一种改进的小波阈值信号去噪方法

为改进滤波效果,提高去噪质量。通过分析软硬阈值去噪的原理和方法,为小波阈值信号处理提出了一种改进的去噪方法。该方法综合了软硬阈值的特点,对其参数进行优化设计,通过调节参数值以更好地获得阈值估计。针对改进后的去噪算法,通过Matlab仿真比较了传统的小波软硬阈值算法与该算法的消噪效果,结果表明,提出的方法有更好的消噪效果和稳定性。     

基于自适应噪声完备经验模态分解的Φ-OTDR信号去噪算法

针对相位敏感光时域反射仪(Φ-OTDR)信号信噪比较低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)的小波信息熵阈值去噪算法。该算法配合CEEMDAN分解,通过小波信息熵阈值去噪,提取扰动位置的高频信息,从而提高系统的信噪比。首先,采用Savitzky-Golay滤波算法对不同光脉冲间的信号进行预处理;其次,采用CEEMDAN将滑动差分后单个脉冲内信号分解为不同的固有模态函数(IMF),并利用连续均方误差准则确定含噪较多的高频IMF分量;然后,采用小波信息熵阈值去噪算法对以上高频IMF分量进行阈值去噪处理;最后,将其与低频IMF分量以及残差分量进行重构。采用自行研制的相干Φ-OTDR系统实测数据进行了验证,结果表明,文中算法与两种传统去噪算法相比,信噪比提升了3dB,这对于系统的实际应用具有重要意义。     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

基于CEEMDAN和小波阈值的ECG去噪算法研究

提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与小波阈值的ECG信号去噪新算法。首先对含噪ECG信号进行CEEMDAN分解,得到从高频到低频排序的各个IMF分量,利用自相关法对各IMF分量进行分析,找出以随机噪声为主的高频IMF分量并进行小波阈值去噪;然后统计包括余量在内所有IMF分量的过零率,过零率小于1.5的IMF分量即为基线漂移信号,直接剔除;最后将经过小波阈值去噪的IMF分量与剔除基线漂移之后的其他IMF分量一起进行合并重构,实现ECG信号的去噪和基线校正。用所提算法对MIT-BIH心电数据库中的ECG信号进行去噪处理,结果表明ECG信号中的随机噪声得到很好的抑制,同时获得了良好的基线漂移校正效果。     

改进提升小波阈值算法在信号去噪中的应用

针对小波阈值算法对信号去噪过程中信号峰值保留和实时性不佳的现状,本文提出改进的小波阈值算法与提升小波的去噪算法相结合,通过建立连续小波阈值函数方程解决常用阈值产生的振荡和局部峰值重构缺失的问题。提升格式的小波算法弥补了传统小波变换实时性上的不足,并且计算量小,不需要额外的存储空间。最后,仿真实验结果表明,提升方案的改进小波阈值算法的重构信号更接近原始信号,较传统小波阈值算法仿真时间短实时性更强。     

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。     

基于小波阈值算法的海杂波信号去噪

为有效提取噪声背景下的海杂波信号,针对海杂波信号非线性非平稳的特点,提出基于小波阈值算法对实测海杂波数据去噪。在噪声水平未知条件下,提出基于噪声主要在高频段且能量较小、信号主要集中在低频段思想的噪声判断准则。为验证小波去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用均方差和降噪信号信噪比两项指标来衡量去噪效果,并与均值和中值等去噪方法对比,小波算法在这两项指标均优于其他算法;此外,实验结果还表明,db2小波在双曲线阈值函数和HeurSure阈值模式下优于其他小波去噪效果。     

一种改进的自适应图像去噪算法实现

数字图像在形成、传输和处理过程中,往往不可避免的存在噪声污染。因此去噪是数字图像处理的重点也是难点,需要提出一种更加行之有效的去噪算法。针对于传统软硬阈值的缺陷,本文提出一种将改进的的小波阈值去噪法与自适应中值滤波相结合的新的去噪方法。小波阈值去噪即确定一个合适的阈值,对分解的小波系数进行阈值化处理,滤除噪声的小波系数,而保留信号的小波系数。该算法相对于传统软硬阈值的峰值信噪比(PSNR)的提高百分比分别达到了16.32%和8.95%,去噪效果非常理想。该方法较之以往的去噪方法,峰值信噪比有了明显的提高,同时能够有效保留边缘及细节特征。     

阈值法在毫米波目标辐射信号去噪中的应用研究

小波域阈值法去噪以其效果好,易编程实现而广泛应用到图像及信号的去噪中。该文在分析了毫米波目标辐射信号的小波系数特征后,提出使用非负小波系数代替信号的小波系数。对于确定的阈值,推导了重构信号均方差最小时,非负小波系数的去噪方法,实验表明该文算法具有较好的去噪效果。     

基于Matlab的小波去噪算法研究

小波阈值去噪是通过小波变换技术将含噪信号分解及重构,通过一个阈值限定小波分解后的小波系数来去除噪声的方法。在小波分析域中分析了传统的软阈值法和硬阈值去噪方法的特点,同时指出传统分析法中存在的缺点,提出了软硬阈值折衷的去噪方法。采用雷达信号用Matlab对去噪效果进行仿真,证明了改进方法的去噪效果优于单纯的软阈值与硬阈值方法。     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

基于FPGA的小波去噪的硬件实现

为了解决传统频域去噪法在光信号处理中单分辨率的局限性,提出了具有多分辨性的小波去噪法,并通过对比验证其有效性。由于小波去噪实现对硬件的要求较高,采用现场可编程门阵列做硬件平台来实现基于分布式算法的小波运算,将复杂的乘法运算转化为简单的并行查表累加过程,提高了运算效率,完成了小波算法的硬件移植。最后设计了基于现场可编程门阵列的采集系统,并在其上进行了小波去噪的硬件验证。结果表明,小波去噪算法在现场可编程门阵列平台上得到了很好的实现,且去噪效果良好。     

基于DSP的小波阈值去噪算法的实现

小波去噪是信号处理领域中的热点与前沿课题。阐述了小波去噪的基本原理和方法,利用TMS320F2812 DSP高速的运算能力、强大的实时处理能力等特点,在DSP上实现小波阈值去噪算法,为小波去噪提供了实时处理平台。采用软阈值函数和tein无偏风险阈值2t（rigrure规则）对噪声污染信号进行小波阈值去噪处理,实验发现,该法可以很好的去除噪声,满足信号去噪的光滑性和相似性准则。     

基于小波阈值去噪和共轭模糊函数的时频差联合估计算法

为了解决二阶互模糊函数对相关噪声处理的局限性问题,以及基于四阶累积量的联合估计算法的运算量大的问题,该文利用小波阈值去噪方法结合非圆信号的特性,提出一种新的时频差联合估计算法。该方法首先对接收信号进行小波阈值去噪,然后构造共轭模糊函数,最后再进行2维搜索,得到时差和频差参数。仿真实验给出不同信噪比下的参数估计结果,得出这种算法能抑制相关噪声,又能相对降低运算复杂度,并且在较低信噪比下也能做出准确估计。     

基于小波阈值去噪方法的一种改进方案

在D．L．Dohono和I．M．Johnstone提出的多分辨分析小波阚值去噪方法的基础上，提出了一种新的阈值函数。仿真试验结果表明，采用新的阈值函数的去噪效果无论在视觉效果上，还是在信噪比增益上和最小均方误差意义上均优于传统的硬阈值和软阚值。并且，与传统的硬阚值和软阈值相比．此函数不仅表达式简单，易于计算，而且具有优越的数学特性：易于求导，有连续的无穷阶导数。因此新阈值函数的更重要的意义在于使信号的自适应去噪成为可能，为更充分的发挥小波阈值去噪方法的优越性开辟了广阔的前景。     

基于框架理论的非正交小波降噪方法研究

将正交小波降噪的阈值处理方法引入到非正交小波降噪过程中,提出了Hilbert空间中基于框架的非正交小波阈值降噪方法。该方法由于对尺度和时间的冗余抽样,所以能将信号尺度特征和锐变位置更精确定位,成为信号降噪处理的一个有效途径。     

基于小波收缩的噪声图像恢复新型算法实现与验证

小波变换技术是近20年发展起来的新的信号处理技术,但对小波的研究由来已久。随着小波理论的不断完善,它以自身良好的时频特性在图像去噪领域受到越来越多的关注。图像去噪是信号处理中的一个经典问题,传统的去噪方法多采用平均或线性方法进行,但是其去噪效果不好,本文基于此目的,采用了连续两次半软阈值去噪的方法,来去除含噪图像的噪声,最后通过MATLAB软件仿真此方法的去噪效果,并与其它去噪方法进行比较,得出本文提出的方法去噪效果更优越。     

CMOS图像采集芯片中噪声抑制新方法研究

本文针对CMOS图像采集芯片中信号的基本特点,对于白噪声的消除,在Donoho提出的基于小波的软阈值和硬阈值去噪法的基础上,将输入信号的信噪比作为去噪参数,研究并提出了适合于CMOS图像采集芯片噪声消除的新方法,并且给出用Matlab仿真的结果。结果表明,当测试信号为Bocks,输入信号信噪比为3dB-13dB时,使用此方法输出信号信噪比比软阈值法平均提高2．2dB,比硬阈值法平均提高0．21dB。     

小波去噪在超声多普勒信号处理中的应用

在超声多普勒流量计的研制过程中,由于多普勒信号属于微弱信号,超声波回波信号的去噪处理这一步是十分必要的。通常采用小波阈值去噪的方法对此信号进行预处理,本文所采用的方法是在小波阈值去噪方法的基础上,利用一种改进的阈值函数,此阈值函数克服了硬阈值函数不连续的不足,继承了软阈值函数的连续性特点,并且解决了软阈值函数中存在的小波系数与分解小波系数之间存在着恒定偏差的缺陷,与此同时,它具有软硬阈值函数不可比拟的灵活性。对实验所获得的超声波回波信号进行去噪,仿真结果表明,采用新的阈值函数去噪能有效抑制在信号奇异点附近产生的Pseudo-Gibbs现象,并且从信噪比增益和均方误差意义上分析看出改进型阈值函数对于超声回波信号的去噪效果均优于传统的软、硬阈值方法。     

Estimating the probability of the presence of a signal of interest in multiresolution single- and multiband image denoising.

We develop three novel wavelet domain denoising methods for subband-adaptive, spatially-adaptive and multivalued image denoising. The core of our approach is the estimation of the probability that a given coefficient contains a significant noise-free component, which we call "signal of interest." In this respect, we analyze cases where the probability of signal presence is 1) fixed per subband, 2) conditioned on a local spatial context, and 3) conditioned on information from multiple image bands. All the probabilities are estimated assuming a generalized Laplacian prior for noise-free subband data and additive white Gaussian noise. The results demonstrate that the new subband-adaptive shrinkage function outperforms Bayesian thresholding approaches in terms of mean-squared error. The spatially adaptive version of the proposed method yields better results than the existing spatially adaptive ones of similar and higher complexity. The performance on color and on multispectral images is superior with respect to recent multiband wavelet thresholding.