基于小波变换的多阈值法语音去噪研究

研究了基于小波变换的语音去噪问题,在对传统阚值法去噪和语音特性分析基础上,提出一种改进的多阈值法语音信号去噪方法.仿真实验结果表明.本方法能有效去除信号中的噪声和较好保留语音细节,与谱减法去噪相比,能达到更佳的语音信号去噪效果.     

最佳小波包基改进软阈值的消噪方法及应用

在讨论基于小波包变换消噪方法的基础上,针对传统小波方法消噪中阈值选取方法的优缺点,提出了一种基于最佳小波包基改进的软阈值消噪方法,并将该方法应用于电机故障信号的消噪。试验结果证实,与传统的阈值选取方法相比,基于最佳小波包基的改进软阈值消噪方法对非平稳的电机故障信号消噪效果更好。     

基于最优小波包分析的肌电信号消噪

为了清除表面肌电信号(SEMG)夹杂的生理噪声,提出了一种基于最优小波包分析的消噪处理方法.该方法以受试者做内旋动作,采自尺侧腕屈肌的SEMG信号为例,基于symlet5小波函数,分别采用小波方法、小波包方法和最优小波包方法进行了消噪处理.分析比较结果表明,该消噪处理方法能更有效地去除肌电信号中的噪声.     

基于卷积型小波包变换的切削力信号消噪

为了消除切削力信号中的随机噪声干扰,本文提出了一种基于卷积型小波包变换的消噪算法,给出了算法的详细步骤。对两个切削力信号的消噪实例结果表明:随机噪声已完全被去除,获得了准确的力信号。     

基于小波包改进阈值方法的电能质量信号消噪

为了改善暂态电能质量扰动信号的消噪效果,提出了一种小波包改进阈值的消噪方法。在分析了软阈值消噪方法和硬阈值消噪方法的基础上,对阈值量化函数进行了改进,并通过小波包变换对消噪效果进行了强化。改进后的新阈值消噪法能有效克服＂硬阈值法不连续、软阈值法有偏差＂的缺点。对暂态电能质量扰动信号消噪处理的仿真结果表明,该新方法在消噪的同时能够减少信息的损失,在不同信噪比下都能有效地去除白噪声,其消噪效果优于软阈值函数消噪法。     

基于Lab VIEW的声发射信号小波阈值去噪研究

虚拟仪器代表着目前测试仪器领域的发展方向,LabVIEW语言是一种功能强大的仪器开发平台。对淹没在噪声中声发射信号的有效提取（去噪）是声发射信号处理技术的第一步,也是声发射信号处理的关键所在。本文介绍了基于小波变换的阈值去噪方法。在LabVIEW平台上,通过仿真试验,对声发射信号的几种阈值法的去噪结果进行比较,选出一种适合声发射信号去噪的阈值准则。     

OFDM水声通信系统语音信号的小波包消噪方法

在阐述和构造了正交频分复用(OFDM)水声通信系统的基础上,利用小波包分解与重构对OFDM水声通信系统进行语音信号消噪处理.小波包分解方法依据信号与噪声小波变换系数分布特性不同来进行,首先将语音信号分层,确定最佳小波包分解树,再进行阈值量化,完成小波包分解,并对所得阈值进行消噪处理,最后利用小波包逆变换重构传输信号.计算机仿真结果表明在OFDM水声通信系统中利用小波包分解方法对语音信号进行处理,可有效消噪,并可较为完整地保存有效信号.     

OFDM水声通信系统语音信号的小波包消噪方法

在阐述和构造了正交频分复用（OFDM）水声通信系统的基础上,利用小波包分解与重构对OFDM水声通信系统进行语音信号消噪处理。小波包分解方法依据信号与噪声小波变换系数分布特性不同来进行,首先将语音信号分层,确定最佳小波包分解树,再进行阈值量化,完成小波包分解,并对所得阈值进行消噪处理,最后利用小波包逆变换重构传输信号。计算机仿真结果表明在OFDM水声通信系统中利用小波包分解方法对语音信号进行处理,可有效消噪,并可较为完整地保存有效信号。     

基于小波阈值去噪方法的研究

系统地研究了小波的软阈值去噪、硬阈值去噪、garrote阈值去噪以及semisoft阈值去噪等四种阈值去噪方法,并把它们应用到典型的含噪信号中进行比较,最后对去噪的影响进行了阐述.     

基于最大似然估计的小波阈值消噪技术及信号特征提取

小波阈值消噪技术是近十年来发展起来的一个新方法,它因具有强大的去噪能力而被迅速应用在许多领域。针对工程中常见的具有稀疏概率密度形式的信号,推出了基于最大似然估计准则的小波消噪方法,并以脉冲信号为例,通过与现有的小波阈值消噪作比较,证实了该方法的优越性。最后,将该方法用在识别齿轮裂纹特征,收到了很好的效果。     

基于小波包分解的阈值消噪在车载CAN总线上的应用

为了实现在车载CAN总线控制器故障产生不可预知干扰信号的情况下正确读出CAN总线上的故障码,提出了一种基于小波包分解的阈值消噪方法。将信号进行基于最小Shannon熵原理的最佳树小波包分解后,针对CAN总线传输信号特点,对高频和低频系数采取不同阈值处理的混合阈值消噪处理。对于高频系数,采用基于Stein无偏似然估计原理的自适应阈值;在干扰信号的统计特性未知的情况下,对低频系数阈值的选取采取保持频率单一和能量损耗小的双重标准。最后,由阈值处理后的系数重构信号,得到正确的传输码。实验结果表明,该混合阈值消噪处理方法对消除这种由CAN总线上的控制器故障引起的干扰,较传统的消噪技术提高1/3以上的信噪比,增加了后期读取CAN总线故障码的准确率。     

基于小波变换的图像去噪研究

本文在对目前图像小波去噪的图像分别进行了仿真试验,并得出了相应结论.最后,对小波去噪方法提出了一些展望.     

复小波包域局部邻域窗口阈值SAR图像去噪

提出一种基于四树复小波包变换的局部窗口阈值SAR图像去噪新方法.该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪SAR图像分解成低频逼近子图和若干高频方向子图.通过对方向子图设置合理的阈值来确定最优复小波包基.在保留低频逼近子图复系数不变的同时,利用高频信号系数的邻域相关性和噪声方差随分解尺度增大而迅速衰减的特点,对最优基复小波包系数进行局部邻域窗口阈值收缩处理,从而实现降噪功能.实验结果表明,该方法计算效率高,在等视指数(ENL)、优点图(FOM)等指标上均优于传统的复小波变换、复小波包变换和Curvelet域HMT等去噪方法,能有效地抑制SAR图像斑点噪声的同时,对图像边缘和细节具有较好的保护能力.     

脑电信号的混沌分析和小波包变换特征提取算法

针对脑电(EEG)信号的手部动作模式信息处理,提出一种混沌分析和小波包变换相结合的特征提取方法.用眼动辅助来采集手部动作时的脑电信号,对采集的C3、C4 、P3和P4脑电信号消噪后分别用混沌分析和小波包变换的方法进行特征提取,前者提取混沌特征的最大Lyapunov指数和关联维数,组成8维向量;后者提取脑电信号的4种特征节律波,分别计算其相对能量,组成16维向量;最后把两种方法提取的向量组成24维特征向量,输入SVM分类器,实现基于EEG信号的手部动作模式的识别.对不同个体上翻、下翻、展拳、握拳4种手部动作的识别实验表明,平均识别率均在80%以上,明显优于其他方法识别的结果.     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

结点阈值小波包变换语音增强新算法

人耳频率分辨率是非线性的,而小波包算法有灵活的时频分析能力,可较好的模拟人耳基底膜的频率分析特性。本文提出了一种新的基于结点阈值的小波包变换语音增强算法。采用Bark尺度小波包对含噪语音进行分解,在语音信号的子带层次上进行阈值操作,并采用软阈值方法进行阈值处理。采用谱熵法估计结点噪声。实验表明,该算法在多种噪声,尤其是有色噪声和非平稳噪声条件下均有较好的语音增强效果。     

基于小波去噪的微弱信号提取

小波分析理论是近几年来兴起的一种信号处理理论,已经成为信号去噪处理中的一种重要的工具.介绍了小波分析理论及其在信号去噪中的应用,并主要介绍了三种噪声处理方法:默认阈值法、强制阈值法和独立阈值法,运用小波分解与重构去噪方法,实现含噪信号的去噪处理.仿真结果证明:在信号分析中,利用小波变换来实现信噪分离提取弱信号是一种非常有效的方法.     

基于小波包分解的意识脑电特征提取

针对2种不同意识任务(想象左手运动和想象右手运动)的脑-机接口(brain-computer interface,BCI)设计,提出了基于小波包分解的特征提取方法。首先深入研究了小波包变换,结合事件相关去同步化(event-related desynchronization,ERD)/事件相关同步化(event-related synchronization,ERS)现象,提出以小波包分解系数来考虑特征,然后对C3、C4导联脑电信号进行小波包分解系数方差和相对能量2种特征的提取,最后采用最简线性分类器进行分类。结果表明,2种特征对应的最大分类正确率均达到了85%,对应时间分别为4.34 s和4.39 s。因此,在保证分类正确率的前提下,所提方法更加简单和有效,为大脑意识任务分类提供了新思路。     

基于双树复小波变换的心电信号去噪研究

在心电信号处理过程中,为了避免产生Gibbs振荡现象和严重的频率混叠现象,提出一种基于双树复小波变换,并结合最大后验估计确定阈值的心电信号去噪方法.文中采用了信噪比和均方误差来评价双树复小波变换和离散小波变换两种方法对心电信号的去噪效果.实验结果表明:与传统离散小波变换相比,双树复小波变换去噪更彻底,边界、纹理等特征能较好地保留,可以作为一种生物医学信号降噪处理的新方法.