小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

基于MATLAB的小波去噪仿真

利用小波方法去噪,是小波分析应用于实际的重要方面。小波去噪的关键是如何选择阈值和如何利用阈值来处理小波系数,通过对几种去噪方法比对分析和基于MATLAB信号去噪的仿真试验,验证了小波去噪的优越性。通过对现场采集到的输油管线压力信号去噪处理,结果表明,该方法可以有效去除噪声。     

基于小波变换的机械振动信号阈值去噪分析

随着现代机械自动化的发展,生产设备功能越来越多,性能要求越来越高。为了缩小设备成本,机械故障诊断越来越重要。振动信号分析是诊断故障是最有效简单的方法。文章为获取其有用信号特征,去除噪声信号,提出了基于小波分析新的阈值法,并全面分析了各类小波和4种经典阈值去噪的效果。此次提出的新的阈值函数同时具有软、硬阈值函数方法的优点,使它处理小波系数时更灵活。经阈值处理后,小波系数值变为2个参数取值共同决定函数由软变硬的快慢程度。实验仿真说明,新的阈值法对于振动信号去噪效果明显。     

基于小波变换的信号去噪方法研究

对小波闽值去噪方法进行了研究,阐述了小波变换和小波去噪的基本原理和方法,利用四种自适应阈值规则对含噪信号分别进行去噪处理,并比较了去噪效果。以采集到的语音信号为例,采用不同的阈值去噪方法去噪,在MATLAB下进行仿真,结果表明小波变换既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

一种基于Hilbert-Huang变换的语音去噪方法

在介绍Hilbert Huang变换理论的基础上,提出了一种基于HHT变换的语音去噪算法。首先对带噪语音信号做EMD分解,得到各阶IMF分量,然后对高频的IMF分量用小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert Huang变换在处理非平稳信号中的优越性。     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.     

频率编码信号去噪的一种新方法

对频率编码信号直接进行小波去噪难以达到提高信噪比的目的,为了有效提高频率编码信号的信噪比,提出一种新的去噪方法。对接收到的频率编码信号,首先进行奇异点的检测,根据奇异点的位置将频率编码信号划分为不同的单载频信号,然后利用小波去噪方法对单载频信号进行逐个处理,最后将去噪后的多个单载频信号按编码规律进行组合,进而达到有效去噪的目的。仿真验证了新方法有效可行。     

采用小波阈值的时变光栅莫尔信号去噪方法

莫尔光栅的纳米级测量需要对莫尔信号进行高倍细分,而高倍细分的精度往往受到高斯白噪声的影响.将莫尔信号视为稳态模型进行去噪分析与处理时存在信号频率相对固定的缺陷,根据信号的频率是大范围可变的,且噪声分布在整个频率范围内,提出了一种更符合实际的时变模型,并采用小波阈值去噪法对信号进行处理.对时变莫尔信号进行了建模,对小波去噪原理及阈值去噪法进行了分析,经大量实验对比,选用Sym8小波基、分解尺度为6、阈值准则为Heursure的软阈值法去噪效果最好.去噪后,光栅莫尔信号接近理想信号,使莫尔信号的细分倍数达到1 000倍.     

小波阈值法在光干涉信号除噪中的应用

通过对传统数字滤波和Birge-Massart小渡阈值法的比较,对光反馈自混合干涉信号进行了去噪研究.构建了光反馈自混合干涉理论模型,通过对其仿真波形和实测波形的处理,比较了加权平滑滤波、有限长单位冲激响应滤波器和小波阀值法的去噪效果,结果表明,小波阑值去噪方法明显优于另外两种传统的滤波方法,具有更好的去噪效果.     

基于小波变换的超声波含噪信号处理

超声波流量计测量气体或液体流量时,传感探头接收的超声波信号中夹杂了大量噪声,它将会影响信号的分析和流量的测量.而传统方法无法刻画超声波信号的非平稳特性并准确去噪,为克服传统方法的不足,采用小波变换理论,结合阈值去噪法,通过Matlab仿真实验,可得去噪后的超声波信号,从而验证小波变换可用于超声波信号去噪的处理.     

离散信号空间上的最小能量框架在升余弦脉冲信号上的去噪算法

利用离散信号空间上的最小能量(小波)框架对升余弦脉冲信号展开去噪算法的研究。对于所给的2组不同最小能量框架,升余弦脉冲信号和加性高斯白噪声的抽样离散信号在这2组框架的各个子数列下的分解系数将出现明显不同的统计特征。据此给出了2个具体的阈值去噪算法,两者都充分利用了最小能量框架在信号去噪应用上的优点,在保持发送原始信号成分的同时去除了部分噪声成分,获得了较好的处理效果。仿真结果表明,当调制方式为BPSK且升余弦脉冲信号受加性高斯白噪声影响时,如果利用2个算法对接收波形进行去噪预处理,则接收信号的信噪比大幅度提升,在误码率上可以分别获得3.1dB和2.7dB左右的性能增益。     

基于改进小波阈值法处理MEMS陀螺信号噪声

小波具有多分辨率分析特性,利用小波阈值去噪可以有效地处理MEMS陀螺信号的噪声.针对常用阈值小波去噪方法的不足,提出了一种改进的小波阈值方法.详细介绍了该方法的原理与实现过程,并将其应用到MEMS陀螺信号处理过程中.使用db4小波,应用不同的阈值函数对MEMS陀螺信号进行4尺度分解.仿真实验分析比较表明,改进的小波阈值方法可以有效地剔除信号中的噪声,抑制了MEMS陀螺仪的随机漂移;与现有的阈值方法相比,信噪比提高了18.3%.     

基于最优小波基函数的语音增强研究

小波分析具有时频局部化和多分辨率特性,而小波包分析是在小波分析的基础上对信号高频部分的更精细地分解,选取合适的小波基一直是小波包去噪分析中的关键问题。将熵函数作为选取最优小波基的评价标准,通过计算语音信号小波包分解系数的熵值来确定合适的分解方式,同时采用小波包阈值去噪算法对三种小波基进行小波包去噪仿真实验,并进行对比分析。仿真实验表明,两种熵函数选取的最优小波基都能较好地消除强噪声背景下的噪声,得到信噪比较高的语音信号。     

基于小波多分辨率分析的一维信号阈值去噪

介绍了基于阈值选取的小波去噪原理及去噪步骤。分别用傅立叶分析法和小波分析法对一加入白噪声的信号进行消噪处理,仿真结果表明,用小波进行信号的消噪可以很好的保存有用信号中的尖峰和突变部分,小波分析技术在本质上比傅立叶分析技术具有更大的优越性。对某系统的某次采样信号,分别选用强制消噪、默认阈值消噪和给定软阈值消噪三种阈值进行小波去噪,并对仿真结果进行分析比较。     

基于小波域的红外图像序列噪声分析与去噪

由于相同的去噪方法对不同噪声类型的去噪效果不一样,采用基于小波域的图像噪声类型识别方法,利用小波高频子带系数的直方图识别了图像的两类主要噪声：高斯噪声和椒盐噪声.对红外图像系列的噪声进行了分析,长波红外图像主要受到高斯噪声干扰,中波红外图像主要受到椒盐噪声干扰.提出了一种改进的小波全局阈值去噪方法.仿真实验表明,该方法较传统方法的PSNR提高了2~3 dB,处理速度较快.     

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

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…     

局部高斯尺度混合模型的傅里叶-小波图像降噪

提出了一种基于局部高斯尺度混合统计模型的傅里叶-小波图像降噪方法.所提出的降噪方法综合了两者的优点,考虑到噪声小波系数间的相关性,小波系数统计特性通过局部高斯尺度混合统计模型来刻画.实验结果表明,此法可有效去除噪声,并且能够克服传统的小波去噪效果与选用的小波基函数相关的局限性,和其他方法相比,无论从视觉上还是峰值信噪比上比较,此方法降噪效果明显较好.     

小波降噪及其在MATLAB中的仿真与比较

随着小波理论的日益完善,小波分析在信号降噪领域已经得到越来越广泛的应用.首先讨论了小波分析的基本特点;其次通过理论分析和MATLAB仿真实验,详细讨论了四种降噪方法:阈值降噪法、平移不变量小波阈值降噪法、模极大值降噪法、基于各尺度下小波系数相关性降噪法.最后,对这几种算法的降噪效果进行了比较.     

基于尺度连贯性边缘检测的小波收缩图像去噪

为有效地去除图像噪声而不使图像边缘模糊,文章提出了一种保留边缘信息的小波图像去噪新方法.此方法基于二进小波变换的多分辨率分解,小波系数的分布被模型化为高斯分布,得到每一尺度的收缩因子,连续尺度上的收缩凼子被结合,一致性检测被用于进一步检测边缘.将检测到的边缘点与非边缘点对应的小波系数,分别用不同的方法进行处理,采用不同的收缩因子进行收缩.仿真实验表明,与其它几种传统去噪方法相比,本算法具有更好的重建视觉效果,峰值信噪比也比其它方法有了较大幅度的提高.