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。     

小波域滤阈值参数c的选取

基于阈值的小波域非线性滤波的核心步骤是阈值的选取。硬阈值t＝cσ被证明是很有效的,但一般来说最佳的参数c会随信号的不同和迭加噪声的强度而变化。本文构造了一个信号MSE（均方差）函数的近似函数,以此做为阈值参数c选取的一种依据。通过计算不同c该函数的值,来判断使该函数最小的阈值参数c。仿真结果表明了真实MSE函数与本文提出的近似函数的一致性,据此选取c是可信的。     

一种改进的子波域语音去噪方法

分析了信号和噪声在子波域的不同特征表现,提出了一种改进的子波域语音去噪方法,该方法用一个随尺度变化的门限阈值来抑止带噪音信号在不同尺度上噪声的子波系统,从而更好地实现在重构语音信号中消除噪声的目的。     

一种新型阈值决策的小波去噪方法

在传统软、硬阈值函数去噪的基础上,提出了一种新型阈值函数和自适应阈值的去噪方法。阐述了改进型阈值函数的特点。改进型阈值函数与传统软、硬阈值函数相比,克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点。为了解决在每一级尺度上都采用同一阈值的不足问题,将自适应阈值算法引入去噪。实验表明：此去噪法提高了重构信号的信噪比,有效去除了噪声,且保留了原始信号的细节特征,与传统去噪法相比是一种较好的恢复微弱信号的方法,在通信去噪中具有较高的实用价值。     

基于改进阈值函数的小波域去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪算法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,此函数不仅易计算,且具有优越的数学特性和清晰的物理意义。试验结果表明,该方法可有效地去除白噪声干扰,无论在视觉效果还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。     

基于子波变换阈值决策的非稳信号去噪

本文通过对Donoho阈值决策子波域去噪方法进行研究,该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。接着具体讨论了在Sym8子波基底下,用此方法对非稳雷达回波进行五尺度的Mallat算法仿真,结果表明该方法抑制噪声效果良好且简单易行,是传统匹配滤波无法比拟的。     

基于小波阈值法的激光雷达回波信号去噪研究

为了对激光雷达探测回波信号去噪进行研究，基于小波阈值法分析了激光雷达发射和探测回波信号，创建了基于MATLAB仿真平台的模型, 研究了阈值法中选择各参量的策略，结合激光雷达信号和噪声特性，选取了去噪处理中的最佳参量，并进行了4种阈值策略的仿真实验，实现了对探测回波信号中目标信号的有效提取和去噪。结果表明，对于低信噪比信号，同一基函数分解层越高去噪效果越好，在分解层数j为4~5时去噪效果最好; 对于高信噪比信号，同一基函数分解层越低去噪效果越好，在j=3时去噪效果最好，并且信号db9基函数去噪效果好于db2基函数去噪效果。此研究获得了较为理想的去噪结果。     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

图像的小波可变阈值去噪方法

鉴于当前智能手机显示屏多采用RGBG格式的像 素结构,本文提出了应用于AMOLED的RGB到 RGBG高速像素转换技术(HSHQ)。该技术的特征是先区分出简单转换点和复杂转换点,对于 简单转换点采 用直接赋值实现像素转换,对于复杂转换点,采用权重因子算法实现像素转换。本文主要有 三个创新点:(1) 不同于传统方法对图像中所有像素进行复杂转换,本文首创性地提出了以相邻像素单 元的灰阶差值作 为判断依据,进行转换像素标记,区分出简单转换点和复杂转换点,只针对标记点进行复杂 像素结构转换。 因此,该方法提高了像素转换速度。(2) 对于简单转换点,采用直接赋值法,由于原图像 的灰阶不做改变, 该方法完全保留了简单转换点的图像信息。(3) 对于复杂转换点,采用权重因子算法,在 将转换前后信息损失降至最低的同时,抑制了彩边效应。 相比于DA算法,HSHQ算法处理所得图像的PSNRU和PSNRV分别提高了7.04%和6.62%。相比于ED MSE,HSHQ算法的转换率降低了75.63%。因此,本文提出的算法在保证转换质量的同时,大 大提高了转换速度。     

小波域阈值语音去噪的几点改进

根据含噪语音中噪声、清音和浊音的不同特点,提出了一种改进的多尺度小波域阈值去噪方法。采用常用的软阈值函数对清音和浊音进行不同的阈值处理,而对于噪声,将其对应的小波系数全部置零。该方法在很大程度上抑制了噪声,又减少了语音段清音的损失,提高了信噪比。仿真结果表明了该方法的可行性和有效性。     

一种基于平移不变的小波阈值去噪算法

经典的D.L.Donoho小波阈值去噪算法在信号的奇异点处会产生Pseudo-Gibbs现象，从而使去噪后的信号在急剧变换部分产生振荡现象。为了抑制Pseudo-Gibbs现象，提出了一种基于平移不变的小波阈值去噪方法，在一定的平移量范围内，对分析信号进行循环平移，然后对这个新信号进行阈值处理，得到去噪后的信号，再对该信号作相反的循环平移，重复这一过程，对所获得结果求平均，就得到原始信号去噪后的估计信号。仿真实验的结果证明了算法的有效性。     

基于小波域滤波的迭代硬阈值压缩感知重构

图像压缩感知迭代重构算法主要采用迭代阈值法解决信号的重构问题,但是迭代阈值法仅仅利用变换系数进行阈值处理,并未考虑系数的邻域统计特性,导致重构性能不高。提出一种基于小波域滤波的迭代硬阈值迭代算法,利用小波域系数的邻域统计特性修订迭代硬阈值重构算法的代价函数,进行两步迭代收缩,并在迭代中用小波域滤波除去其中的重构噪声。实验结果表明,在相同的观测数据下,相比已有的经典算法,新算法的重构图像质量较高,并且可以获得快速的重构速度。     

小波分析的阈值去噪方法研究

小波阈值去噪方法在工程中已得到广泛应用,小波阈值去噪过程中,阈值的选取和处理方法是关键问题.本文介绍了传统的软阈值、硬阈值小波去噪方法原理,在此方法的基础上给出了一种基于小波分析的自适应阈值算法,弥补了软硬阈值函数的不足,通过仿真证明了该方法的有效性.     

基于一种渐进半软阈值函数的小波去噪

针对硬软阈值函数的不足, 提出了一种渐进半软阈值函数,不仅弥补了硬阈值函数不连续性的缺陷,同时还克服软阈值函数重构信号后存在恒定偏差的缺陷,使得估计的小波系数逐渐接近于真实小波系数。通过对含噪Doppler信号的MATLAB仿真实验结果表明,与传统阈值函数和几种改进阈值函数相比,渐进半软阈值函数在去噪性能上能够获得更优的信噪比增益和均方根误差, 更适合于实际应用。     

去除脉冲噪声的小波阈值去噪算法

为了克服现有脉冲噪声去除算法的缺陷,进一步提升算法的去噪性能和鲁棒性,提出了一种去除脉冲噪声的小波阈值去噪算法.首先,根据脉冲噪声的灰度特征、分布的随机性及近似均匀性,用统计方法识别噪声像素.然后,用基于信噪强度的自适应阈值和可微收缩函数的小波去噪方法恢复噪声像素.实验结果表明,相比现有算法,本算法去噪得到的图像视觉感知效果、峰值信噪比和边缘保持指数均有较大提升,且具有更好的鲁棒性.     

几种基于小波阈值去噪的改进方法

传统小波阈值去噪分为硬阈值去噪和软阈值去噪,而在其去噪过程中,硬阈值函数在一些不连续点处有时会产生伪吉布斯现象;软阈值函数中估计的小波系数与信号的小波信号之间存在恒定偏差.为了去除这些现象,本文提出了几种新阈值函数的改进方案.实验结果表明,新阈值函数消噪后的视觉特性较好,并且信噪比提高,均方根误差有所降低.从而说明这些方法的有效性.     

基于改进阈值函数的SAR图像小波去噪方法

为了抑制SAR图像的相干斑噪声,对Garrote阈值函数做了改进,增加指数函数使其更易于逼近其渐近线,提高函数中阈值参数和自变量的阶数,以缩小其偏差性.将改进的Garrote阈值函数用于SAR图像小波阈值去噪.首先,在图像预处理阶段,利用常规方法将SAR图像相干斑乘性噪声模型转换为加性噪声模型,以利于小波滤波处理;其次...     

基于图像边缘信息的多小波阈值去噪方法

基于小波变换的图像去噪方法是小波应用较成功的一个方面,阈值大小的确定是该方法最终去噪效果好坏的一个决定性因素.基于图像边缘信息的多小波闽值去噪方法充分研究了信号与噪声在小波变换各分解层上的不同传播特性,在保留代表边缘信息的小波系数的基础上,对不同方向、不同分解层的小波系数分别选取最佳阈值处理.与Donoho等人提出的Visu shrink去噪方法相比,此方法提高了去噪后图像的峰值信噪比(PSNR),使图像更加清晰,去噪效果更好.     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。