基于小波消噪和自适应滤波的FECG提取

应用小波分析和自适应滤波消噪相结合的方法提取胎儿心电（feta electrocardiogram, FECG）信号．对样本信号对软阈值去噪和硬阈值去噪进行了对比分析，发现软阈值去噪较好．把去噪后的信号作为自适应滤波消噪的参考信号，将腹部信号作为主输入信号，构建了基于RLS自适应噪声抵消（recursive least squares adaptive noise cancellation），并对其进行了样本试验．     

基于自适应小波阈值的超声信号消噪

在铝合金锻件的超声无损检测中为了消除晶粒散射引起的相干噪声，通过建立缺陷回波检测数学模型，提出了一种基于新阈值函数的Stein无偏风险估计自适应消噪方法.利用新的阈值函数得到离散小波变换各尺度下的小波系数，对小波阈值进行最小均方误差意义上的迭代，基于小波系数估计值进行离散小波反变换以得到信号的估计值，通过反复迭代运算得到缺陷回波的最优消噪模型.对含缺陷铝合金锻件的超声信号处理实验结果表明，与常用的固定硬、软阈值相比，自适应消噪方法能够更好地去除散射噪声及增强缺陷信回波信号.     

基于小波变换的微光图像中值滤波消噪

为了提高微光图像在目标识别中的可靠性,利用微光图像中所含噪声点具有椒盐噪声的特点,对图像进行小波变换并仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像.由小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声.结果表明包含在图像中的噪声可以很好地被消除.这种消噪方法克服了中值滤波方法边缘模糊的缺点,保持了微光图像中的细节部分.     

小波变换信号消噪技术研究

通过对信号与噪声奇异性分析，给出信号与噪声的小波变换模极大值在各个尺度上的表现截然相反的结论，并给出了一种非线性的消噪方法。该方法与传统的消噪方法不同，即不同于低通滤波器滤波，而是根据信号与噪声的奇异点性质不同进行滤波。实验结果表明，这种方法在改善信噪比的同时，又保持相当高的时间分辨率，并且计算简单，有很好的去噪效果。     

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

基于2D小波变换的图像消噪算法

利用2D小波变换对含噪图像进行消噪处理。基于小波变换具有的多分辨率特点,分析图像信号的局部特征,滤除掉含噪图像中的高频成份,达到降低噪声的目的。文中给出了含噪二维图像信号模型,以及利用2D小波分析对图像信号消噪的步骤。同时介绍了MATLAB6．5中小波分析支持的图像格式。经噪声图像仿真测试,小波变换中独立阈值法具有较好的消噪效果。     

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

一种新的基于小波变换的语音消噪方法

提出一种新的语音消噪处理方法:二次小波分解全局阈值法.该方法不同于传统阈值消噪方法,首先对语音信号高频部分做了二次分解,然后应用阈值消噪的方法对信号进行消噪处理.该方法在MATLAB上进行了模拟实验.试验结果表明该种方法鲁棒性很好,提高了信噪比,去除了大部分噪声,同时有效信号的能量也相当完整地保留下来,能够很好地解决噪声对语音信号的干扰问题.     

基于小波变换的信号消噪

采用一种新的阈值确定方法：二次平方损失函数法（QSLF法）,通过对待信号进行小波变换,在小波变换域中,把小波系数进行阈值处理,即：增强属于信号的小波系数,减弱或去除属于噪声的系数,然后进行小波变换的逆变换,虽然会造成在小程度上丢失了一些细节,但只要考虑到抑制干部噪声与所保留信号细节之间的权衡问题,仍能恢复出所期望的待分析信号,计算机模拟实验结果表明：该方法能有效的消除噪声。     

改进的小波自适应阈值图像消噪

在图像降噪中,小波阈值法可以有效的降低图像的噪声,但阈值选取往往是固定的.而经过小波变换后图像各子带的统计特性有所不同,因此δ的值应根据各子带的特性来选取,即δ应为自适应阈值.另外用阈值法消噪后,为消除在一些不连续点会出现伪吉布斯现象,考虑阈值消噪前对图像进行循环平移,形成自适应阈值与循环平移的有机结合.通过仿真实验证明了小波阈值法比一般的图像消噪方法有所改进.特别是图像的均方误差有很大的降低,同时提高了信噪比.     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.     

基于多尺度小波变换的改进型自适应滤波算法

介绍自适应滤波算法、多尺度小波算法的基本原理和两种算法结合的实现过程。针对最小均方(LMS)自适应滤波算法不能同时提高收敛速度和收敛精度,提出变步长LMS自适应算法,在滤波过程中算法先用大步长跟踪,提高收敛速度,接近稳态时用小步长跟踪,提高收敛精度。为了能有更好的滤波效果,应该在算法的步长因子上有所突破。在抽样函数的基础上改进算法,并结合多尺度小波分解,使得滤波的效果更加理想。通过Matlab仿真实验,验证了改进算法具有更好的稳定性和优越性。     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

基于块自适应窗的小波域维纳滤波图像去噪

基于图像经小波分解后细节子带能量簇的主方向由边缘方向、纹理方向和子带滤波器的方向选择性共同决定这一事实,提出了基于块自适应窗的小波域维纳滤波图像去噪算法。对含噪图像进行离散小波变换后,对每一层三个细节子带分别无重叠分块,利用细节子带块能量相关函数确定每一块中能量簇的主方向及相应的块自适应窗口,在得到的块自适应窗口中估计不同方向块中各点信号方差,进而对子带系数进行维纳滤波,得到细节系数的估计,然后进行小波逆变换,得到去噪图像。实验结果表明了该方法比基于矩形窗口的小波域局部维纳滤波有更好的去噪效果。     

基于小波变换方向信息的奇异值图像去噪研究

提出一种基于小波变换方向信息的奇异值图像分解去噪方法.由于图像噪声主要集中在小波域中的高频子图部分,且系数较小,可以利用奇异值分解后较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波.低频子图仅作简单维纳滤波,最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像.实验结果表明,该方法在有效去噪的同时较好地保留了原有的高频细节信息.     

基于分数阶小波变换的心电信号去噪处理研究

为了能够快速简单的滤除心电噪声,提高信号的信噪比,采用分数阶小波变换对心电信号进行处理,并利用"Arrhythmia Database"和"Noise stress Test Database"数据库中的数据和对其进行验证.仿真结果表明,运用这种方法能够有效地提高心电信号的信噪比,清晰的还原出心电信号的波形及其特点.所以分数阶小波变换在心电信号去噪处理中具有很好的应用.     

MIMO系统自适应均衡算法研究

MIMO信道为频率选择性信道,由于时延扩展而存在色散,因此研究MIMO系统的自适应均衡技术显得尤为重要.通过对自适应均衡技术的两种主要的算法最小均方(LMS)算法和递归最小二乘(RLS)算法的研究可以看出,在不同的步长因子及遗忘因子等参数变化情况下,LMS算法的收敛速度较慢,但均衡简单易实现,RLS算法收敛速度较快,但迭代运算较复杂.结合二者的特点提出了在MIMO系统中引入改进的最小均方算法,即归一化最小均方(NLMS)算法.仿真实验对比表明NLMS算法的计算量与LMS相当,但收敛条件简单,易实现,收敛速度较快,有很实际的应用价值.     

基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取

针对心电信号的非平稳特性,将非平稳信号处理方法与非线性估计方法相结合,提出一种从母体腹壁混合信号中提取胎儿心电信号的新方法。采用经验模式分解(EMD)方法将非平稳的母体心电信号分解为有限个本征模函数(IMF)和一个残差信号;母体腹壁混合信号中的母体心电成分为母体心电信号的非线性变换,采用最小二乘支持向量机(LSSVM)拟合这一非线性变换;将EMD分解所得的本征模函数和残差信号经由所拟合的非线性变换得到母体腹壁混合信号中母体心电成分的最优估计,从母体腹壁混合信号中减去该最优估计得到胎儿心电信号。引入基于特征值分析和基于互相关系数计算信噪比的方法,评估胎儿心电信号提取方法的性能。实验结果表明,在胎儿心电信号和母体心电信号QRS波分离或者重叠的情况下,通过本文提出的方法均可得到清晰的胎儿心电信号,且信噪比相对于传统方法有明显提高。实验结果验证了该方法的有效性。