共查询到19条相似文献,搜索用时 203 毫秒
1.
《现代电子技术》2015,(23):54-59
地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。 相似文献
2.
一种空间自适应小波门限去噪算法 总被引:3,自引:0,他引:3
提出了一种空间自适应小波门限去噪算法,该算法在小波域对含噪小波系数做两次自适应去噪,两次自适应门限分别基于最大似然(ML)方差估计和最大后验概率(MAP)方差估计.仿真结果表明,该算法与其它自适应门限去噪算法相比,去噪后的图象具有更高的峰值信噪比(PSNR). 相似文献
3.
提出了基于自适应阈值正交小波变换兰姆波去噪方法 (WT-AL)。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明:该方法去噪后信号信噪比明显提高,均方误差明显降低。 相似文献
4.
传统的频谱感知方法易受噪声波动的干扰,而且在低信噪比的无线通信条件下检测精度较差。通过结合提升小波去噪与动态门限能量检测算法,能有效提高传统频谱感知方法的抗噪声性能和检测精度。首先对含噪信号进行奇偶抽样,分解信号,去除噪声部分,再重构为去噪新信号,然后通过能量检测方法来统计信号的能量积累,设置动态门限,最后以动态门限判断用户信号是否存在。提升小波去噪能够有效地去除采样信号中的噪声,减少噪声对能量检测法检测精度的影响,动态门限能根据噪声波动进行调整来适应复杂的噪声环境。仿真结果表明,提升小波去噪结合动态门限能量检测算法相比于传统的频谱感知要有更优的检测精度。此方法不但提高了其对不确定噪声的抵抗性,使之能适应复杂的通信环境,而且提高了频谱感知过程的可靠性。 相似文献
5.
针对小波包分解的高频混叠和频带顺序混乱,采取了一种改进小波包算法,采用一种更精细的Bark尺度小波包对带噪语音进行分解,以模拟人耳的听觉特性.对分解系数计算Teager能量算子(TEO),并使用一种简单的随TEO变化而调节的自适应阈值门限对带噪语音进行阈值去噪,不需要判别清浊音和无声段,实验证明,该方法在多种噪声下都能取得较好语音增强效果,特别是在有色噪声和非平稳噪声下.对于较低信噪比的语音也能获得一定改善. 相似文献
6.
7.
提出并采用信号的连续小波包分解的方法对BPSK、QPSK、8PSK数字调制信号进行模式识别。首先,根据3种调制信号的特点设置目标信号模板,然后将其分解到小波包子域形成子域模板并预先存储。执行识别任务时,将实际信号进行小波包分解,并在各小波包子域和子域模板作匹配相关,根据相关运算的结果完成识别。由于小波包分解的频带划分比小波分解的频带划分精细,所以识别的正确率更高。文中采用Monte Carlo法产生信号,采用Matlab进行仿真。仿真结果表明,采用小波包分解的识别正确率更高,尤其是在低信噪比环境下,该方法也能实现调制信号的精确识别。 相似文献
8.
针对相位敏感光时域反射仪(Φ-OTDR)信号信噪比较低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)的小波信息熵阈值去噪算法。该算法配合CEEMDAN分解,通过小波信息熵阈值去噪,提取扰动位置的高频信息,从而提高系统的信噪比。首先,采用Savitzky-Golay滤波算法对不同光脉冲间的信号进行预处理;其次,采用CEEMDAN将滑动差分后单个脉冲内信号分解为不同的固有模态函数(IMF),并利用连续均方误差准则确定含噪较多的高频IMF分量;然后,采用小波信息熵阈值去噪算法对以上高频IMF分量进行阈值去噪处理;最后,将其与低频IMF分量以及残差分量进行重构。采用自行研制的相干Φ-OTDR系统实测数据进行了验证,结果表明,文中算法与两种传统去噪算法相比,信噪比提升了3dB,这对于系统的实际应用具有重要意义。 相似文献
9.
10.
11.
12.
目前的基于小波阈值降噪方法往往假设信号的噪声分布在高频段,因此大部分方法只对高频段进行降噪,而忽略了低频段噪声对信号的影响.在现实的应用中,复杂的噪声并不满足该假设条件,也即复杂噪声不仅分布在信号的高频段,而且低频段的噪声同样不容忽视.针对上述问题,论文提出了一种全新的解决方案:小波自适应阈值全频降噪方法.在该方法中,根据不同类型的噪声随小波分解层数、噪声强度等因素变化规律,提出了一种新的自适应阈值确定方法;然后利用小波去相关性方法来检测信号受到的最主要的噪声干扰;最后结合噪声类型检测方法,检测信号中所隐含的最接近的噪声类型,选取合适的阈值确定方法,对信号的低频和高频同时进行降噪.论文的实验结果表明:(1)当信噪比较低时,采用全频降噪方法对大部分类型的噪声而言均优于传统方法,并且全频降噪方法仅需要信号分解到1~2层即可取得良好效果;(2)当信噪比较高时,全频阈值降噪技术的降噪效果和传统方法一致,但所需小波的分解层数少于传统方法. 相似文献
13.
14.
15.
基于模糊PCNN的小波域超声医学图像去噪方法 总被引:2,自引:1,他引:1
在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。 相似文献
16.
针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法. 相似文献
17.
基于小波包的阈值语音去噪算法研究 总被引:1,自引:0,他引:1
传统的小波阈值去噪算法会不可避免地造成有用语音信号的损失,达不到很高的信噪比。基于Donoho提出的传统阈值去噪方法,提出了一种新的阈值函数,该闽值函数结合了软阈值函数和灿律阈值函数的优点,不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差。实验仿真表明,新阈值函数的语音去噪方法无论在听觉效果上,还是信噪比指标上均明显优于传统的硬、软阈值方法。 相似文献
18.
19.
分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差(LMS)的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。 相似文献