基于改进小波阈值的时差频差联合估计

针对低轨卫星信号分布式中时差和多普勒频差联合估计的问题,提出一种基于改进小波阈值的时差频差联合估计算法。该方法在利用二阶互模糊函数进行时差和多普勒频差联合估计的基础上,引入小波变换,选择合适的阈值函数和自适应阈值,从而对两路接收信号进行去噪,提高联合估计的性能。仿真结果表明,在低信噪比环境下,基于改进小波阈值的时差频差联合估计法抑制了噪声的影响,提高了联合估计的精度。     

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。     

自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

基于改进小波去噪的EEMD—HHT信号处理方法

传统小波去噪虽然可在一定程度上去除噪声对原始信号的干扰,但去噪效果并不理想。针对传统小波去噪中存在的问题,提出一种改进的小波去噪方法,并将改进小波去噪与EEMD-HHT有机结合,进而提出一种基于改进小波去噪的EEMD—HHT信号处理新方法。基于MATLAB软件,分别利用EEMD-HHT方法、基于传统小波去噪的EEMD-HHT信号处理方法和基于改进小波去噪的EEMD-HHT信号处理方法对外圈故障滚动轴承进行故障诊断试验,试验结果与理论计算结果对比分析表明,基于改进小波去噪的EEMD-HHT信号处理方法最为有效。     

基于小波阈值去噪和共轭模糊函数的时频差联合估计算法

为了解决二阶互模糊函数对相关噪声处理的局限性问题,以及基于四阶累积量的联合估计算法的运算量大的问题,该文利用小波阈值去噪方法结合非圆信号的特性,提出一种新的时频差联合估计算法。该方法首先对接收信号进行小波阈值去噪,然后构造共轭模糊函数,最后再进行2维搜索,得到时差和频差参数。仿真实验给出不同信噪比下的参数估计结果,得出这种算法能抑制相关噪声,又能相对降低运算复杂度,并且在较低信噪比下也能做出准确估计。     

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。     

小波变换实现混沌雷达高精度泄漏检测研究

利用超宽带电混沌信号的强抗干扰性和随机性,通过分析超宽带混沌信号和经管道反射后雷达回波信号的互相关函数以及峰值信噪比,对管道泄漏点进行定位。在接收端,通过对雷达回波信号的小波阈值去噪和数据分析,探究小波基sym4 在3、4、5层小波分解之后的去噪效果,有效提高泄漏的检测精度。结果表明:小波基sym4,在加入5 dB高斯白噪声情况下,互相关系数方法中,采用4层分解的硬阈值法可以取得最佳去噪效果;小波基sym4,在加入5 dB高斯白噪声情况下,峰值比信噪比方法中,采用5层分解的硬阈值法可以取得最佳去噪效果,从而实现高精度泄漏检测。     

基于改进CEEMDAN在电能质量复合扰动去噪中的应用

为提高噪声环境下电能质量复合扰动识别精度，提出一种基于改进自适应噪声完备经验模态分解（CEEMDAN）去噪算法。首先通过CEEMDAN方法将含噪信号分解为若干本征模态函数（IMF）；然后将改进兰氏距离与多重分形去趋势波动分析（MFDFA）结合，把若干IMF分量分为信号IMF分量、噪声和信号混叠IMF分量、噪声IMF分量。对于混叠IMF分量、噪声IMF分量分别采用改进奇异谱分析（SSA）、小波阈值（WT）去噪；最后，将经去噪处理的IMF分量与信号IMF分量进行重构。实验表明：与对比算法相比，含噪扰动经新算法去噪后，信噪比显著提高，去噪效果良好。     

基于离散平稳小波变换和Bayes估计的红外图像去噪方法

提出一种基于离散平稳小波变换与Bayes估计的红外图像去噪方法。针对红外图像信号与噪声的不同特点,对红外图像进行离散平稳小波变换后,采用Bayes估计方法自适应地从带噪信号的小波系数观测值中估计信号的小波系数值。该方法不仅有效克服了传统离散正交小波变换去噪时容易产生Gibbs现象的问题,也避免了常用小波去噪算法对小波系数截断式处理可能造成的图像细节模糊和信息丢失。最后,通过对实际电力设备红外图像的去噪实验,验证了方法的有效性。     

基于集合经验模态的微弱激光脉冲信号自动去噪方法

由于微弱激光脉冲信号中存在噪声，需对其进行去噪处理，为此，提出基于集合经验模态的微弱激光脉冲信号自动去噪方法。首先建立微弱激光脉冲信号模型，模拟信号回波；其次采用集合经验模态分解方法分解微弱激光脉冲信号，并计算模态分量的排序熵，根据计算结果消除虚假分量；再采用基于峰度检测的加窗方法获取噪声与有效信号的分界点，确定噪声区域；最后引入小波滤波器在噪声区域内对微弱激光脉冲信号自动去噪。实验结果表明，所提方法的噪声检测精度高、去噪效果好、去噪效率高。     

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%。     

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。     

基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

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。     

一种基于CEEMDAN-改进小波阈值的OTDR信号去噪算法

为了解决光时域反射仪(optical time domain reflectometer,OTDR)中背向散射信号受 噪声干扰严重问题,本文提出了一种 基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN) 和改进小波阈值的OTDR信号去噪算法,利用CEEMDAN分解算法具有的抗模态 混叠现象和降低重构误差等优点,将信号分解为若干IMF分量,根据相关系数的分析方法, 找到噪声占主导的本征模态函数(intrinsic mode function,IMF)分量和信号占主导的IMF 分量的临界点,去除噪声占主导的IMF分量, 并将改进的小波阈值去噪方法对信号占主导的IMF分量进行去噪,最后重构信号。结果表明 , 本文提出的方法与传统的硬阈值方法、CEEMDAN-硬阈值方法和改进的小波阈值方法相比, 能 更好地抑制噪声,并达到更好的去噪效果,突显OTDR事件特征,更易于事件的检测。     

基于小波变换的信号去噪方法研究

对小波闽值去噪方法进行了研究,阐述了小波变换和小波去噪的基本原理和方法,利用四种自适应阈值规则对含噪信号分别进行去噪处理,并比较了去噪效果。以采集到的语音信号为例,采用不同的阈值去噪方法去噪,在MATLAB下进行仿真,结果表明小波变换既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

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。     

基于MATLAB小波去噪方法及应用研究

在实际的计算机控制系统中,采样信号不可避免的受到各种噪声和干扰的污染,使得由采样信号辨识得到的系统模型存在偏差妨碍了系统控制精度的提高。Donoho和Johnstone提出的小波去噪算法对去除高斯白噪声非常有效。我们对此在MATLAB环境下做了详尽的探讨及仿真实验研究,得到一些实际应用经验,并利用傅立叶变换/反变换和小波阈值去噪方法对电厂机组调速级压力运行数据进行了去噪对比实验,结果表明小波去噪方法能取得较好的去噪效果,为后续系统模型辨识打下良好的基础。     

一种小波域与空域相结合的图像滤波方法

利用小波阈值去噪方法和传统空间域Lee 滤波的特点, 提出了一种图像去噪的的组合滤波方案。首先在小波域对图像阈值去噪, 得到预去噪图像; 再在空间域上利用自适应Wiener 滤波器进一步提高恢复图像的精度。为了保证小波域和空间域两种算法之间的匹配, 对预去噪图像中残留噪声的分布进行了研究, 对其噪声方差估计做了改进, 提出了一种估计噪声方差的近似最优公式。仿真实验表明, 与单独的在小波域或空域去噪相比, 该方法的均方误差和信噪比指标均得到了改善。     

采用小波阈值的时变光栅莫尔信号去噪方法

莫尔光栅的纳米级测量需要对莫尔信号进行高倍细分,而高倍细分的精度往往受到高斯白噪声的影响.将莫尔信号视为稳态模型进行去噪分析与处理时存在信号频率相对固定的缺陷,根据信号的频率是大范围可变的,且噪声分布在整个频率范围内,提出了一种更符合实际的时变模型,并采用小波阈值去噪法对信号进行处理.对时变莫尔信号进行了建模,对小波去噪原理及阈值去噪法进行了分析,经大量实验对比,选用Sym8小波基、分解尺度为6、阈值准则为Heursure的软阈值法去噪效果最好.去噪后,光栅莫尔信号接近理想信号,使莫尔信号的细分倍数达到1 000倍.