基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

小波变换在地震信号噪声处理中的应用

常规小波域阈值去噪方法未能充分利用地震信号相关性的特点进行去噪，只能去除地震信号中部分随机噪声，为此提出了一种小波域分时分频相关结合阈值去噪处理方法。该方法首先对小波变换后多个尺度上小波系数进行分时分频相关去噪处理，然后对处理后小波系数进行重构，并可去除大部分不相关随机噪声。对重构后地震信号再进行常规小波域阈值去噪处理以进一步去除噪声。模型测试和实际资料处理效果表明：使用该方法可以有效地改进地震信号去噪处理效果。     

激光光幕破片测速信号的特征点检测方法

激光光幕破片测速系统中,破片过靶信号穿过激光光幕时特征点时刻检测的准确度影响测速的准确度与精度.针对传统的特征点检测方法中对信号直接进行数值微分会误检测起伏较大的噪声点、峰值检测会受噪声影响而引起信号误判的问题,提出了基于小波变换的模极大值特征点检测法.该算法利用小波模极大值和尺度、李氏指数与破片信号的奇异性之间的关系,选取合适的小波基对破片信号进行小波模极大值处理,从而实现特征点检测与去噪,可以准确识别破片,并检测到其特征点时刻.经大量测试数据处理表明,小波模极大值法检测破片识别率为96.9%,相比传统峰值检测法,提高了特征点检测的准确率.     

多尺度图像迭代去噪

为了解决传统图像去噪算法仅对平稳噪声或缓慢变化噪声有效，且存在残留图像噪声较大的问题。研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及图像和噪声小波模极大值随尺度的变化大小不同，运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小，完成了多尺度图像去噪。实验结果表明：对峰值信噪比较低的图像去噪，本方法去噪后峰值信噪比比传统的方法高，并且保留较多的图像细节。该算法对平稳和非平稳的噪声都能进行较好地去噪。     

一种小波变换信号处理方法

针对钻井泥浆脉冲信号在复杂环境中传输的问题,建立了复合泥浆信号模型,研究了符合信号特征、基于最低熵的最优小波设计及处理方法．利用该小波对信号进行变换,分析信号、噪声和基线的模极大值传播特性,提出了模极大值平方后与相邻系数相乘且归一化的处理方法,实现噪声去除、基线矫正和脉冲位置检测．该方法在中国石油某油田得到现场应用,处理采集的钻井泥浆信号,检测脉冲位置恢复原始编码数据,可满足随钻测井的要求．     

小波变换在语音去噪处理中的应用

讨论小波变换在实际语音信号去噪处理中的应用,提出由小波变换频响特性的插值法重建低尺度上模极大值的方法。重构信号时根据压缩原理构造解析形式的迭代投影算子实现ＰＯＣＳ算法,形式简单,收敛快。     

一种复合的SAR图像去噪算法

针对SAR图像噪声影响分辨率的问题,提出一种新的复合SAR图像增强和去噪方法．该方法首先利用信号的小波相邻尺度相关性将信号和噪声分离,然后根据SAR图像近似瑞利分布的特点把SAR图像转换为近高斯分布,再分别利用复数扩散震动滤波器对SAR图像信号部分进行增强,用各项异性扩散方程对含噪部分进行去噪,最后用小波平稳变换对图像进行重构．实验结果表明,与传统的SAR图像去噪算法相比,新算法在边缘增强和噪声去除能力方面均有显著提高．     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换 (DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪 .通过对此信号进行频谱分布的分析 ,用Donoho的阈值去噪法去除高斯白噪声之后 ,根据小波变换的多分辨率思想 ,提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声 ,然后运用小波反变换来恢复内燃机瞬时转速信号的方法 .实验结果表明 ,此方法能够较精确的去除噪声 ,恢复内燃机瞬时转速信号 .     

智能型心功能分析系统中的去噪声算法研究

为了对智能型心功能分析系统寻找有效的去噪声方法,在Matlab6.5仿真环境下,以小波变换系数模极大值去噪声算法和Donoho的软阈值去噪声算法为基础,对心电(ECG)信号的噪声去除进行了研究.仿真结果表明,该算法在一定程度上提高了信噪比,提高了心电信号的质量,为进一步提取有效的生理信息打下了基础.     

吊放声纳信号提升小波阈值去噪分析

为了去除干扰噪声及保留信号特征,本文采用提升小波阈值法对信号进行去噪处理。先对信号进行提升小波分解,以获取相应尺度的尺度系数和小波系数;采用相应的阈值函数对小波系数进行量化,将量化后的小波系数和尺度系数按照提升小波逆变换方法重建信号,获取去噪信号。仿真结果表明,该方法去噪速度快、占用空间小,去噪信号信噪比均在10dB左右;均方根误差和峰值误差分别控制在0.1和0.3以下,波形与功率谱趋于平滑,信号的峰值点得以保留。该去噪方法在保留信号基本特征的同时,有效抑制了干扰噪声。     

利用子波变换检测信号波形

利用子波变换的多分辨性质，基于信号和随机噪声在子波变换域中不同的模极大值系数特征，设计并实现了一种实用的波形检测器，对不同信号的仿真处理结果表明该方法既能提取一定的信噪比改善增益，又能保持对待检信号的良好分辨，适合于对一类非平稳信号进行时变滤波处理。     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换进行边缘检测的算法,并将该算法与经典的Sobel算子进行比较,结果表明用该算法进行边缘检测是可行的.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.     

用连续小波变换识别内燃机噪声源

为了直接利用连续小波变换进行内燃机噪声源识别，提出了一种连续小波变换的改进算法. 研究了信号组成成分的幅值和频率变化对小波系数的影响，根据连续小波变换的基本性质，对连续小波变换后产生的与信号频率有关的衰减系数进行修正，通过对比分析从Matlab6.5的小波工具箱中找出了适合振动噪声信号分析的小波函数.工程信号的分析结果表明，经过对连续小波变换后小波系数的修正，使小波系数的大小能正确反映信号各组成成分的幅值大小，从而可以利用小波系数形成的云图直接进行内燃机噪声源识别.     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。     

基于解析小波变换的奇异性检测和特征提取

为提高信号奇异性检测的精度和故障特征提取的有效性，利用信号和噪声的小波变换模极大值沿尺度方向的不同传播特性，提出了一种通过解析小波极大模重构进行信号奇异性检测和滤噪的方法，并将解析小波分析引入机械故障诊断中.分别采用实小波极大模和解析小波极大模分析汽车主减速器性能试验机上采集的几种故障振动信号，并进行主减速器故障诊断.试验结果表明，解析小波极大模相比实小波极大模具有更好的奇异性检测效果，能够突出故障特征，从而有效提高故障诊断的准确性.     

用A计权连续小波变换识别内燃机噪声源

为了适应内燃机噪声声源识别的需要,当用连续小波变换进行信号分析时,常对小波变换算法作适当的改进.依据连续小波变换的叠加性和尺度转换性质,提出了变换后小波系数的频率修正方法,即在修正小波变换时对信号中不同频率成分小波系数的不同衰减,使变换后小波系数的大小能够准确反映信号中不同频率成分的幅值特性,在此基础上提出了A计权连续小波变换算法,对频率修正后的小波系数进行A计权修正,使之更加适合实际工程中声源识别的需要.利用该方法对某发动机进行了噪声源识别,取得了良好的识别效果.     

基于MAS小波的噪声污染图像边缘检测方法

提出了一种基于MAS小波变换多尺度相关的噪声污染图像边缘检测方法.该方法采用二进MAS小波对图像进行多尺度分析,由于小波变换的模极大值充分刻画了图像的奇异点,利用模极大值得到所有的奇异点包括边缘和噪声的图像;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声,得到边缘轮廓不太光滑的图像;将两幅图像进行融合,得到最终检测结果.实验结果表明,该方法能够有效地对噪声污染的图像进行边缘检测.     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.