GIS局部放电小波阈值去噪算法的改进

为了抑制GIS局部放电现场检测中的噪声干扰,本文在现有的小波阈值去噪的基础之上,提出了一种基于新的阈值函数的去噪算法。该去噪算法与传统的基于硬阈值或软阈值小波去噪算法相比,具有表达式简单,易于计算的优点,同时通过仿真试验表明该算法提高了信号的信噪比,具有较好的去噪性能。     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

基于小波变换的局放信号检测与提取

为提高局放信号检测的准确度，确保电力设备故障诊断的有交性和可靠性，利用连续小波变换对背景噪声较强的的局放信号进行多尺度分解，在某些尺度下，使局放信号明显增强，用阀值比较就可以有效地检测并消除噪声干扰。实验和仿真结果表明，选取合适的小波函数就能有效地抑制噪声干扰并完成对局放信号的检测和特征提取。     

基于改进小波阈值算法的信号去噪

为了有效消除信号中的噪声,提出一种改进小波阈值算法的信号去噪方法。首先分析软阈值和硬阈值小波方法的优缺点,构造了一种任意阶可导的新阈值函数,然后通过调节参数的值来更好的获得阈值估计,最后在Matlab 2012平台对其去噪性能进行仿真测试。结果表明,相通于其它信号去噪方法,本文方法提高了信号的信噪比,降低了均方误差,达到了更好的消噪效果,具有更高的实际应用价值。     

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，图像边缘检测的研究困难重重。近10年来，由于小波分析技术在工具和数学方法上的重大突破，试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准，参照最佳边缘滤波器的设计要求，确定选择用于边缘检测的小波母函数的一般准则，并在此基础上构造出二次B样条小波，提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证，结果成于采用固定阈值的小波边缘检测。     

ECG信号改进阈值函数小波去噪算法研究

本文针对心电信号(ECG)微弱、频率范围低、易受噪声干扰等问题,提出一种改进小波阈值去噪算法。不但能通过可变参数h调节自身软、硬特性从而确定合适的阈值函数,而且根据分解层数不同,自适应地调整通用阈值。通过选取MIT-BIH库的部分数据,结合常见的三种小波基,进行实验验证。结果表明改进的小波阈值去噪算法可以有效抑制心电信号噪声,得到较好的信噪比,同时对MSE也有所改善。     

小波变换在生命信号提取中的应用

主要研究在墙等固定物体强杂波背景下,对人体心跳、呼吸所产生的多普勒频移信号的检测和提取,由于生命信号是一种微弱的低速目标信号,回波信号将会湮没在杂波噪声中.基于以上考虑,提出利用小波变换的多分辨率特性,选择合适的小波基,采用Mallat算法,主要完成在噪声背景下对生命信号的提取、抑制杂波、提高信噪比3个方面的研究,通过对目标信号的分解、通道提取以及目标信号重构,能更加精确、有效地提取目标信号,实时性和应用性更强.     

基于小波变换的音频信号基频提取

通过对小波变换表征信号突变原理的研究，给出了基于小波变换的音频信号基频提取的原理和算法。在算法的实现过程中，利用信号在时域和频域的对应关系提出了一种动态确定小波变换最佳尺度的方法，克服了固定变换尺度在检测基频变化范围大的声音信号时的不足，并将数学统计方法引入到极大值点的提取。在音频信号的实时基频检测实验中，该算法较准确地定位最佳尺度和极大值点，取得了较好的基频提取结果。     

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.     

基于小波概率网络的局部放电模式识别

针对高压电器局部放电模式分类中样本数较少,常规的分类方法识别率较低,提出了一种基于概率神经网络与小波变换的混合算法。利用实验室模拟的局部放电信号进行小波分解,提取小波能量系数作为特征参数,并作为概率神经网络的输入进行分类。其得到的结果优于多层前馈神经网络及采用顺序最优化学习方法的支持向量机算法。     

基于小波变换的动态阈值法语音信号净化

语音信号实时去噪净化处理是语音通信系统的关键技术。传统的小波阈值去噪方法由于阈值的单一性,在去除噪声的同时,造成语音信号损伤。针对这一问题,提出了一种基于小波变换的动态阈值法语音信号净化方法。能根据噪声和信号的变化而动态调节阈值;采用改进的阈值函数对小波系数缓变地压缩,仿真实验结果表明,能有效去除信号中的噪声和较好保留语音细节。     

一种基于平移不变的小波阈值去噪算法

经典的D.L.Donoho小波阈值去噪算法在信号的奇异点处会产生Pseudo-Gibbs现象，从而使去噪后的信号在急剧变换部分产生振荡现象。为了抑制Pseudo-Gibbs现象，提出了一种基于平移不变的小波阈值去噪方法，在一定的平移量范围内，对分析信号进行循环平移，然后对这个新信号进行阈值处理，得到去噪后的信号，再对该信号作相反的循环平移，重复这一过程，对所获得结果求平均，就得到原始信号去噪后的估计信号。仿真实验的结果证明了算法的有效性。     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.     

基于水下图像小波变换的图像阈值去噪方法的研究

水下图像污染过程和机理十分复杂,不同的水下环境噪声也不尽相同。在此尝试用小波阈值去噪方法对水下图像进行去噪,力求改善图像质量。小波阈值去噪是信号处理中一种重要的去噪方法,针对常用硬阈值函数不连续的特点以及软阈值函数存在偏差的问题,提出了一种新的阈值处理方法。在Matlab中的仿真试验结果表明,新阈值方法的去噪效果无论在视觉效果上,还是在信噪比上都优于传统的硬阈值和软阈值,充分体现出小波阈值去噪方法的优越性。     

一种基于小波变换的自适应图像降噪法

提出了一种基于二进小波变换的图像降噪方法,通过对小波变换系数进行阈值处理实现降噪。该方法结合图像的自身邻域信息,具有一定的自适应性。实验结果证明能够产生较好的效果。     

基于小波变换的图像阈值去噪分析

小波阈值去噪是小波域去噪的主要方法之一,该方法通过对合适阈值的选取,采用阈值函数对小波系数进行相应的非线性处理,获得基于均方差的最佳去噪效果。针对图像去噪,将图像分别进行软阈值、硬阈值、软硬折中法和模幂次法去噪,对各个阈值去噪效果进行了比较分析,得到相对有效的处理方法,为小波去噪方法的选择提供了参考。