基于小波分析的脑电信号处理

为去除脑电信号采集过程中存在的噪声信号,提出了基于小波阈值去噪的脑电信号去噪。以小波阈值降噪为基础,首先利用db4小波对脑电信号进行5尺度分解,然后采用软、硬阈值与小波重构的算法进行去噪。通过对MIT脑电数据库中的脑电信号进行仿真,结果表明,采用软阈值方法有效去除了噪声,提高了脑电信号的信噪比。     

基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

小波包多阈值法在地震信号去噪中的应用研究

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。     

基于小波分析的心电信号去噪算法研究

心电信号在临床诊断上有非常重要的作用,但由于容易受到噪声干扰,采集的心电信号中通常包含很强噪声,为了有效去除噪声干扰,该文提出了一种基于自适应阈值的小波模极大值算法来进行信号去噪.关键点是在每个分解尺度上自适应的选取合适的阈值,用来对小波变换系数的模极大值点进行筛选,以去除噪声极值点.该文采用MIT/BIH数据库中的数据对算法进行仿真验证,结果表明该算法有更好的去噪效果,同时心电信号能被很好的保留.     

基于小波的声发射信号去噪研究

由于小波变换具有较强的时频分析和局部分析能力,常用于非平稳信号的去噪处理中。首先根据小波分解后各高频系数所占的能量百分比对信号进行提纯,再对提纯后的信号进行小波阈值去噪,并运用信号能量百分比和频谱分析对去噪效果进行评判。实验结果表明,这种先提纯后阈值去噪的处理方法能够在保证信号不失真的前提下,有效去除声发射信号中的噪声。     

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。     

基于自适应阈值正交小波变换兰姆波去噪方法

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。     

ECG信号改进阈值函数小波去噪算法研究

本文针对心电信号(ECG)微弱、频率范围低、易受噪声干扰等问题,提出一种改进小波阈值去噪算法。不但能通过可变参数h调节自身软、硬特性从而确定合适的阈值函数,而且根据分解层数不同,自适应地调整通用阈值。通过选取MIT-BIH库的部分数据,结合常见的三种小波基,进行实验验证。结果表明改进的小波阈值去噪算法可以有效抑制心电信号噪声,得到较好的信噪比,同时对MSE也有所改善。     

基于随机误差项的小波阈值去噪算法研究

针对振动环境下陀螺仪输出信号噪声干扰严重的问题,提出了一种用随机误差项改进小波阈值的去噪算法。通过对陀螺仪输出信号进行小波分解,根据频率成分将信号分解为多层;然后,对分解在各层的信号进行随机误差项辨识,进而利用随机误差项系数获取各层的噪声阈值;最后,利用获取的阈值进行小波去噪。改进阈值的提出,旨在解决Donoho全局阈值中因阈值选取过大或过小而产生的噪声误判或噪声残留问题,使噪声去除更彻底。通过实验分析,证明了本算法既能有效去除信号噪声,解决噪声残留的问题;又能保留输出的有效信号,解决噪声误判的问题。     

基于改进遗传算法的小波阈值语音去噪

针对语音信号在传输和处理的过程中经常会受到不同程度噪声干扰的问题,在传统小波阈值去噪方法的基础上提出了一种改进型去噪方法。该方法采用遗传算法对小波阈值参数进行自动寻优,并对传统遗传算法加以改进,克服了其容易陷入局部最优的缺点,实现了阈值的自适应选取,解决了人为选择阈值导致去噪效果不明显的问题。实验表明,改进方法能够较好的去除语音信号中的噪声干扰,信噪比较高,相比于通用阈值法提高了15%。     

非线性阈值自调整小波图像去噪方法研究

为解决小波变换阙值去噪方法中阙值的合理选取,提出一种基于非线性阙值自调整小波变换的图像去噪方法。在传统小波阈值去噪方法的基础上,结合神经网络的非线性双曲线正切函数和BP训练方法,首先对含噪图像进行二进小波分解,然后对分解系数进行小波重建,并将重建系数在BP神经网络中采用最速梯度下降法进行优化处理,得到最优阈值,最后对阈值处理的重建系数进行叠加,得到原始图像信号的估计值,即去噪后的图像信号。仿真实验表明,该方法具有较好的重建图像视觉效果,信噪比（SNR）和峰值信噪比（PSNR）均比传统小波阈值方法提高了1～2dB。     

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.     

一种改进的小波阈值去噪法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法,其中阈值函数的选择关系着重构信号的连续性和精度。但是硬阈值函数在阈值点具有不连续性,软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,这些缺点限制了阈值去噪法的进一步应用。将硬阈值和软阈值函数进行加权平均,选取适当的权值函数,可以构造出一种克服了软硬阈值缺点的新的阈值函数。仿真结果表明,该方法具有较好的去噪效果。     

基于AR模型的小波变换在脑电信号消噪中的应用

提出了基于自回归模型(ARM)与小波变换的脑电信号分析方法,并利用他来消除脑电信号中的噪声干扰。小波变换是一种多分辨率的时间尺度分析方法,他能够将信号划分为不同频段的子带信号。根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果。利用小波变换能有效去除脑电信号中的噪声干扰。     

一种新的小波消噪阈值的估计方法

小波多尺度分解是一种有效的信号去噪方法，对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后，本着改进滤波效果，提高去噪质量的目的，提出了一种改进方案。该改进方案克服了传统阈值去噪方法的缺陷，并适用于进一步的自适应滤波的需求，仿真试验证实了该改进方案的有效性和优越性。     

改进小波变换的电子音乐信号去噪研究

针对电子音乐信号受噪声干扰易出现信号失真、电子音乐存在断点的问题,提出改进小波变换的电子音乐信号去噪方法。首先,分析不同尺度中电子音乐信号小波系数相关性,采用软阈值算法去除电子音乐中的噪声;然后,采用修匀法对去噪后电子音乐信号进行处理,提升电子音乐信号整体连续性。结果表明,改进小波变换去噪后电子音乐信号波动区间与去噪前相同,去噪后电子音乐信号未受损,信号连续性好,去噪性能明显优于对比方法。     

傅里叶变换与小波变换在信号去噪中的应用

对于高频信号和高频噪声干扰相混叠的信号,采用小波变换去除噪声可以避免用傅里叶变换去噪带来的信号折损。对于噪声频率固定的平稳信号,在对信号进行傅里叶变换后使用滤波器滤除噪声。对高频含噪信号则采用正交小波函数sym4对信号分解到第4层,利用极大极小值原则选择合适的阈值进行软阈值处理,最后利用处理后的小波系数进行重构。实验结果表明,对于高频含噪信号傅里叶去噪会出现严重的信号丢失现象,使用极大极小值原则选择阈值进行小波去噪可以有效地保留高频部分的有用信号。     

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。     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012 a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

基于Matlab的小波去噪算法研究

小波阈值去噪是通过小波变换技术将含噪信号分解及重构,通过一个阈值限定小波分解后的小波系数来去除噪声的方法。在小波分析域中分析了传统的软阈值法和硬阈值去噪方法的特点,同时指出传统分析法中存在的缺点,提出了软硬阈值折衷的去噪方法。采用雷达信号用Matlab对去噪效果进行仿真,证明了改进方法的去噪效果优于单纯的软阈值与硬阈值方法。