基于Lipschitz指数的小波阈值去噪方法

对于非平稳信号,小波多尺度分解是一种有效的信号去噪工具.在D.L.Donoho的多分辨率小波阈值去噪方法的基础上,提出了基于Lipschitz指数的小波阈值去噪方法.仿真结果表明,采用基于Lipschitz指数的小波阈值去噪方法不仅有效抑制了由于硬阈值函数的不连续性而在信号奇异点附近产生的Pseudo-Gibbs现象,而且在更加彻底去噪的前提下很好地保留了信号的边缘信息.无论是在视觉效果上,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.     

改进小波阈值去噪法的对比性仿真实验与分析

针对多种有代表性的改进小波阈值去噪法进行对比性仿真研究。分析软、硬阈值去噪法和各种改进小波阈值去噪法,并在此基础上提出构造改进小波阈值去噪法的必要条件以及新的改进方法,然后用4种带Gaussian白噪声的典型输入信号对各阈值去噪法进行仿真实验,评价改进阈值去噪法的有效性与优越性。通过对比研究,简要总结了改进阈值去噪法的共有特点。     

改进的小波阈值去噪方法及其在MATLAB中的仿真

对比分析各种小波去噪方法,在此基础上构造一个新的阈值函数,并对阈值的选取做了一定的改进利用MATLAB软件进行信号降噪仿真实验,结果证明改进后的方法优于传统方法,取得较好的去噪效果。     

检测技术中新的小波阈值函数的信号去噪

在信号检测技术中,构造了一个新的阈值函数,与传统的软硬阈值函数相比,连续性好,高阶可导,便于进行各种信号处理和检测。实验仿真结果表明,采用新的阈值函数的去噪效果在信噪比增益和均方误差意义上均优于传统的软硬阈值方法,给检测技术带来了新的发展。     

小波消噪及其在往复泵振动监测信号处理中的应用

采用浮动阀值分离噪声是小波分析中一个新的信号检测方法。本文在简述了小波分析及噪声分离的非线性小波理论的基础上,给出了从噪声污染信号中恢复原信号的实例。针对三缸往复泵测量信号非平稳时变特点,研究了用小波消噪方法提取反映往复泵动力端状态的振动波形特征。通过对振动信号的波形特征提取表明,该方法能在很高的背景噪声下有效提高反映往复泵状态的有用信息。     

基于一种新阈值函数的小波阈值去噪研究

基于Donoho提出的传统的阈值去噪方法,提出一种新的阈值函数。新阈值函数克服了软阈值函数中小波系数估计和原系数之间的具有固定偏差的缺点。同时,该函数克服了硬阈值函数不连续的缺点。通过调节N（任意正常数）取值可以改变新阈值函数的趋向,这也体现了新阈值函数的灵活性。实验仿真表明了新阈值函数的可行性和优越性。     

一种改进的小波阈值法在CT图像去噪中的应用研究

医学cT图像去噪是医学图像处理的重要组成环节，小波阈值法去噪是信号处理中的一种重要方法。本文在分析经典的软阈值和硬阈值降噪方法的基础上，提出了一种改进的方法，克服了软阈值和硬阈值方法的缺点。通过仿真实验，结果表明本文提出的改进方案明显优越于单纯的软阈值和硬阅值方法。     

一种改进的小波阈值去噪算法研究

研究小波去噪算法中软阈值函数与硬阈值函数的方法,针对一些可变阈值函数的运算复杂的问题,提出一种新的阈值函数。经仿真测试,改进的小波阈值去噪算法的信噪比为20.103,去噪后,数据的均方误差为0.1152。     

一种改进的小波分析消噪方法及其在健康监测中的应用

结构物的变形可以根据压电智能材料的正压电效应来监测,但是由于压电材料是电学材料,易受外界环境的干扰,预将压电材料用于实际工程的健康监测,好的滤波方法是必备的条件之一。采用小波分析对信号进行降噪和故障诊断是其有效的应用之一,本文在小波多分辨分析阈值法的基础上,对阈值进行了修正,仿真结果表明其效果优于传统阈值法;将该方法应用于利用压电陶瓷传感器所监测到的一框架剪力墙模型的振动信号降噪中,其结果表明该法可以较有效去除噪声。     

改进的小波阈值函数滤波分析

小波分析作为一种优秀的时频分析方法，越来越多地应用于信号、图形处理以及故障诊断等领域。在噪声处理领域，基于小波变换的阈值函数较多，但效果不一。基于二进小波变换，在Sigmoid函数基础上，建立介于软硬阈值函数之间新的阈值函数，即通过改变新阈值函数中不同的参数，能够不同程度地逼近软硬阈值函数。从应用不同阈值函数对六种噪声信号滤波效果分析可知，采用改进的阈值函数能够使滤波后的信号在提高信噪比的同时，更接近于真实信号。     

小波变换在履带车辆振动信号处理中的应用

为解决履带车辆振动信号受强噪声信号干扰的影响,运用小波变换原理,根据重构因子比较几种小波基,确定适合履带车辆振动信号的小波基和阈值,描述小波分层方法,对履带车辆振动信号进行去噪。仿真计算结果表明小波变换去噪方法能有效地抑制背景噪声,提取有用状态信息,提高信噪比和减小均方误差,为履带车辆振动信号预处理提供一种可行的方法。     

Volterra小波变换最优阈值的混沌去噪方法

针对混沌信号小波去噪中难以确定最优阈值的问题,提出一种Volterra小波变换最优阈值的判定方法。利用小波变换将混沌信号分解,对不同尺度下的小波信号设定浮动因子以调节阈值大小,最后根据混沌序列Volterra自适应预测的相对误差选取最优阈值。利用该方法对不同维度的Lorenz混沌时间序列进行了去噪研究,结果表明所提方法是有效的。     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

小波域降噪方法及其在历史音频保护中的应用

提出基于小波包变换的自适应多阈值音频降噪法,从小波包最佳分解树的各个终端结点选择不同的最佳阈值。而最佳阈值的选取是基于贝叶斯理论,并且采用折中阈值函数。实验和应用表明,相比小波包全局阈值降噪算法,此种降噪方法能使降噪后的音频保留尽可能多的原始音乐信号,较好地适合听众的听觉效应,满足历史音频资料数字化保存的需要。     

基于小波收缩策略的一种新阈值去噪方法研究

分析了信号处理中相干噪声的特点,针对小波变换标准软阈值去噪法处理相干噪声能力相对差的弱点,介绍了一种基于SURERisk理论建立的自适应阈值去噪法,但其数字计算能力较差。基于同样理论,提出一种新的阈值函数,具有二阶导数和实际应用数字特性。并在此基础上确定了自适应阈值计算方法,建立了新的阈值去噪法,可用于去除相干噪声。计算机仿真表明,对于受相干噪声干扰的数字信号,该方法能较大提高信噪比,较好恢复信号。     

基于信号奇异性分析的轴承故障检测方法

针对轴承振动信号利用小波单奇异点检测无法克服噪声影响的不足,提出利用小波模极大值分析信号奇异性变化进而进行轴承故障检测的方法。实验中对信号的模极大分形指数,模极大分形指数熵,Lipschitz指数以及Lipschitz指数熵等奇异特征进行分析比较,实验结果表明这些特征都能有效克服噪声影响实现故障检测,但模极大曲线数最能体现故障特征且检测效果最好。将该方法同基于小波包能量谱特征和小波单奇异点检测的方法进行比较,结果表明本文建议的方法在检测时间及检测率上都有显著提高。     

基于第二代小波变换的旋转机械振动信号去噪

旋转机械故障振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的部分有用的细节信息丢失。为了克服上述缺陷,提出一种基于第二代小波变换的振动信号预处理方法,即针对分析信号的局部特征,以预测方差最小为目标,对每个样本选择最佳的预测算子,使小波基函数始终能够匹配信号的局部特征。仿真试验表明,该方法克服了传统小波去噪中降噪信号丢失了部分细节信息的缺点,不仅可有效去除振动信号的噪声,而且能够为保留信号的局部信息。