基于小波变换的自混合干涉信号降噪方法

应用小波变换理论对光反馈自混合干涉信号进行小波降噪处理。处理中用db4小波做降噪小波基,对自混合干涉信号进行4层分解,经过阈值处理与小波重构得到降噪信号。对不同反馈机制下降噪前后信噪比、均方差的对比分析,结果表明小波降噪在消除噪声方面的有效性。     

小波降噪在北斗信号处理中的应用初探

北斗信号在传播和接受过程中都会产生一定的噪声,这些噪音直接影响着数据的处理和北斗接收机定位等方面。根据对小波降噪原理的理解,对其降噪效果和影响因素进行了解和分析。文章通过选取几种常见的小波函数,使其与北斗信号的特点相结合,以接收机的捕获性能和均方根误差等方面作为降噪效果的衡量标准,对不同的小波基、分解层数以及阈值进行分析比较。以期对我国未来小波降噪在北斗信号处理中的应用提供参考依据。     

基于变分模态分解的自适应滤波降噪方法

为了提高分析信号的信噪比,本文提出了一种基于变分模态分解的变步长归一化最小均方自适应滤波降噪方法.该方法对原信号进行变分模态分解并区分信号分量和噪声分量,再对噪声分量进行间隙阈值降噪处理并将其作为参考信号输入自适应滤波器,通过自适应算法迭代处理得到降噪后的信号分量,并通过重构算法得到最终降噪后的信号.本文还在变分模态分解的基础上使用小波阈值降噪和间隙阈值降噪方法按不同方案进行降噪处理并得到最佳算法,将其与所提算法进行对比.实验结果表明,本文所提自适应滤波降噪方法的降噪效果比阈值降噪最佳方法效果更好.     

局域均值分解在MEMS陀螺随机误差消噪上的应用

针对标准Kalman滤波需要建立准确的系统模型、小波阈值降噪对小波基和阈值的选取依赖于经验的不足,将局域均值分解(LMD)方法引入MEMS陀螺的随机误差滤波.该方法可自适应地将随机误差信号分解为若干PF分量之和,且对各分量进行小波降噪处理,将处理后的各分量相加得到降噪信号.实验分析表明该滤波方法效果明显.     

基于小波分析的GPS定位数据降噪仿真

介绍了小波降噪原理及基本算法,描述了阈值规则的选取、小波基以及分解层数对降噪效果的影响。给出了判断降噪效果的定量标准,用Matlab对含噪GPS数据分别以不同阈值规则、小波基和分解层数进行降噪处理,并对降噪效果进行比较,得出航天测控GPS数据降噪的最佳方案。     

调频广播信号降噪处理的小波分析

简述了小波分析的理论基础以及降噪原理．比较了常用的三种小波函数。对某广播电台测得的调频广播信号．分别用db小波、sym小波和Coif小波进行信号分解．采取软阈值的方法进行降噪处理．然后重构降噪后的信号。最后指出了小波属性对降噪结果的影响。     

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。      

小波分析在信号降噪中的应用

针对信号检测中经常存在的噪声污染问题,利用小波分解之后可以在各个层次选择阈值,对噪声成分进行抑制,手段更加灵活。本文介绍了小波变换的一般理论以及在信号降噪中的应用,分析了被噪声污染后的信号的特性;利用MATLAB软件进行了信号降噪的模拟仿真实验并在降噪光滑性和相似性两个方面体现出小波变换的优势。本文分别使用了不同类型的小波和相同类型小波下不同阈值对信号进行了降噪.仿真结果表明小波变换具有良好降噪的效果。     

光纤陀螺全频域小波阈值降噪技术

为了有效地去除光纤陀螺信号中的分形噪声,提出了全频域小波多尺度阈值降噪方法。从分形信号的分数微分形式出发,建立了分形信号与高斯白噪声之间的联系,结合小波分析的高阶消失矩特性,实现了分形信号在小波空间的去相关。当分形信号被具有高阶消失矩的小波分解后,其在小波域具有白噪声的特点,可以采用阈值处理的方法予以去除。同时,根据陀螺信号噪声的宽频带特点,对小波分解的低频近似系数和高频细节系数进行阈值处理,有效地抑制了噪声成分。光纤陀螺信号的降噪实例表明:相比传统的小波阈值降噪方法、卡尔曼滤波方法和滑动平均滤波方法,该方法具有较好的降噪效果。     

基于小波变换的信号降噪和奇异性检测

本文对基于小波阈值的信号降噪进行研究,重点讨论了阈值函数设计。传统的硬阈值函数法处理信号时,降噪后的结果有较大方差,软阈值函数法降噪后的结果相对平滑,但软阈值函数法降噪的同时削弱了小波系数的幅度,降噪结果会出现较大的偏差。基于此,本文提出了两种改进的阈值函数,用该两种函数对小波系数进行处理,降噪效果较为明显,信噪比得到较大的提高。     

一种小波阈值降噪改进算法

基于Stein的无偏估计原理的自适应小波降噪阈值选择(rigrsure)算法,利用小波变换分解低信噪比下的Block信号,使用rigrsure算法获得重构后的低频信号和各层细节信号小波降噪阈值,提出了一种改进降噪算法,对Block信号降噪,通过仿真取得良好的降躁降噪效果。     

基于优化SVD和平稳小波的复合降噪方法

通过分析奇异值分解(SVD)和小波阈值两种降噪方法的特点,提出了基于优化奇异值分解和平稳小波的复合降噪方法。方法采用统计学习理论的结构风险最小化原则优化确定矩阵有效秩,解决奇异值分解降噪特征值选取困难的问题。针对传统二进离散小波忽略尺度噪声且在奇异点存在振荡效应的不足,运用改进的平稳小波降噪方法对奇异值分解降噪后的信号进行精细处理。通过在不同信噪比条件下与传统离散二进小波进行降噪对比试验,证明了方法的有效性和优越性。     

小波阈值降噪法在Φ-OTDR扰动传感系统中的应用

针对目前基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤扰动传感系统信噪比较差的问题,提出采用小波阈值降噪法对系统采样信号进行信号处理的前期降噪。分析系统有效信号特征,采用小波阈值降噪法中强制阈值降噪法、软阈值降噪法以及硬阈值降噪法分别对采样信号进行降噪处理,经过比较选择了阈值降噪法作为降噪算法。定量对比降噪前后扰动信号的信噪比,证明采用小波阈值降噪法中硬阈值法处理后的数据在进行后期定位算法时,信噪比提高近一倍。     

一种小波自适应阈值全频降噪方法

目前的基于小波阈值降噪方法往往假设信号的噪声分布在高频段,因此大部分方法只对高频段进行降噪,而忽略了低频段噪声对信号的影响.在现实的应用中,复杂的噪声并不满足该假设条件,也即复杂噪声不仅分布在信号的高频段,而且低频段的噪声同样不容忽视.针对上述问题,论文提出了一种全新的解决方案:小波自适应阈值全频降噪方法.在该方法中,根据不同类型的噪声随小波分解层数、噪声强度等因素变化规律,提出了一种新的自适应阈值确定方法;然后利用小波去相关性方法来检测信号受到的最主要的噪声干扰;最后结合噪声类型检测方法,检测信号中所隐含的最接近的噪声类型,选取合适的阈值确定方法,对信号的低频和高频同时进行降噪.论文的实验结果表明:(1)当信噪比较低时,采用全频降噪方法对大部分类型的噪声而言均优于传统方法,并且全频降噪方法仅需要信号分解到1~2层即可取得良好效果;(2)当信噪比较高时,全频阈值降噪技术的降噪效果和传统方法一致,但所需小波的分解层数少于传统方法.     

基于小波变换的噪声消除算法研究

噪声是影响测量结果的重要因素,对被测信号进行消噪处理是测量中必不可少的步骤。小波变换因为有去噪相关性等特征,相对于时域更利于去噪。采用dbN小波基信号进行分解,利用小波变换的阈值来消噪,Matlab进行小波降噪仿真。实验结果表明采用这一消噪方法能消除信号中的无用部分,由于采用了软阈值的处理方法,测量信号有一定程度的损失,但基本能重构原有用信号波形。     

基于sym3小波阈值法的语音信号降噪研究

语音信号是一维非平稳信号,在传播过程中容易以各种方式混入噪声,导致对其分辨造成影响。为了净化噪声信号,对语音信号降噪进行了研究,给出了小波语音信号降噪的基本方法,并在matlab环境下应用sym3小波对携带噪声的语音信号进行处理。分别采用了经典的硬阈值法、软阈值法以及集软硬闽值法优点而进行的软硬阈值结合的方法对不同噪声强度的信号进行处理,结果对比分析显示,软硬阈值结合的方法降噪效果最为显著,能得到更高的输出信噪比。     

心电信号降噪小波函数选取的定量研究

为了定量地评估不同小波函数对心电（ECG）信号的降噪效果,建立了含噪声的ECG模型作为实验标准信号,采用正交小波变换和不同阈值方法来对该标准信号进行高频噪声消除实验,通过信噪比参数结合波形形态来衡量降噪效果。实验表明,当降噪后信噪比接近标准信号信噪比时,降噪效果最佳,得到既能保证信号失真度小又具有较高信噪比的降噪方案和适用于ECG信号小波分解和重构的小波函数,最后通过MIT-BIH数据库数据验证了利用该研究结果能够有效地消除ECG信号中的高频噪声。     

基于提升小波与粒子群相结合的混沌信号降噪

提升小波变换用于混沌信号降噪具有良好的效果,阈值选取与混沌信号降噪后信号的畸变具有紧密联系。为了提高混沌信号中提升小波的自适应能力,降低降噪后信号的畸变率,提出了一种基于提升小波和粒子群相结合的混沌信号降噪方法。该方法在对提升小波变换后的细节部分进行阈值处理时,采用阈值自适应选择方法,并结合粒子群算法全局搜索最优阈值。通过对Colpitts模型进行仿真分析,与标准的软阈值降噪相比,能更好地对混沌信号降噪,并且降噪后信号失真度较小,具有很好的应用价值。     

小波包阈值降噪法处理光纤陀螺信号

光纤陀螺以其自身结构和外部环境的影响容易在输出信号中产生随机噪声。为了消除光纤陀螺输出数据中的随机噪声,提出了用小波包阈值法来处理陀螺信号。在分析小波包变换理论及其分解重构算法的基础上,结合光纤陀螺输出数据的数学模型,对光纤陀螺随机信号进行四层小波包分解。通过阈值法对分解得到的各个节点分解系数中小于阈值的部分置零,利用处理过的节点系数进行重构以消除重构陀螺信号中的噪声。仿真实验结果表明,小波包阈值法比小波软硬阈值法在处理光纤陀螺信号中的效果更好,信噪比更高。     

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。