模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

基于小波变换的心电信号滤波算法

针对心电信号中含有的工频干扰、运动伪迹、肌电噪声和基线漂移四种噪声,提出一种以R波为优先准则,结合小波模极大值的逐拍滤波算法。该算法使用小波分解来消除心电信号中的基线漂移．采用小波模极大值法消除工频干扰和肌电噪声．利用小波分解各尺度间的相关性来消除运动伪迹。仿真实验结果表明,该算法平均信噪比达到22．3dB,说明其在有效改善信噪比的同时,能显著提高信号的分辨率。     

基于奇异性的小波消噪技术

在论述了小波分析、信号奇异性与小波变换模极大值性质关系的基础上，本文给出了一种基于小波变换模极大值的信号去噪算法。仿真结果表明了该算法的有效性，既能有效的消除噪声，又能较好地保留了原始信号的突变信息。     

基于信号奇异性分析的小目标检测方法

提出了一种新的基于信号奇异性分析的小目标检测方法,该方法将图像中的小目标看作是图像信号中的奇异点(突变点),利用小波变换模极大值点同信号奇异点之间的对应关系,结合信号奇异性与模极大值在多尺度上的变化规律,实现噪声抑制和信号增强,然后通过区域分析,检测图像小波变换模极大值,进而实现小目标检测。实验结果证明该方法是行之有效的。     

提升小波变换的局部放电白噪声抑制方法研究

局部放电(partial discharge, PD)信号监测中易受白噪声干扰,为此,提出了一种基于提升小波变换的白噪声抑制方法。利用提升小波变换对信号进行分解,根据信号的噪声强度计算阈值对小波系数进行滤波。利用信号的奇异性,不同细节层上局部极大值点的位置即为脉冲边缘的位置,选取满足条件的极值点,得到脉冲信号的位置,再通过滑动窗口将脉冲提取出来。通过仿真信号和实际采集的局部放电信号降噪处理,将提出的算法和已有降噪算法进行对比,对算法的性能从均方误差(mean square error, MSE)和波形相似系数(Normalized cross correlation, NCC)两个方面进行分析,验证了该方法的有效性和准确性。实验结果表明,该方法能够在低信噪比环境下有效地提取脉冲信号,抑制白噪声。     

基于小波的信号Lipschitz指数分析和应用

奇异信号往往带有一些重要信息,一般用Lipschitz指数来描述信号的奇异性。在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义和相关理论基础,同时研究了小波变换与信号奇异性关系和Lipschitz指数的计算。利用信号和噪声奇异指数不同的特点应用于去噪声,文中提出了一种对噪声模极大值对应点周围的小波系数进行非线性压缩后重构信号新方法,仿真实验结果表明,这种方法有着较好的去噪效果。     

由小波变换的模极大值快速重构信号

本文从多尺度分析的思想出发，提出一种由信号小波变换的模极大值快速重构信号的方法，在不同尺度上，以阶跃函数在该尺度上的小波变换作为基函数，利用模极大值拟合信号的小波变换，然后进行小波反演得到重构信号。这种快速算法具有明确而直观的物理意义，实现简单方便。文中还给出了对重构信号的误差修正方法，数值方法的结果表明，这种快速重构算法对不同类型的信号同样有效。     

奇异信号消噪中小波消失矩的选取

信号小波变换模的局部极大值和信号奇异性之间存在对应关系,利用信号和噪声小波变换模极大值在不同尺度上表现出的截然不同的性质,可以对奇异信号进行消噪。本文讨论了小波消失矩的阶数与信号Lipschitz指数间的关系,分析了消失矩对奇异信号检测的影响。实验结果表明,为了有效地检测奇异信号的各种奇异性特征,需要根据信号奇异性选择具有不同消失矩的小波。     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

非平稳环境下基于小波变换的信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的信号噪声较大。对此,本文研究了一种非平稳环境下基于小波变换的信号去噪算法。该算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换模极大值随尺度的变化快慢不同。得到噪声在小波域中的位置以及小波系数大小。实验结果表明:该算法对平稳和非平稳的噪声都能进行较好的去噪。     

重构小波系数的分段三次样条播值新算法

利用小波变换模极大值原理对信号去噪之后,如何由保留下来的模极大值点恢复出满意的重构信号,是一个重要课题。本文首先分析模极大值与小波系数之间的内在关系,提出了模极大值实际上是小波系数在特定意义下的离散采样;然后给出了一种对模极大值进行预处理的方法,由此得到了一组新的伪模极大值序列;利用这组伪模极大值序列,提出了一种新的重构小波系数的分段三次样条播值（ＰＣＳＩ）新算法,该算法程序简单,易实现,克服了交替投影（ＡＰ）法计算量大、程序复杂等缺点;最后给出一个应用实例,实验结果表明,与经典的交替投影法相比,本文提出的ＰＣＳＩ算法可获得更高的重构信号信噪比增益和更小的相对均方误差,它是一种实际、有效的算法。     

基于小波变换的自适应QRS-T对消P波检测算法

该文提出一种基于小波变换的自适应QRS-T对消P波检测算法。首先采用二进Marr小波的Mallat算法对心电信号作多尺度分解,在每个尺度下只保留超过一定阈值的小波模极大值点,其它点置零处理。在小波分解的3,4尺度下检测QRS波群,并根据心拍节律信息和QT间期,将QRS-T波群所对应的小波模极大值点进行自适应对消,最后对包含P波的剩余信号进行非线性放大,利用小波模极大值的自适应阈值检测方法定位P波。该方法经MIT-BIH心电数据库数据验证,取得了满意的结果。     

一种改进的小波脊提取算法

针对基于模极大值和基于相位信息的小波脊提取算法的缺点,提出了一个改进的小波脊提取算法。该算法利用小波系数的相位信息提取所有可能的脊点,利用小波系数模的最大值以及脊线的连续光滑性甄别出信号的脊点,排除掉噪声的脊点,从而加快了脊点的搜索速度,提高了脊点提取的有效性。相比于基于模极大值和基于相位信息的小波脊提取算法而言,该算法更适用于低噪声信号的小波脊线的提取。     

基于小波变换模极大值的电能质量奇异性检测

针对配电系统中最常见的暂态电能质量扰动,例如电压暂降、电压暂升、电压振荡和脉冲等,在发生扰动的起止时刻常常对应电压信号发生奇异点的特点,提出了一种基于小波变换模极大值的电能质量奇异性检测方法,通过信号小波变换模的极值点在多尺度上的综合表现,来表示信号的突变或暂态特征,并通过算例仿真验证了该方法的有效性。     

小波模极大值点的信号稀疏表示及重建

作为压缩感知理论的前提,稀疏表示要求信号本身是稀疏的或者在某种正交基下可以稀疏表示。本文针对信号本身及小波变换后均不够稀疏的情况,提出一种基于模极大值点的信号稀疏表示算法。该算法在小波变换的基础上,利用小波分解的结构,对各层高频小波系数通过寻找其模极大值点的方法进行稀疏化,然后通过测量矩阵得到它的测量值,对测量点数进行熵编码以实现数据压缩传输。解码时,采用正交匹配追踪算法得到模极大值点的估计值,最后通过交替投影法重构出原信号。仿真结果表明,与经典压缩感知算法相比,该算法恢复信号的质量有较大提高,且由于稀疏度增大,所以信号具有更好的可压缩性,实验表明本文算法对复杂信号效果更明显。      

小波滤波分解层数的自适应确定方法

针对加性高斯白噪声,根据信号和噪声在小波空间上传播的特性,提出了一种基于Kolmogorov-Smirnov检验的最优分解层数自适应确定算法,对于不同数据长度的信号,可以自适应地选择小波变换的最优分解层数。仿真实验表明,该方法可以得到最优的信噪比及最小均方误差,并且对小波分解边界延拓方式的选择具有较强的适应性。     

基于NGST和MODWT的联合初至波到时提取算法

针对传统小波变换模极大值法提取初至波到时存在误判率高、提取精度低的问题,提出了一种基于NGST和MODWT联合提取初至波到时的算法。该方法通过极大重叠离散小波变换解决了塔式算法中因下采样引起的选择起点的灵敏性问题,采用广义S变换现在瞬时极化窗。试验结果表明,与小波变换模极大值相比,基于NGST和MODWT的联合提取初至波到时的算法,误判率低、提取精度高,在地下震源定位、微震监测领域将具有良好的应用价值。     

子波变换去噪及其在卫星电视秒信号传播时延数据处理中的应用

研究了子波变换在随机噪声滤波中的应用，讨论了子波变换模极大值同信号奇异性之间的关系；给出了利用该极大模信息的信号重建方法；并用实测的卫星电视秒信号传播时延值进行计算，理论研究和实算结果表明该滤波方法能很好揭示信号与噪声之间的差别，比传统的滤波方法有更好的效果，为滤波提供了一种有效的手段。     

Wavelet domain denoising method based on multistage median filtering

There are two main problems in the threshold denoising method based on wavelet transform. One is the difficulty of threshold selection, and the other is the inconsistence of the dip and curved events in the low signal-to-noise ratio (SNR) seismic data after denoising. In image denoising, multistage median filtering can preserve the details of the signal. So we proposed a denoising algorithm in wavelet transform domain based on multistage median filtering. Using this method the flat region and the edge region are differentiated by the difference between the maximum mid-value and the minimum mid-value, which preserves the details, thus improves the denoising effect. The simulation data and the real data processing results reveal that this method has stronger ability in separating signal from noise than that of the threshold denoising method.     

Wavelet maxima reconstruction by conjugate gradient

The problem of reconstructing a signal from its wavelet transform modulus maxima representation can be formulated as minimising a quadratic term using the conjugate gradient technique. It is shown that this formulation obtains the same result as the accelerated frame algorithm which starts from the frame theory. A method to avoid super-resolution which is inherent in this problem is proposed, based on the measure of the regularity of the signal in the wavelet domain