 用先固定后变化的方法控制步长,兼顾了暂态和稳态性能。利用改进算法进行了自适应噪声 抵消的仿真实验,结果表明,基于改进变步长LMS算法的自适应噪声抵消器 能有效抵制噪声干扰,对含噪信号具有良好的消噪能力。     

基于Donoho模型和高阶统计理论的小波消噪算法研究及其应用

本文结合经典Donoho小波消噪模型,提出了基于高阶统计理论的小波消噪算法.算法在小波分解各尺度引入了高阶统计理论中的四阶累积量方法,从信号和噪声的统计特性出发进行信噪分离.仿真结果验证了本文算法的性能.算法能满足无线电监测系统中对信号进行后续处理的需求.     

基于局部方差中值滤波的 极/超低频信道噪声抑制方法

针对极/超低频信道噪声模型参数估计复杂度高而难以实施最优非线性处理的问题,根据噪声时域波形分析,本文提出了一种基于局部方差中值滤波的抑噪方法.该方法利用局部方差提取结构信息以强化噪声脉冲性,提高中值滤波抑噪性能;采用基于恒虚警率的奇异值检测方法实现含噪样点的盲判决,利用自适应中值滤波算法实现噪声的盲抑制.仿真和实测结果验证了该方法的有效性.相比最优非线性处理,该方法无需噪声参数估计,因而更具实用性.     

子波变换去噪的一种新算法

在图象平滑中，经常采用均值滤波和中值滤波。然而均值滤波对高斯白噪声比较有效而中值滤波对脉冲噪声比较有效。因而寻求对两种噪声都有效的去噪算法是我们所希望的。本文在概要介绍子波变换的基础上，首先从理论分析和实验计算两个方面详细讨论了脉冲信号和高斯白噪声的子波变换特性。然后说明了一种对脉冲噪声和高斯白噪声同时有效的新的去噪算法。最后利用改进的去噪算法对一维信号和二维信号进行了实验，并给出了数字仿真的结果。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

非线性调频信号的自适应时频滤波算法

针对传统的时域或频域滤波算法对非线性调频信号滤波去噪效果不好的问题,本文提出了一种时频域内非线性调频信号的自适应滤波去噪算法。首先对原信号进行广义S变换获得其时频分布,接下来利用有效信号时频分布特性选取时频通域,构造区域滤波算子并去除掉时频通域外的噪声分量的时频分布;然后利用有效信号分量的时频聚集性构造自适应时频滤波算子,对含有随机噪声的有效信号分量进行滤波处理,得到滤波去噪后的信号的时频分布;最后利用广义S逆变换将处理后的时频分布变换到时间域,得到滤波去噪后的信号。通过仿真实验的结果可知,本文提出的算法在非线性调频信号的滤波去噪和有效特性保持方面取得了较好的效果。      

一维小波变换在时域光学相干层析成像中的应用

时域光学相干层析(OCT)系统通常采用短时傅里叶变换(STFT)完成干涉信号的解调和图像重构。短时傅里叶变换算法简单,但是在干涉信号解调时难以获得好的去噪效果,通常还需在二维(2D)图像域对重构图像进行去噪。该方法数据运算量大,集成度不高。将一维(1D)小波变换(WT)应用于时域光学相干层析成像技术,同时实现干涉信号解调、去噪和图像重构。算法将时域光学相干层析的干涉信号分解到各个不同的频率空间,保留包含调制频率的频率空间的小波系数,对保留的小波系数进行滤波去噪后进行逆变换即可实现对干涉信号的解调和去噪,对解调信号等间距采样实现图像重构。该方法数据运算量小,集成度高,结合先进的小波去噪技术可以大大提高重构图像的分辨率,具有良好的应用前景。     

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…     

改进奇异值分解算法在时间域瞬变电磁信号降噪中的应用

奇异值分解降噪算法中,有效秩阶次的判断对降噪算法的性能的影响至关重要。为选取更准确的有效秩阶次,本文研究了奇异值序列的差分,提出判断奇异值分解重构的有效秩阶次的新方法,并应用其对时间域瞬变电磁信号降噪,提高输出信号的信噪比。与现有判断有效秩阶次的算法不同,本文算法考查奇异值序列的归一化差分的峰值而不是最大值,通过选择归一化差分的合适峰值,并综合差分比序列以判断阶次。实验中发现,对于两个大小相近的尖峰,其中差分比小的,更适合作为有效秩阶次。本文算法在降噪的同时,能较好地保留有用信号的波形特征,减小失真。      

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。     

一种新的信号去噪方法及在激光信号中的应用

小波去噪是信号去噪的主要方法之一,目前的研究主要集中于如何选取阈值使去噪达到较好的效果,其中Donoho的阈值方法应用广泛.与传统双通道小波变换相比,三通道小波变换具有很多优势.基于这一理论,结合非参数自适应估计,推导出了一种适用于三通道小波域的自适应的信号去噪方法.实验证明,与三通道小波域中基于Donoho方法的去噪相比,该方法可以更好地保护细节以及提高重建信号的信噪比,在激光超声信号处理中也表现出良好的性能.     

Using anisotropic diffusion equations in pixon domain for image de-noising

Image enhancement is an essential phase in many image processing algorithms. In any image de-noising algorithm, it is a major concern to keep the interesting structures of the image. Such interesting structures in an image often correspond to the discontinuities in the image (edges). In this paper, we propose a new algorithm for image de-noising using anisotropic diffusion equations in pixon domain. In this approach, diffusion equations are applied on the pixonal model of the image. The algorithm has been examined on a variety of standard images and the performance has been compared with algorithms known from the literature. The experimental results show that in comparison with the other existing methods, the proposed algorithm has a better performance in de-noising and preserving image edges.     

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.     

信号幅值跳变小波降噪方法研究

传统的小波阈值降噪算法会使信号的不连续点附近产生伪吉布斯（pseudo Gibbs）现象。为了抑制这种现象,本文提出了信号幅值跳变小波降噪方法。该方法首先对原始信号进行幅值跳变处理,消除其不连续性;然后利用小波阈值降噪方法进行降噪;最后对得到的信号进行幅值逆跳变处理,获得原始信号的降噪信号。分别采用信号幅值跳变小波降噪方法、平移不变小波降噪方法和传统的小波阈值降噪算法对具有不连续点的信号进行降噪处理,结果发现,与另外两种方法相比,信号幅值跳变小波降噪方法能够有效抑制pseudo Gibbs现象,且降噪后的信号具有较高的信噪比。      

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。