基于清浊音分离的优化小波阈值去噪方法

结合小波阈值去噪和清浊音分离技术,提出了一种优化的语音去噪新方法。首先,针对语音清音部分往往包含有许多类似噪声的高频成分的特点,对其直接进行小波阈值去噪很可能误除了这些高频成分,造成失真,因此有必要先对语音进行清浊音分离。其次,通过对不同小波函数、阈值选取规则以及阈值处理函数的优化,选择最佳的小波去噪方法。仿真结果表明,与经典小波阈值去噪方法相比,提出的方法既尽可能地去除噪声,又保留了原来语音的特征,较大地提高了语音质量。     

一种基于新的阈值函数的小波去噪方法

在D.L.Donoho提出的小波阈值去噪方法的基础上，提出了一种新的阈值函数。该阈值函数不仅克服了硬阈值函数不连续的缺点，而且解决了软阈值函数存在的恒定偏差；同时新函数不需要进行参数选择。仿真结果显示，该阈值函数较其他阈值函数具有明显的优越性。     

一种基于小波阈值去噪的改进方法

小波理论是一新兴的信号处理理论。它在时间和频率上都有很好的局部性：分析低频信号时，其时间窗很大；分析高频信号时，其时间窗较小。小波理论已成为信号去噪处理中的一种重要的工具。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后．本着改进滤波效果，提高去噪质量的目的，提出了一种改进方法。该改进方法克服了传统阈值去噪方法的缺陷。并适用于进一步的自适应滤渡的需求．仿真实验证实了该改进方法的有效性和优越性。     

一种改进的小波阈值函数去噪方法

小波变换在信号滤波去噪方面得到广泛运用。本文在小波阈值函数去噪原理的基础上,对传统的软、硬阈值函数方法和Garrote函数阈值方法进行分析,提出一种基于Garrote函数的改进型阈值函数。Matlab仿真实验表明,新的改进型阈值函数去噪效果优于传统方法。     

一种改进的小波阈值函数去噪方法

对比研究了D.L.Donoho和I.M.Johnstone提出的小波阈值去噪的硬阈值去噪法和软阈值去噪法的优点和缺点,并在此基础上构造了一个新的阈值函数,它克服了硬阈值处理方法在[λ]点处不连续及软阈值函数导数不连续的缺点,而且是高阶可导的,在实际应用时能够保留较大的小波系数,从而保留了尽可能多的信号,进而能够获得更好的去噪效果。仿真实验结果显示,新阈值函数可有效地抑制噪声,其去噪后的信噪比和均方根误差均优于软硬阈值函数以及已有的几种改进阈值函数,具有较高的实用价值。     

一种改进的小波阈值去噪方法

为了改进滤波效果。提高去噪质量，在分析目前被广泛应用的软阈值和硬阈值去噪方法的基础上，提出了一种改进方法。小波阈值去噪的关键是阈值函数的构造和阈值的选取，该方法融合了软阈值和硬阈值去噪方法的不同特点，在阈值函数中引入参数，通过调整参数以获得较优的小渡系数的阈值估计，使得改进阈值介于硬阈值与软阈值之间，有效克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。仿真结果表明：该方法在去噪的同时减少了信息的损失，信噪比、均方根误差等性能指标。较软阈值和硬闽值方法均有明显提高。     

小波阈值去噪的一种改进方案

信号在采集、转换和传输过程中经常会受到设备、环境等因素的影响,致使现实信号成为含噪信号,对得到的信号进行去噪是信号处理中的一个很重要的环节。在近二十年中小波去噪方法应用比较广泛并取得了较好的效果,越来越多的学者用小波阈值进行信号去噪。首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后本着提高去噪质量的目的,提出了一种改进方案。该方法在阈值函数中加入因子,可以自适应地减小阈值函数中的恒定偏差。与传统阈值去噪方法相比,有以下两点优势:①去噪效果比传统阈值去噪方法好。②具有一定的自适应性。此外,还用Matlab仿真实验证实了该改进方案的有效性和优越性。     

一种基于小波阈值去噪的改进方法

小波理论是一新兴的信号处理理论,它在时间和频率上都有很好的局部性:分析低频信号时,其时间窗很大;分析高频信号时,其时间窗较小。小波理论已成为信号去噪处理中的一种重要的工具。基于传统的阈值去噪方法,在分析研究了它们的优缺点之后,本着改进滤波效果,提高去噪质量的目的,提出了一种改进方法。该改进方法克服了传统阈值去噪方法的缺陷,并适用于进一步的自适应滤波的需求,仿真实验证实了该改进方法的有效性和优越性。     

基于一种新的小波阈值函数的心音信号去噪

研究心血管系统的病理特征问题,应正确识别心音信号,对心音信号去噪问题常用小波变换方法,但是小波阈值函数存在着一些缺陷,影响了去噪的性能.通过讨论软硬阈值函数和已有的几种改进阈值函数的优缺点,提出了一种新的双参可调小波阈值函数,方便调节,适合于进行各种数学处理,更重要的是具有更符合自然信号连续特性的过渡区.仿真实验表明,新阈值函数可有效地抑制噪声,去噪后的信噪比和均方根误差均优于传统小波阈值函数,具有较高的实用价值.     

基于一种新的小波阈值函数的雷达信号去噪

小波变换具有多分辨分析的特性和良好的时频局部化分析能力,在雷达信号去噪中得到了广泛的应用,但是常用的小波阈值法存在着一些缺陷,影响了去噪的性能.在传统的软硬阈值函数基础上,提出了一种新的小波阈值函数,可较好地克服软硬阈值函数的缺陷,与已有的几种改进阈值函数相比,其计算简单、连续性好且便于调节,适合于进行各种数学处理.对Doppler信号的仿真实验表明,新阈值函数可有效的抑制噪声,其去噪后的信噪比和均方根误差均优于软硬阈值函数以及已有的几种改进阈值函数,具有较高的实用价值.     

基于新阈值函数的小波阈值去噪算法

小波基、分解层数、阈值和阈值函数是小波阈值去噪的关键性因素.针对小波基和分解层数的确定,提出了一个算法来实现;对于传统硬、软阈值函数的局限性和阈值函数在临界阈值处不存在平滑过渡区的现象,提出了一个参数化的新阈值函数,该阈值函数具有更高阶,通过灵活调节参数使之介于硬、软阈值函数之间,且兼具硬、软阈值函数的优点,并在临界阈值内添加平滑过渡区,可在阈值处理时保留一部分有用的高频信号,较好地抑制了细节系数的过扼杀和信号振荡现象.仿真结果表明:新阈值函数提高了去噪信号的信噪比,减小了均方误差,取得了较好的去噪效果.     

基于提升小波改进阈值的雷达信号去噪方法

针对传统小波域阈值去噪的局限性和缺陷,提出了基于提升小波变换的改进阈值函数去噪新方法。通过提升小波变换提取含噪信号小波系数,并利用新阈值函数进行降噪处理。实验仿真结果表明,该方法运算速度快,能有效抑制噪声,信噪比和均方根误差性能均优于经典阈值函数和已有的两种改进阈值函数,在对雷达弱小目标的检测中有很好的应用价值。     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

小波阈值降噪中阈值函数族的一般构造方法

针对小波阈值降噪方法中阈值函数的通用性问题,提出阈值函数的一般构造方法,应用于小波阈值滤波的算法设计。确定阈值函数目标曲线;通过对满足构造条件的典型函数曲线进行平移、旋转、缩放等操作,形成一个具有不同阈值,并以不同速率逼近目标函数的函数族;针对信号特点,选择不同的阈值函数进行降噪。仿真和实测信号实验表明,该方法的降噪特性在信噪比增益（SNR）和最小均方误差（MSE）上优于传统的软硬阈值函数和改进阈值函数,并在敏感度和平滑度上取得了较好的平衡。     

钢丝绳信号消噪方法的仿真研究

介绍了小波阈值去躁和平移不变量小波阈值去躁的基本原理及算法流程。在传统软硬阈值函数的基础上,构造了一个新的阈值函数,该阈值函数不仅克服了硬阈函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差。将新阈值函数用于改进的平移不变量小波阈值去躁算法,取得了较好的降噪效果。     

基于改进小波阈值函数的指纹图像去噪

针对指纹图像的特点,在分析了传统的软、硬阈值函数去噪原理的基础上,提出了一种新的小波阈值函数。新阈值函数克服了软、硬阈值函数存在的不足。通过选择不同的参数,可适应不同的图像。仿真实验表明,新阈值函数较传统阈值函数具有更好的视觉效果和更高的峰值信噪比（PSNR）。     

改进的小波包能量分段阈值降噪方法

指出了单一阈值选取规则小波包降噪方法的局限性,提出了一种改进的小波包能量分段阈值降噪方法,并与其他小波包降噪方法进行对比分析。仿真结果表明,较其他小波降噪方法,改进的小波包能量分段阈值降噪方法去噪效果更佳。     

一种阈值改进的邻域小波系数法图像去噪

图像去噪是图像处理领域的一个经典话题,也是一个难点问题。基于邻域小波系数收缩的NeighShrink法比经典的VisuShrink法去噪效果要好,但是NeighShrink法在所有的分解层使用次优的通用阈值,致使去噪效果不甚理想。在分析小波系数变化规律的基础上,针对NeighShrink法的不足,提出了一种阈值改进的新方法,该方法具有较好的阈值自适应性。实验表明,该方法正确有效,去噪后的视觉效果得到改善,在客观指标PSNR和MSE上均优于NeighShrink法和经典的VisuShrink法。     

基于可调Q-因子小波变换的语音增强算法

针对语音增强算法中传统的小波阈值法的局限性,提出一种基于可调Q-因子小波变换和清浊音分离的语音增强算法。首先用过零率和短时能量法判别清音和浊音;然后在可调Q-因子小波变换下,对清、浊音采用不同的阈值处理,在不同尺度上,分别结合系数能量和噪声方差得到的阈值作为清音和浊音的阈值确定准则;再利用改进的阈值函数分别处理清音和浊音的小波系数,估计出不含噪声的系数;最后进行小波逆变换,得到抑制了噪声的语音信号。对含有高斯白噪声和有色噪声的语音进行仿真实验,结果表明：与目前许多经典的去噪方法相比,该方法在去噪效果和提高语音可懂度方面均有一定的改善。