基于小波变换的阈值语音信号去噪

介绍了小波变换在语音去噪方面的应用概况.详细阐述了阈值法中的软阈值和硬阈值方法及它们的不足之处,并针对其缺点提出了软硬阈值折衷法去噪算法.最后,通过实验证明了该算法的优越性.     

基于ICEEMDAN的曲波阈值地震数据去噪方法研究

地震数据去噪对地震资料的品质的提升有重要的作用,因此对地震数据噪声的压制非常必要.本文提出一种基于ICEEMDAN与曲波阈值相结合去噪处理的方法,该方法解决了经验模态分解的模态混叠问题,使ICEEMDAN分解出来的模态分量特征更明显,然后通过曲波阈值对模态分量进行去噪并对处理的模态分量进行重构,利用信噪比(SNR)、均...     

CEEMDAN-小波阈值联合去噪效果的研究——基于黄金收盘价数据的实证检验

为解决金融时间序列的异方差性以及高频数据内部存在噪声的问题,研究将基于CEEMDAN-小波阈值去噪的ARIMA-GARCH模型运用在上海黄金交易所的Au(T+D)股票收盘价的预测上。结果表明,对黄金收盘价序列进行混合去噪后使用ARIMA-GARCH模型预测,提高了预测精度,并且较其他模型表现出优良的性质,结果较为准确,预测效果更好,模型可靠程度更强。     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声，得到没有污染的信号，便于进行信号分析，介绍了小波包变换的改进方法，给出了信号的小波包分解系数排序方法，将信号的相关性与小波包的多尺度时频分析及重构结合在一起，并用于信号的去噪研究中．通过仿真研究和与目前小波去噪方法进行对比，证明了该方法去噪的有效性．     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法．尽管Donoho对软阈值去噪提出了一个计算阈值的公式，但它并不适合双haar小波，针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法，实验证明此阈值的选取是有效的。     

基于曲波噪声估计的K-SVD字典学习地震资料去噪

常规K-SVD字典学习方法在处理实际地震资料的过程中,往往无法得到地震随机噪声的先验信息,使得相关的误差参数无法确定,只能通过大量调参来实现最优去噪效果。基于此提出了一种基于曲波噪声估计的K-SVD字典学习地震资料去噪方法,旨在通过对地震资料进行曲波变换,选取尺度系数最大且对应方向上噪声能量最大的曲波系数,来估计随机噪声标准差,再利用K-SVD字典学习方法自适应获得超完备字典,并在重构过程中根据所得噪声标准差确定最优迭代误差参数,从而进行去噪处理。理论模型和实际地震资料的处理结果表明,该算法相较于传统的去噪方法,能在压制随机噪声的同时,最大限度地保护有效信号不被切除。     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法 .尽管Donoho对软阈值去噪提出了一个计算阈值的公式 ,但它并不适合双Haar小波 .针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法 ,实验证明此阈值的选取是有效的 .     

小波阈值去噪中新的阈值函数的研究

基于小波变换的阈值去噪算法,需采用阈值函数对小波系数进行非线性的处理。本文在分析了硬阈值函数和软阈值函数各自特性的基础上,提出了一种新的阈值函数,该阈值函数克服了软、硬阈值函数的缺陷,连续、可导,且减小了偏差,函数中调节因子m可以改变阈值函数的趋向,使阈值函数具有较大的灵活性。仿真结果表明新的阈值函数的可行性及有效性。     

基于一种新的阈值函数的小波域信号去噪

在D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上,构造了一个新的阈值函数．与传统的软硬阈值函数相比,新阈值函数表达式简单易于计算,克服了硬阈值函数不连续的缺点,同软阈值函数一样具有连续性,而且是高阶可导的,便于进行各种数学处理,还克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,同时它具有软硬阈值函数不可比拟的灵活性．仿真结果表明,采用了新的阈值函数的去噪结果有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法．     

基于曲波变换和快速非局部均值的地震数据随机噪声压制

在常规的地震勘探中,由于受到激发、接收环境或仪器等因素影响,地震数据中会不可避免地混杂随机噪声,导致有效信号被淹没,从而无法被清晰识别,因此随机噪声的压制至关重要.本次研究提出一种改进曲波变换阈值去噪结合快速非局部均值去除地震随机噪声的方法:首先将循环平移和块状复数域阈值方法引入到曲波变换阈值去噪中,改进传统的曲波阈值...     

一种基于新阈值函数的小波图像去噪算法

提出一种新的阈值函数,有效地克服了小波硬阈值函数不连续,小波软阈值函数出现恒定偏差的缺陷,具有优越的数学特性和清晰的物理意义,实验结果表明本文算法在峰值信噪比和均方误差的框架下均取得较好的去噪效果,同时在视觉上也取得了令人满意的结果.     

在曲波域中应用统计模型的图像纹理特征提取

针对基于内容的图像检索系统图像纹理特征提取对图像检索精度存在影响的问题,提出一种基于曲波( Curvelet)变换与高斯混合模型(Gaussian Mixture Model,GMM)相结合的方法提取图像的纹理特征.该方法通过曲波对图像进行多尺度分析并结合K-means和期望最大化(Expectation Maximization,EM)算法来估计高斯混合模型的参数,以此构建图像的纹理特征空间.仿真结果表明,所提出的方法比传统的图像纹理特征提取方法精度更高,并且提高了图像检索系统中的检索精度.     

基于多小波噪声方差阈值的信号滤波方法

对信号和噪声的多小波变换进行了研究，根据它们多小波变换下呈现出的截然相反的特征，即随着变换尺度的增大，噪声的变换值迅速减小，而信号的变换值增大，利用相关算法推导并给出了多小波噪声方差阈值的计算公式，基于阈值提出了一种新的多小波信号滤波方法，该方法在噪声方差估计的基础上，对噪声信号变换系数进行处理，减小由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数进行处理，减少由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数重构信号，对该方法用典型的GHM双小波进行了仿真分析，结果表明，本文的方法具有很好的滤波效果。     

基于Curvelet和Wavelet结合的SAR图像降噪方法

提出一种新型的曲波和小波的结合降噪方法,可有效降低合成孔径雷达(SAR)图像的斑点噪声,同时更好的保持图像边缘信息。采用16个方向检测模版扫描图像,根据检测规则区分边缘区域和均匀区域,同时标记图像边缘区域。分别使用改进软阈值的曲波降噪方法和小波降噪方法处理SAR图像的边缘区域和均匀区域。最后组合2种降噪结果,生成完整降噪图像。作者提出的结合方法和目前已经提出两种结合算法(联合滤波算法、自适应结合算法)相比,在灰度均值比、等效视数等指标上都有一定提升。实验结果表明,新方法既能更有效去除SAR图像斑点噪声,又能更好地保持图像边缘信息。     

一种新的Contourlet变换图像降噪算法

Contourlet变换使用一组类似于线段的基结构来逼近原图像,拥有良好的各向异性特征,非常适用于图像处理的各种方法.针对Contourlet变换的多尺度多方向的特性,提出了一种新的自适应多阈值,软硬阈值函数相结合的图像降噪方法,该方法在不同尺度不同方向下选择不同的阈值,充分考虑了图像的纹理、方向和尺度,保留了两种阈值函数的优点,使得降噪后的图像在信噪比上有所提高,并有效保持了图像纹理信息,得到更好的视觉效果.     

基于自适应多方向稀疏模型的量化噪声均衡化图像解码方法

针对量化带来的非一致噪声,基于压缩感知理论,建立了基于量化噪声均衡化模型的图像优化解码方案.针对图像信号纹理的多方向特征,构建了自适应多方向稀疏表示模型.实验结果表明:以变换系数为观测数据,通过基于自适应多方向稀疏模型的量化噪声均衡化解码方法可以较大幅度地提高图像重建质量.     

管道噪声有源控制的声学特性研究 Ⅰ理论分析

在假设半无限长管道的前提下,详细分析了噪声有源控制系统作用下的管道声场特性.研究结果表明,当达到理想消声效果时,从次级源到管道下游声场的声压为0,在初级源与次级源之间形成一个声反射系数模等于1的驻波场,在次级源位置的声反射系数为-1,声阻抗为0.这时初级源的辐射声阻抗为一个纯虚数量,它不再向外界辐射声能.     

基于双重残差网络的地震数据随机噪声压制

地震信号的随机噪声压制是地震信号处理中的重要问题.卷积神经网络(Convolutional Neural Network,CNN)近两年在地震信号去噪领域展现其巨大的潜力.该方法可以突破先验约束,从大量的数据中学习噪声模式,可以高效智能地实现地震数据去噪.为了进一步提高去噪效果,本文提出基于双重残差结构的CNN网络地震...