基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

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。     

ECG信号改进阈值函数小波去噪算法研究

本文针对心电信号(ECG)微弱、频率范围低、易受噪声干扰等问题,提出一种改进小波阈值去噪算法。不但能通过可变参数h调节自身软、硬特性从而确定合适的阈值函数,而且根据分解层数不同,自适应地调整通用阈值。通过选取MIT-BIH库的部分数据,结合常见的三种小波基,进行实验验证。结果表明改进的小波阈值去噪算法可以有效抑制心电信号噪声,得到较好的信噪比,同时对MSE也有所改善。     

基于小波变换的激光雷达回波信号去噪方法研究

提出小波变换法去除激光雷达回波信号中的噪声,通过建立模型,选择合适的小波基、分解层数和阈值,利用Matlab仿真发现选择sym4、db6小波的五层分解法去噪效果较好,对提高激光雷达的有效探测距离和探测性能有较大的参考价值。     

ECG信号改进阈值函数小波去噪算法研究

本文针对心电信号(ECG)微弱、频率范围低、易受噪声干扰等问题,提出一种改进小波阈值去噪算法。不但能通过可变参数h调节自身软、硬特性从而确定合适的阈值函数,而且根据分解层数不同,自适应地调整通用阈值。通过选取MIT-BIH库的部分数据,结合常见的三种小波基,进行实验验证。结果表明改进的小波阈值去噪算法可以有效抑制心电信号噪声,得到较好的信噪比,同时对MSE也有所改善。     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

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.     

基于小波变换域上的KL变换的地震信号去噪方法

基于相邻地震道的有效波在波形及能量上有较强的相关性及改变各个频率成分的信噪比．有益于提高分辨率的观点，本文提出了基于小波变换域上的KL变换去噪方法．该方法的主要思想是：将地震记录进行小波分解，形成地震记录的分时、分频小波包剖面，然后利用相邻道相关的性质，用KL变换进行去噪，再将各个小波包剖面重构为去噪后的地震剖面．理论记录计算及实际地震剖面的处理结果表明：基于小波变换的分时、分频KL变换去噪方法能有效地提高地震剖面的信噪比和分辨率．     

改进小波变换的电子音乐信号去噪研究

针对电子音乐信号受噪声干扰易出现信号失真、电子音乐存在断点的问题,提出改进小波变换的电子音乐信号去噪方法。首先,分析不同尺度中电子音乐信号小波系数相关性,采用软阈值算法去除电子音乐中的噪声;然后,采用修匀法对去噪后电子音乐信号进行处理,提升电子音乐信号整体连续性。结果表明,改进小波变换去噪后电子音乐信号波动区间与去噪前相同,去噪后电子音乐信号未受损,信号连续性好,去噪性能明显优于对比方法。     

基于二进小波变换的信号去噪

由于信号在二进小波变换空间的表示是冗余的,同小波级数相比,基于二进小波变换的信号重建效果对信号的小波变换系数的误差灵敏度将会下降,因此可以期望在相同的误判概率下基于二进小波变换的去噪效果将优于基于小波级数变换的去噪效果。基于这个思想,该文将已有的基于小波级数的去噪方法推广到基于二进小波变换去噪上去,比较了基于二进小波去噪同基于小波级数去噪的效果。数值实验表明,对于各种检验信号,较之小波级数去噪,二进小波变换去噪效果有明显改善。     

含噪声混沌信号的小波去噪方法研究

基于混沌信号具有分形结构的特点，提出了一种分数维与小波变换相结合的带观测噪声混沌信号的噪声去除新方法，利用噪声小波变换特性提取信号的真实分数维，进而根据欲处理混沌时间序列分数维与信号真实分数维之差控制小波包除噪的阈值及位置，达到噪声与信号的自适应分离。该方法克服了以往对未知动力系统方程信号除噪的盲目性，仿真结果表明此法有效可行。     

基于小波变化阈值的光干涉信号去噪

为了提高参数估计的精确度,根据光反馈自混合干涉信号的特点,对光反馈自混合干涉信号进行了去噪研究。在多分辨分析小波阈值去噪的基础上,采用了一种改进的阈值函数,克服了硬阈值函数不连续的缺点,解决了软阈值函数中存在的恒定偏差,并且具有软硬阈值函数不可比拟的灵活性。构建了光反馈自混合干涉理论模型,通过对其仿真波形和实测波形的处理,比较了三种阈值函数的去噪效果。结果表明,无论是在去噪效果上,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。     

基于小波变换的信号去噪技术及实现

阐述了小波变换去除信号噪声的基本原理和方法。研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声，然后利用Matlab软件编制程序实现了基于小波变换的正弦信号噪声抑制和非平稳信号的去噪仿真分析。仿真结果表明小波变换去除噪声的效果比传统的Fourior变换方法具有极大的优越性。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

基于小波变换的红外探测系统信号去噪

针对红外探测系统目标识别时漏报警与误触发的问题,基于小波分析理论,对转动探测系统输出的红外信号进行小波去噪处理.构造适用于本系统红外信号去噪处理的阈值函数,通过计算分析与实验验证,采用4层coif小波基函数分解效果最佳.本文构造的阈值函数较传统软、硬阈值函数信噪比(SNR)提高17.52％～34.5％,均方误差(MSE)减小16.15％～20.77％,在不丢失原始波形信息的前提下,使无车辆目标时输出波形平坦、有目标时输出波形光滑,为后期实现车辆目标的识别提供理论依据.     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.     

FPGA-Implementation of Discrete Wavelet Transform with Application to Signal Denoising

This paper presents new architectures for real-time implementation of the forward/inverse discrete wavelet transforms and their application to signal denoising. The proposed real-time wavelet transform algorithms present the advantage to ensure perfect reconstruction by equalizing the filter path delays. The real-time signal denoising algorithm is based on the equalized filter paths wavelet shrinkage, where the noise level is estimated using only few samples. Different architectures of these algorithms are implemented on FPGA using Xilinx System Generator for DSP and XUP Virtex-II Pro development board. These architectures are evaluated and compared in terms of reconstruction error, denoising performance and resource utilization.