基于小波分析理论的电源信号消噪方法

某电源信号是典型的非平稳、非线性信号,信号中带有各种噪声,需进行适当处理.小波变换时的频局域性好,是分析非平稳信号的有效工具之一.研究基于小波变换的阈值消噪法,借助LabVIEW平台,通过仿真试验,对软阙值和硬闲值消噪及采用不同的小波函数消噪进行了分析.应用LabVIEW对电源信号进行采集,并且对LabVIEW中调用Matlab里的小波函数进行去噪分析的程序进行研究,收到良好的效果,为进一步提高电源信号消噪处理的效果奠定了基础.     

基于小波分析的脉冲信号波形检测方法

通过对多种小波函数的分析、比较,提出了一种基于小波分析的脉冲信号时域波形检测方法,该方法利用小波变换模的极大值特性,较好地实现了对脉冲成形信号波形参数的检测。理论分析和仿真研究结果表明,该方法对高斯噪声信道具有较强的适应能力,并且算法简单、运算量小、信号参数检测精度高,具有较好的工程应用前景。     

小波在信号检测及去噪处理中的应用

信号的奇异性检测在计算机视觉领域，函数f（x）在尺度S上的奇异点（边缘）定义为被光滑函数θs（X）平滑后的f（X）的局部突变点。当尺度较小时，θs（X）对f（x）的平滑作用是可以忽略的，因此进线检测提供了f（x）的大部分突变点位置。而当尺度较大时，信号与从θs（X）的卷积除去了小的信号波动，检测到的是较大结构的突变点。若把小波函数定义光滑函数的一阶或二阶微商，则利用多尺度小波变换可以检测出这些奇异点的位置。我们称θ（X）为平滑函数，当且在无穷远处θ（x）＝0，例如可取θ（x）为三次样条函数，并定义它的一阶和二阶…     

小波变换用于信号突变点的检测

小波分析的形成是傅里叶分析发展史上里程碑式的进展，小波分析优于傅里叶变换的地方在于它在时域的频域同时具有良好的局部化性质。本文在简单介绍小波变换的基础上，着重介绍了小波变换用于信号突变的检测原理。计算机模拟结果表明，小波变换理论在信号突测中是非常有效的。     

小波变换在信号消噪中的应用

小波分析具有时间平移和多尺度分辨率的特点,是目前信号处理领域中十分活跃的理论。本文介绍了小波原理以及信号消噪原理和方法,并将小波变换与傅立叶变换进行比较,仿真结果表明,小波变换是一种有效的消噪方法。     

基于提升小波的图像消噪

提升算法能够有效解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性.介绍了提升算法的过程,基于提升小波的图像消噪算法.实验结果表明,该算法消噪后的图像质量上优于一般小波变换的传统方法.     

芯片毛细管电泳信号的小波消噪

采用小波消噪方法对芯片毛细管电泳信号进行了处理,研究了小波基的选择,噪音在不同细节中的特征以及噪音阈值的确定。结果显示,与Fourier消噪算法相比,运用小波消噪算法不仅能够更有效地消除噪声,而且能使峰形不变,峰高不受影响。     

小波消噪方法在目标磁信号检测中的应用

磁信号检测中,针对含噪磁信号信噪比较低的问题,应用小波消噪方法对其消噪处理,滤除磁噪声,提高信号的信噪比。先构建磁性目标偶极子模型,仿真得到磁性目标含噪磁异常信号,再应用sym8小波进行5层分解,使用heursure软阈值法对含噪信号进行消噪,仿真试验表明该方法具有一定的工程应用价值。     

一种改善微弱信号信噪比的小波变换消噪法

通过分析小波变换处理信号噪声的方法及其在微弱信号检测方面的不够完善之处,提出适合于极低信噪比条件下小波消噪法的信号检测原理和方法,即通过构造具有可调功能的阈值函数以及对小波分解系数处理方式的优化设计等方法,在强背景噪声中提取出微弱的信号特征信息,从而实现微弱信号的检测.最后通过Matlab仿真验证该方法的实验效果,理论和实验结果均表明此方法能较大幅度地改善信号比.这里阈值构造过程中充分考虑到了信噪比因素的影响,并对小波分解系数的处理也进行了合理优化,从而使得去噪效果有较大的改善.     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

基于小波阈值的激光探测声音信号去噪研究

激光声音探测技术是声音探测领域中重要的研究方向,但该探测技术极易受到背景光、大气湍流等引起的噪声干扰,对探测信号的噪声进行抑制是激光声音探测技术的关键。因此提出一种改进的阈值函数,通过调整参数可以改变小波系数估计值与原小波系数之间的偏差,同时尽量保存信号的特征信息。在实验室环境下通过实验验证了基于所提改进阈值函数的小波阈值去噪法的有效性,探测信号经去噪处理后噪声得到有效去除。     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于小波变换的信号断点检测

小波分析是近15年来发展起来的一种新的时频分析方法,其在信号处理中有着广泛的应用。在很多情况下单单分析其时域或频域的性质是不够的,比如在电力监测系统中,即要监控稳定信号的成分,又要准确定位故障信号,这就需要引入新的时频分析方法。小波分析正是由于这种需求而发展起来的通过小波变换来精确地检测信号发生变化的时刻,构造一个信号模型,由一个低频正弦波信号连接一个高频正弦波信号,利用小波工具可以检测出信号发生不连续的间断点的位置。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

基于一种自适应折中-平滑阈值的脉搏信号小波去噪

人体脉搏信号在采集过程中会掺杂着各种噪声信号,而传统所采用的小波变换阈值去噪法在处理脉搏信号时又存在着缺陷,本文采用的折中一平滑闽值函数,并基于斯坦恩无偏估计（SURE）优化算法去寻找最优阈值门限,与在原有阈值基础上的小波自适应阈值去噪做对比,通过利用Matlab对脉搏信号进行去噪仿真。结果表明,依据信噪比（SNR）和信号平滑度Ⅲ的评判标准,该方法去噪效果更好,结果令人满意。     

基于子波相关算法的红外图像点目标检测( 英文)

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一。目标在图像中的表现为点状 ,且信噪比低 ,目标被噪声 (杂波 )淹没。现结合前人的一些检测算法 ,按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析 ,提出了基于子波相关算法的点目标的检测方法 ,并对其进行了仿真和软件编程。结果表明这种算法具有很好的检测能力     

基于子波相关算法的红外图像点目标检测

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一.目标在图像中的表现为点状,且信噪比低,目标被噪声(杂波)淹没.现结合前人的一些检测算法,按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析,提出了基于子波相关算法的点目标的检测方法,并对其进行了仿真和软件编程.结果表明这种算法具有很好的检测能力.     

小波变换在EEG噪声滤除中的应用

通过小波变换与标准傅里叶变换和短时傅里叶变换比较,指出了小波变换以其良好的时频局部性,成为时频分析方法中发展最为迅速的一种,并着重介绍了小波变换在滤除脑电信号噪声领域的应用.     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.