基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

一种基于小波变换的脑电信号处理的新方法

文章提出一种利用小波变换对脑电信号瞬态提取的新方法。实验表明基于小波变换的脑电信号瞬态检测法能方便而有效地完成瞬态波形的检测与参数提取。     

小波变换在心电信号去噪中的应用

文章根据coiflet小波在各个尺度上的不同的带通滤波特性,并利用小波变换多分辨的特点对心电信号进行滤波。文中通过软、硬阈值折衷函数及自适应阈值策略对MIT／BIH国际标准数据库中的ECG信号进行了处理与验证。实验结果表明,该算法能较好的抑制心电信号中的各类噪声干扰。     

基于小波分析的图像去噪处理研究

图像中的噪声会妨碍人们认识处理图像,而图像去噪就是为了去除图像中的嗓声,以便人们对图像作进一步地处理,本文主要介绍了三种经典的小波变换去噪方法——模极大值去噪法、相关性去噪法、阈值去噪法,并对三种方法的性能进行了对比。     

基于DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理.然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并/串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性.提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪.试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波.     

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。     

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DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理。然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并／串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性。提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪。试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波。     

基于DSP的癫痫脑电信号处理

介绍了基于TI公司高速DSP芯片TMS320VC5402的开发平台对癫痫患者的脑电信号进行小波分解,滤除分解后的部分小尺度(高频)成分,保留大尺度(低频)成分,然后对处理后的波形进行重构。采用汇编语言实现定点型TMS320C54xDSP的浮点运算,处理结果既保留了脑电信号的主要信息,又可将高频噪声滤除,有利于对癫痫患者进行临床分析。     

基于新阈值函数的小波阈值自适应去噪

针对传统小波阈值去噪算法中阈值估计和阈值函数选取的不足,提出一种高阶可导的阈值函数,并利用牛顿迭代法求得Sure无偏估计意义下的最佳阈值,从而实现阈值估计和阈值函数相关联的小波阈值自适应去噪.仿真实验表明,新算法可获得比传统阈值去噪算法更理想的去噪效果.     

小波阈值法降噪分析与改进

为了有效降低信号中的噪声,提高信噪比,本文研究了小波阈值法降噪的原理和小波系数估计方法,针对估计小波系数的硬阈值法不连续和软阈值法有偏差的缺点,提出通过引入α因子对小波系数的估计方法进行改进,给出了改进方案估计模型器的模型.数值实验结果表明,α因子取值适当,改进方案能够在一定程度上克服软阈值和硬阈值方法中固有的缺点,取...     

改进小波阈值去噪方法处理FBG传感信号

为了精确获得光纤布拉格光栅(FBG)传感系统的波长漂移,通过分析传统阈值和阈值函数存在的不足,提出改进阈值选取策略,并构建一种新的阈值函数处理FBG信号;小波基和分解尺度的合理选取提升小波去噪性能,本文提出确定小波基和分解尺度的方法;仿真与实验结果表明,与传统软硬阈值方法相比,本文所提方法信噪比(SNR)提升2~4 dB;与本文文献所提方法相比,信噪比提高了1.5 dB。满足精确解调FBG中心波长的需要。     

一种改进的小波阈值函数去噪方法

针对传统小波阈值去噪算法中软阈值函数和硬阈值函数的不足,在现有文献设计的阈值函数的基础上,构造一个新的阈值函数,它不仅能克服软、硬阈值函数的缺点,同时对噪声的处理更具有灵活性。通过Matlab仿真,对软、硬阈值函数以及本文构造阈值函数的去噪效果,在信噪比(SNR)和均方根误差(RMSE)两个方面进行对比。结果表明,本文提出的阈值函数在信号去噪处理中,能获得更高的信噪比以及更小的均方根误差,具有很好的降噪效果。     

EEG信号中癫痫棘波的小波变换检测

基于小波变换良好的时频局部化特性,研究了一种利用连续小波变换提取脑电信号中的癫痫棘波的方法,实验结果表明这种方法能够方便而有效地对脑电信号中的癫痫棘波进行检测。     

双密度双树小波变换的闪电信号去噪研究

为了克服噪声对闪电信号数据处理的影响,提出了一种基于双密度双树小波变换的闪电信号去噪方法.采用该方法分别对标准闪电波和实测的闪电信号进行了去噪研究,实验结果表明双密度双树小波变换能够有效滤除闪电信号中的噪声,效果优于传统的小波阈值法,而且比硬件去噪更加经济、方便和实用,值得进一步的推广和应用.     

基于一种新的指数收缩函数的小波去噪方法

首先介绍一些基于小波去噪的经典方法,主要集中在小波收缩函数上,然后提出了一种新的柔性收缩函数模型,相比以前的收缩函数,这种函数具有较好的柔性结构,能够较好地提高去噪能力。新的收缩函数避免了硬收缩函数所带来的不连续性和软收缩模型带来的偏差估计。利用Matlab进行了仿真实验,用仿真实例说明了这种指数收缩函数相比以前的函数能够提供更高的SNR增益和更小的MSE性能。     

基于提升小波的图像消噪

提升算法能够有效解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性.介绍了提升算法的过程,基于提升小波的图像消噪算法.实验结果表明,该算法消噪后的图像质量上优于一般小波变换的传统方法.     

基于多小波变换及综合阈值的图像去噪方法

提出了一种基于多小波变换的综合阈值图像去噪方法。该方法通过对含噪图像进行多小波变换,克服了单小波变换中无法同时满足正交性和对称性的缺点。同时,在两种经典的硬、软阈值处理方法基础上,提出了一种综合阈值处理方法。将该阈值方法和多小波变换相结合,根据多小波分解后的能量分布特性,在不同尺度的子带选择不同的最佳阈值,有效地提高了重构图像质量。并且对阈值进行向零收缩处理,防止有用信息当作噪声滤除。实验结果表明, 相对于传统的硬、软两种阈值处理方法,文中的去噪方法在输出信噪比和主观视觉效果上都有明显改善。     

改善FBG含噪信号的小波阈值自寻优方法

光纤布拉格光栅(FBG)传感系统的关键是精确 解调中心波长,噪声是影响解调中心波长的主要因 素。为了消除噪声,获取真实的传感信号,本文研究了非线性去噪 法。非线性去 噪通常的方法采用小波阈值去噪。小波阈值去噪的核心是阈值函数及其阈值的选取。首先, 分析了传 统的阈值函数和阈值选取存在的问题,改进了自寻优阈值选取策略;其次,提出了折中法阈 值函数中系数 a(调节因子)的最优值选取方法。仿真和实验结果表明:随着a的取值不同,会 获得不同的信噪比(SNR),但a在 0.40～0.45范围内分别平均变化的去噪效果较好;与传 统软硬阈值去噪法相比,SNR提高了2～4dB,均方差(MSE)分别平均降低了0.2～0.5 ;与参考的改进阈值去噪法相比,SNR提升了1dB,MSE降低了0.1。本文方法优于文献中提到的阈值函数的去噪效果,处理含噪信号能获得较好 的SNR和MSE性能,而且方法简单。