基于光反馈自混合干涉的任意振动信号重构

阐述了光反馈自混合干涉的原理，基于光反馈自混合干涉效应，设计一种振动信号测量系统。根据光反馈自混合干涉信号的特点建立了自混合干涉振动测量模型，并设计了测量方法及数据处理算法。仿真分析及实验结果验证了测量方法的可行性。该系统的最小分辨力为半导体激光器光波波长的二分之一，最大误差为半导体激光器光波波长的四分之一，可以用于测量任意振动信号。     

基于阈值自学习小波算法的压力信号去噪方法

提出了信号预滤波结合阈值自学习小波去噪的综合滤波方法.该法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值,再将此阈值用于同一工况下整个时间段信号的去噪,不同工况下得到不同的最佳阈值进而获得最优输出.数值计算对比证明,该方法对噪声抑制作用明显,比传统小波去噪、改进神经网络去噪等方法效果更好.     

小波阈值去噪技术在ECG信号处理中的应用

本文采用小波阈值去噪方法,利用了小波变换多分辨率的特点,它对信号具有自适应性,可以降低消噪算法的复杂程度,又可保证心电信息特征不被丢失。试验表明,该方法能较好地实现心电信号的消噪,同时也适合于信噪比较低的生物信号的处理中。     

基于小波变换的音频信号去噪

本文主要介绍基于小波变换的软阈值和硬阈值在数据处理中的应用，并用Matlab软件进行仿真。     

超声信号的小波增强与改进去噪研究

预处理技术广泛应用于图像处理领域,文中将预处理技术应用到超声回波信号处理中。传统的阈值函数存在着明显的缺点：硬阈值函数在函数域内存在不连续的问题,软阈值函数去噪后存在恒定偏差。文中提出的改进阈值函数能够弥补硬阈值函数和软阈值函数方法的不足;提出的自适应阈值减小了由小波系数阈值不准确引起的误差。仿真结果表明,经过预处理的信号相比原始信号,信号特征有明显提高;使用改进阈值函数和自适应阈值较传统方法能明显提高去噪的效果,体现在信噪比的提高以及均方误差的减少等方面。     

基于小波的信号阈值去噪算法研究

阈值去噪的方法就是在小波分解后的各层系数中,对模大于或小于某阈值T的系数分别处理,然后对处理完的小波系数再反变换重构出经去噪后的信号.在阈值去噪中,阈值函数体现了对超过和低于阈值的小波系数模的不同的处理策略以及不同的估计方法.     

基于Mallat方法的SURF阈值小波去噪的设计与实验

小波分析对于信号处理具有十分重要的作用.使用Mallat小波变换方法在已知噪声频率范围情况下对信号处理效果较好,但无法消除信号中的大量未知白噪声.引入SURF阈值,对小波进行过滤处理,可以有效过滤白噪声.设计基于SURF阈值改进的Mallat变换法进行去噪实验,得出结果并与单一Mallat小波变换法结果进行对比,得出改进后的Mallat小波变换法可以去除大量白噪声,使信号更加光滑,保真.     

小波阈值去噪技术研究及其在信号处理中的应用

阈值函数的选取以及阈值的确定是小波收缩消噪的关键问题,阐述了小波变换及小波阈值去噪的基本原理.基于噪声和信号在小波变换下表现出截然不同的性质:噪声对应的小波变换系数将随着尺度的增大迅速衰减,建立了小波收缩消噪的统一框架.在该框架下总结了各种阈值函数的形式以及阈值确定的方式,研究了它们的性能及特点.仿真实验结果表明,该方法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.     

基于平稳环境下小波去噪的研究

小波变换可以很好解决时间分辨率同频率分辨率之间的矛盾,具有很好的时频特性。在环境变化相对平稳和主要噪声源预知的情况下,用仪器同时测量需测信号和已知信号。用本文提供的方法,算出此环境下已知信号中的噪声方差。再用它去滤除另一路信号中的噪声。实验表明,该方法可以进一步提高信噪比。     

小波阈值去噪在传感器性能试验数据处理中的应用

在传感器性能测试中,采样的信号经常受到各种噪声的干扰和污染,不能准确反映设备的运行状态,不宜直接用于数据处理与分析。为了对试验数据进行去噪预处理,根据具体传感器性能试验数据的特点,运用小波变换方法,确定了适合的小波去噪参数。引入重构因子比较几种常用的小波基,应用Matlab对仿真信号进行小波阈值去噪处理,依据平滑度确定了分解层数,为传感器性能试验数据预处理提供了的一种有效的小波阈值去噪方法。     

RFID射频信号的小波消噪方法

为了改善RFID系统的性能,提出使用小波变换去噪的方法降低射频信号的噪声影响.为了提高对物体自动识别的准确率,采用了小波去噪与傅里叶变换去噪方法.根据标准ISO18000-3在LabVIEW 环境下使用调制工具包仿真产生了13.56MHz的RFID射频信号,并用小波分析方法和傅里叶分析方法对仿真产生的RFID射频含噪信号进行去噪.仿真结果表明,与传统傅立叶分析消噪相比,小波消噪具有较高的精度及较好的消噪效果.研究小波分析在射频信号消噪中的应用具有现实意义并切实可行,同时小波分析应用到虚拟仪器测试领域,能够为人们提供更为精确和方便的测试,在工程应用中具有较好的应用前景.     

Electrocardiogram Signal Denoising Using Discrete Wavelet Transform

The most common noises in ECG （electrocardiogram） signal processing are BW （baseline wandering） and the 50 or 60 Hz PLI （power line interferences）. In order to remove these two major source of noises, we have used the recent powerful DWT （discrete wavelet transform） signal processing in ECG signals which are obtained from MIT-BIH Arrhythmia Database. The results indicate that DWT is a good method for filtering noises without changing the morphology of ECG, and can be applied to all types of ECG signals, whether normal or presenting arrhythmias.     

FFT和小波变换在信号降噪中的应用

信号降噪是指滤除信号的高频噪声从而使信号尽量接近真实值,这是信号处理的关键环节.在分析FFT和小波变换的基础上,采用这两种方法对加入随机噪声的信号进行降噪处理,并在MATLAB平台上仿真实现.用基于信号降噪的两大准则对两种降噪结果进行分析,表明小波变换在该信号的降噪处理中有明显的优势.     

基于小波包收缩的心电信号除噪方法研究

文章提出了一种新的基于小波包分析的心电信号的除噪方法。讨论了小波包收缩消噪的原理、阈值的选取以及阈值的量化规则。比较了选择不同的阈值以及不同的阈值量化规则对信号消噪的效果。结果表明基于小波包分析的小波包收缩除噪技术在保持信号奇异性的同时能有效的去除心电信号的噪声。     

小波变换在脉象信号消噪处理中的应用

首先简单介绍了小波变换消噪的原理,然后分别利用小波变换和傅里叶变换,对临床采集的脉象信号进行了消噪处理.结果表明,利用小波消噪能够有效地保留脉象信号中的尖峰和突变部分,最大限度地反映了原信号本身的特性,消噪效果较好.     

一种改进的小波阈值信号去噪方法

为了克服硬阈值函数不连续,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,更好的改进滤波效果,提高去噪质量.通过对硬软阈值去噪方法的分析,比较了硬软阈值去噪的方法,构造了一个新的阈值函数.新闭值函数表达式简单易于计算,克服了硬软阈值的缺点,而且是高阶可导的,便于进行各种数学处理.仿真结果表明:无论是视觉效果,还是信噪比增益和最小均方差均优于传统的硬软阈值方法.仿真试验证实了该改进方案的有效性和优越性.这种方法可以广泛应用于电力系统、语音信号去噪等领域.     

基于小波自适应算法的传感器信号降噪研究

基于MALLAT算法原理和自适应算法,设计了小波自适应算法的结构,并对算法进行了理论分析和仿真研究。仿真结果表明,小波自适应算法在传感器信号降噪方面表现出了良好的性能。     

心音信号的自适应小波去噪

在采集心音信号过程中，难免要引入噪声，这些噪声影响到心音的分析结果。由于心音信号的非平稳性，普通的滤波方法在滤去噪声的同时，会丢失部分心音成分。文中提出了一种新的基于小波变换的自适应滤波方法，该方法能够有效抑制噪声，经实例验证，取得了满意的结果。