基于平稳小波变换的膈肌肌电信号降噪

为了去除膈肌肌电中的心电干扰,提出了一种基于平稳小波变换的“逆向”硬阈值的降噪方法。首先,对临床的膈肌肌电信号进行平稳小波变换,根据小波系数检测QRS并且确定心电干扰范围;其次,逐层估计心电周期范围的小波系数均方差,并且通过均方差计算各个心电干扰的阈值;最后,对各层心电干扰范围小波系数进行“逆向”硬阈值处理,并进行小波逆变换得到降噪后的信号。实验结果表明,该方法能够有效地去除膈肌肌电信号中的心电干扰,并且能够较好的保留膈肌肌电信号的信号特征。     

自适应小波尺度谱阈值在膈肌信号降噪的应用

膈肌肌电信号是人体微弱的生物电信号,此信号常受到心电信号的严重干扰。为了提高阈值在膈肌肌电信号降噪的准确度,提出了一种小波尺度谱阈值自适应的降噪算法。该算法先对膈肌肌电信号进行小波变换,再把小波系数转化为小波尺度谱,然后确定心电干扰位置,并且根据心电邻域小波能量自动调整阈值从而去除心电干扰。通过对膈肌肌电信号进行实验分析,并且与小波阈值方法进行对比,结果表明该方法降低了心电干扰并且保留了膈肌肌电信号的特征。     

基于小波变换的肌电信号识别方法研究

针对肌电信号的非平稳特性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值构造特征矢量输入神经网络分类器进行模式识别,经过训练能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、前臂内旋、前臂外旋四种运动模式。实验表明,基于小波变换的神经网络分类方法所需的数据短、运算快,对于肌电假肢的控制具有良好的应用前景。     

基于平稳小波变换的心电信号去噪研究

讨论了经典的离散小波去噪原理和平稳小波变换的原理，分析了阈值以及阈值函数的选取方法。并将经典的离散小波和平稳小波用于心电信号去噪处理。通过在不同阈值和不同阈值函数条件下对心电信号处理的去噪效果的对比研究，说明了平稳小波相对于离散小波不仅提高了信噪比，还较好的抑制了Gibbs现象，取得了更好的去噪效果。     

基于离散平稳小波变换的心电信号去噪方法

提出一种基于离散平稳小波变换的心电信号噪声去除方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的阈值去噪方案。该方法有效克服传统离散正交小波变换去噪时容易产生Gibbs现象的问题,从而达到保持心电波形特征且抑制噪声的双重目的。     

小波变换在身份证图像降噪中的应用研究

针对非理想身份证图像中存在的斑点噪声,利用小波变换降噪的特点,将身份证图像进行小波分解,然后分别采用硬阈值、软阈值和小波指数函数三种方法进行降噪处理。结果表明小波指数方法是较优降噪方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

平移不变小波变换在图象降噪中的应用研究

文中主要研究平移不变小波变换在图象降噪中的应用。标准的正交小波降噪方法是通过对图象的小波变换系数进行阈值操作来降低图象噪声,但它的结果中会出现诸如吉布斯现象之类的情况。为消除此类影响,文中将平移不变小波变换的概念引入到小波图像降噪应用中。文中讨论了这种降噪技术的理论基础和技术细节,给出了实际图象的应用结果,实验结果显示这种方法在性能上优于标准正交小波降噪方法。     

平稳小波变换在仿射不变性目标识别中的应用

寻找相对于平移、尺度、旋转、扭曲不变的仿射不变量是现今多尺度分析在模式识别中应用的关键性问题。以文献[4]定义的仿射不变量为基础,构造了基于平稳小波变换的仿射不变量。通过分析,指出原文中所给绝对仿射不变量存在的缺陷,定义了一种新的绝对仿射不变量。试验结果和分析表明,构造的仿射不变量可以更好地用于目标物体识别。     

基于平稳小波变换的图像去噪方法

正交小波阀值消噪方法已广泛地应用于图像噪声抑制，目前对于正交小波阈值去噪方法的研究主要集中于如何选取阈值使消噪达到较好的效果，然而对于图像中噪声幅度较大的情况下，正交小波变换阀值消噪会使图像边缘失真，甚至图像模型，提出的平衡小波变换的图像消噪方法，可以有效地降低噪声，同时又较好地保持图像边缘细节，与正交小波变换阈值降噪方法相比，有明显优越性。     

小波变换在信号降噪中的应用研究

由于小波变换具有良好的时-频特性,从而为其在信号降噪中的应用提供了广阔的前景.本文通过傅立叶变换和小波变换在信号降噪中的对比研究可以看出,小波变换在信号降噪应用方面具有得天独厚的优越性.本文同时对小波降噪过程、小波域阈值选取原则和小波基选取原则进行了讨论,得出了一些有价值的规律和原则.     

基于平稳小波变换心音信号阈值去噪的对比分析磁

为研究去除心音信号中的环境噪声、工频噪声和肌电噪声等多种噪声,获得最优的心音去噪方法。论文基于平稳小波变换选取db5小波对心音信号进行3尺度分解,对分解后的高频系数分别选择了硬阈值函数以及软阈值函数,并对固定阈值、Stein无偏似然估计阈值、启发式阈值、极大极小阈值以及Penalized阈值进行了对比分析。通过去噪衡量指标对心音信号不同阈值以及阈值函数的去噪效果对比分析,硬阈值的去噪效果要好于软阈值的去噪效果,去噪效果最好的是S tein无偏似然估计阈值,有效地去除了参杂在心音信号中的多种噪声。     

基于小波变换的图像去噪

近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。针对传统去噪方法的缺陷,从理论上推导了二维小波分解和重构具体算法,研究了小波图像去噪的基本理论和方法,在此基础上利用Matlab7．0．1对含有两种不同高斯白噪声的图像进行了仿真实验,实验表明,基于小波变换的图像去噪可以有效地提高图像的去噪效果。     

基于静态小波变换的提升框架分解

静态小波变换的最大优点是具有平移不变性。该文基于小波变换的多相表示,利用多采样率滤波器理论中上(下)采样算子与滤波器的等效易位关系,提出了将传统的静态小波变换由懒惰小波变换经过有限步交替的提升和对偶提升结构来实现的方法。由于提升框架容易实现逆变换,故在处理边界中具有更大的灵活性。分析表明,与标准算法相比,通过提升分解,可减少一半计算量。     

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪Gibbs现象,但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次,将移位信号及原信号分别进行正交小波变换阈值去噪,以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果,但算法实现更简单快速。     

静态小波变换在汽车道路模拟试验中的应用

在汽车道路模拟试验中,去除测得的响应信号中包含的随机噪声是实现精确逼近所必需的。本文比较了离散小波变换和静态小波变换在信号分解和重构时的不同。经比较分析提出了采用“bior1．5”小波,选用“heusure”闽值,经硬阈值处理,作5层分解的静态小波滤波的垂直载荷滤波方案。通过对实际道路的汽车垂直载荷的滤波,证明了静态小波变换具有重构信号不发生偏移的优点。该方案在去除白噪声的同时,不产生信号的频谱失真。为汽车道路模拟试验提供了准确的分析数据．     

小波变换在脉象信号消噪处理中的应用

首先简单介绍了小波变换消噪的原理,然后分别利用小波变换和傅里叶变换,对临床采集的脉象信号进行了消噪处理.结果表明,利用小波消噪能够有效地保留脉象信号中的尖峰和突变部分,最大限度地反映了原信号本身的特性,消噪效果较好.     

基于小波变换的图像自适应阈值去噪算法

针对传统小波阈值去噪算法的不足,提出了一种新的自适应阈值去噪算法.该算法引入了一个新的阈值函数,利用GGD模型对小波子带内的系数进行建模,再根据小波子带系数的局部邻域信息进行方差估计,从而得到自适应最优阈值.实验结果表明,该算法在峰值信噪比和主观视觉效果上都比传统小波阈值去噪算法具有明显改善.     

基于正交小波变换的信号降噪算法研究

提出了一种基于正交小波变换的信号降噪方法,深入研究了小波变换中的信号分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以取得较好的去噪效果。     

基于平稳小波变换的掌纹特征提取与识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取。论文基于图像的多尺度分析的思想,提出了一种利用平稳小波的局部极值点来提取掌纹特征的方法。文中利用平稳小波变换,对图像进行不同方向的滤波,然后提取各方向的极值点并融合作为特征点。并以此为基础进行不同掌纹的匹配识别。