自适应提升小波变换与信号去噪

文章引入了基于提升法的自适应离散小波变换,根据LMS自适应法使伯恩斯坦预测算子自适应匹配特定的数据序列,而且应用该方法于信号的软域值去噪,数值仿真实验表明自适应提升小波变换同经典的小波变换相比,去噪后信号的信噪比效率相近,提升方法的优点在于其设计上的灵活性和计算简单。     

基于小波稀疏的心电信号压缩感知

为降低可穿戴心电监护系统的实时数据量,以方便数据存储、传输,探讨了小波稀疏域下心电信号压缩感知采样和重构过程,以得到小波稀疏域下的心电信号最优压缩感知方法.从压缩率、重构精度和重构耗时角度,分析了心电信号在以Daubechies、Coiflet、Symlet、Biorthogonal、ReverseBior等小波构建的变换矩阵下的稀疏性能,研究了伯努利、循环、高斯、哈达马、托普利兹等观测矩阵的采样性能,完成了不同重构算法的结果分析,提出了基于db4小波滤波稀疏、伯努利观测矩阵采样、GOMP重构的心电信号压缩感知采样方法.基于MIT-BIH数据库的实验结果表明:该方法在心电信号压缩比(CR)达68.75％时,重构均方根差百分比误差(PRD)约为1％,且重构用时短,具有显著的应用优势.     

基于小波变换自适应门限信号预处理

在测控系统中遥测数据野点的存在给数据的进一步处理带来严重的困难,由于传统的野值剔除方法无法完全保留信号的高频信息,提出一种基于小波变换和矩分析理论的野值剔除新方法。该方法以原信号小波分解后的低频成分作为原信号的估计并对残差进行自适应野值剔除,将剔除野值后的信号重构,得到野值剔除后的理想信号。与传统方法相比,该方法既保留了信号的高频成分又有效剔除了野值。对固定门限和自适应门限两种野值剔除方法进行Matlab仿真比较,结果表明,自适应野值剔除方法对数据野值剔除具有很好的效果。     

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。     

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。     

基于自适应小波阈值函数的心电信号去噪

小波域去噪分析中，面对硬阈值函数不连续性在去噪过程中可能产生的振荡失真，软阈值函数在去噪过程中估计小波系数和分解小波系数之间的恒定偏差。提出了新的阈值函数，它连续性好且高阶可导，便于进行各种数学运算处理，能克服传统软硬阈值函数在去噪中的不足，达到更好去除噪声的效果。用新建的阈值函数对噪声信号进行仿真去噪，仿真实验数据表明，新阈值函数去噪效果优于传统的软硬阈值函数和一些现有的其它阈值函数法去噪。实验证明新的阈值函数实用可行。     

自适应小波阈值算法在心电信号去噪中的应用

针对常用的小波阈值算法存在的缺点和心电图信号的具体特征,提出了一种新的自适应阈值算法.该算法通过估计含噪信号信噪比的大小,自动调节阈值来抑制心电信号中的噪声.实验表明该算法能有效地实现心电信号的噪声消除,同时也为其他信噪比较低的生物医学信号处理提供了一种新的方法.     

基于小波变换的特征构造与选择

小波技术是对信号进行处理的重要工具,已广泛应用于信号分析、数据压缩和降噪等各个领域。该文从模式识别的角度,对各种小波变换特征构造与选择进行了全面的分析比较,探讨了各自作为模式特征对分类精度的影响,并着重对小波系数的平移不变问题和小波基的选择问题进行了详细的讨论。     

基于小波包最佳基分解的特征表示

特征提取是信号识别与分类中的重要一环,对提高系统的准确、改善系统性能起着关键的作用。利用小波包变换对信号进行特征提取是近年来发展起来的一种新的特征表示手段,在许多领域中已获得了成功的应用。论文首先回顾了采用小波包变换对信号进行分解的过程,并在此基础上研究了基于小波包变换的特征表示与提取方法。     

基于空域相关的小波域硬阈值滤波

论文提出一种新的基于小波域相关性的自适应阈值滤波算法。首先构造了一种基于空域相关系数的硬阈值函数,通过极小化该阈值函数对应的SURE估计得到均方差意义下自适应于信号和噪声的最优阈值。应用该阈值作用于小波域的空域相关系数,以达到去除噪声的目的。仿真实验表明,该方法可得到很好的滤波效果。     

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.     

小波自适应噪声抵消

提出运用小波变换将时变信号分解到时／频相平面上,从而为自适应噪声抵消提供了一种时／频域的实现方法,文后对这种方法进行了仿真验证。     

Adaptive Representation of Specular Light

Caustics produce beautiful and intriguing illumination patterns. However, their complex behavior makes them difficult to simulate accurately in all but the simplest configurations. To capture their appearance, we present an adaptive approach based upon light beams. Exploiting the coherence between the light rays forming a beam greatly reduces the number of samples required for precise illumination reconstruction. The beams characterize the light distribution due to interactions with specular surfaces in 3D space. They thus allow for the treatment of illumination within single-scattering participating media. A hierarchical structure enclosing the light beams possesses inherent properties to detect efficiently all beams reaching any 3D point, to adapt itself according to illumination effects in the final image, and to reduce memory consumption via caching.     

基于自适应滑动均值和小波阈值的叶尖间隙信号降噪方法

动叶片与发动机机匣之间的叶尖间隙参数是反映航空发动机工作性能和运行安全的关键状态参数之一.提高叶尖间隙信号信噪比是实现高精度叶尖间隙测量的关键,为此提出基于自适应滑动均值和小波阈值的混合叶尖间隙信号实时降噪方法.首先根据叶片转速等信息,估算叶尖间隙信号带宽大小,然后通过动态改变滑动均值滤波的滑动点数来实现自适应低通滤波...     

基于小波阈值和自适应谱线增强的胎心率去噪算法

胎心率是临床上对胎儿进行监护的一个重要生理指标。在信号提取过程中,由于原始信号成分复杂,噪声干扰严重,胎儿心率的准确度受到很大的影响。为了能够准确地提取胎心率,本文提出一种改进的去噪算法。该算法是将小波阈值去噪与自适应谱线增强技术相融合。实验结果表明将两种方法融合后计算量减少,噪声有效降低,胎心率值计算更加准确。     

区间小波变换域的2－PAM信号自适应均衡算法

1 引言为了克服数字通信尤其是无线通信中所产生的码间干扰,一般需使用均衡器。最简单的均衡器是用FIR滤波器实现并采用最小均方误差(LMS)算法的线性横向均衡器(LTE),其优点是结构简单,易于实现,缺点是收敛速度较慢。为了提高收敛速度,可以对信号作正交变换,然后在变换域中通过自正交等方法降低相关阵的条件数来提高收敛速度,比如文[2]提出的就是一种基于小波变换的自适应均衡算法。研究表明,经小波变换后信号的自相关阵近似呈稀疏带状分布,小波变换的这一优点使得它在自适应信号处理中     

基于改进阈值自适应冗余小波的振动信号去噪

由电主轴动不平衡引起的振动信号在采集的过程中会混人大量强干扰噪声,引起机床主轴系统稳定性差.自适应冗余第二代小波的降噪方法可有效的去除噪声.针对上述方法中存在的传统阈值函数造成小波系数不连续或恒定偏差的问题,引入双变量改进阈值函数,提出了一种改进的自适应冗余第二代小波的振动信号消噪方法.将改进的方法应用于仿真信号及实际采集的电主轴动不平衡振动信号消噪中,结果表明,改进方法融合了自适应冗余第二代小波信号和双变量改进阈值函数的优点,在低信噪比的仿真信号和振动信号消噪中,能很好的保留原信号的特征并且有效的去除噪声,消噪效果更优.     

Nonlinear Adaptive Wavelet Control Using Constructive Wavelet Networks

In this paper, an adaptive wavelet-network-based control approach is proposed for highly nonlinear uncertain dynamical systems. Wavelet network, as a kind of universal approximator, has two novel properties-orthonormality and multiresolution. The orthonormal property ensures that adding a new resolution (new wavelets) does not affect the existing wavelet network that may have been well tuned. In the sequel, the online adjustment of the structure of the nonlinear adaptive wavelet controller (AWC) can be done in a constructive manner by gradually increasing the network resolution. The multiresolution property, on the other hand, assures a guaranteed improvement of the approximation precision when a new resolution is added. In real life problems we are unable to know the adequate size of a network, either a neural network (NN) or a wavelet network, to produce the required approximation precision. By virtue of the novel wavelet network properties, a coarse or very simple structure can be selected first. If the system fails to converge after the elapse of a dwell time, a new wavelet resolution is considered to be necessary and added directly. In this manner, the AWC can be easily constructed and tuned from the coarse to finer levels until the performance requirement is satisfied. The trial and error way of selecting the network structure, which may lead to either an inadequate or a highly redundant structure, can be avoided. In this paper, the proposed adaptive wavelet network is applied first to a class of nonlinear dynamical systems with a partially known model and an affine-in-input structure. Then, the adaptive wavelet network is applied to a class of nonlinear nonaffine dynamical systems