音乐信号小波阈值去噪模型及其应用

利用小波阈值滤波的原理,建立了阈值滤波去噪模型,解决了小波基和小波分解层数的选择以及阈值和阈值函数的选取这2个关键问题。小波基的选取应该均衡考虑光滑性与紧支性。采用数值仿真方法,通过一段音乐信号,分析了小波基的不同选取方式、不同阈值选取方法、不同分解层数对去噪效果的影响:选择不同的小波,分别利用全局阈值和分层阈值去噪法来观察不同的小波选择对去噪结果的影响;选择一个固定的小波,利用全局阈值和分层阈值来比较这2种去噪方法的优劣。研究结果表明,选择db4小波基、分层阈值、分解层数为4~5层时,去噪效果最好。     

基于小波去噪的加窗FFT电网谐波检测

提出一种基于小波去噪的软硬阈值改良折衷法与加布莱克曼窗的傅里叶变换算法相结合的谐波检测方法。该方法采用小波软硬阈值改良折衷法对含噪的电力谐波信号进行降噪处理,利用加布莱克曼窗的傅里叶变换算法对去噪后的信号进行分析,提取各次谐波的幅值和频率。仿真检测结果表明小波去噪后的谐波波形接近于原始信号谐波波形,信噪比提高了8.3226dB,小波去噪与FFT 结合的方法适合在谐波检测系统或装置中应用。     

固体颗粒肥变量撒施控制技术研究现状与展望

变量施肥技术能够按需精准投入肥料,在降低肥料使用量的同时提高作物产量,是实现现代绿色农业发展的重要手段。固体颗粒肥变量撒施控制技术作为变量施肥技术的重要组成部分,能够为实现化肥“减量增效”提供技术支撑。系统分析固体颗粒肥变量撒施控制技术,重点阐述国内外变量撒施、条施控制、工况监测和颗粒肥排肥流量检测技术的研究现状。目前,国内外变量撒施控制技术已基本成熟,近年来的研究主要集中在撒肥盘结构参数优化方面;对于变量条施控制技术的研究主要集中在排肥轴转速控制算法方面,近年来对于排肥轴转速、排肥口开度双变量控制系统的研究已成为热点;工况信息的监测技术已经相对较成熟,但颗粒肥流量的在线检测仍是难点。我国固体颗粒肥变量撒施控制技术研究主要存在控制技术发展不均衡、系统通用性、智能化水平有待提高、市场化程度低等问题。最后为我国变量撒施控制技术的研究与发展提出建议。     

一种曲波域蒙特卡罗阈值去噪算法

为促进油气勘探发展,有效识别地震有用信号,提出了一种曲波域蒙特卡罗阈值去噪算法。该算法利用曲波变换的多尺度与多方向性的特点,结合蒙特卡罗阈值滤波来去除随机噪声,再利用循环平移法抑制吉布斯现象,消除人为干扰,增强去噪效果。用该算法对合成地震数据与实际地震剖面分别进行去噪试验,并与小波变换和曲波循环平移算法的试验结果进行对比,证明了该算法能有效地保持有效波信息,增加了弱反射信号能量,很好识别有效信号,优于小波变换去噪算法与原始曲波变换去噪算法。     

基于小波去噪的暂态电压扰动检测方法研究

采用小波软阈值去噪方法对信号噪声进行预处理,很大程度地减小了噪声对扰动检测的干扰.利用小波多分辨率分析方法对去噪后的扰动信号进行检测,更精确地提取出了暂态电压扰动信号的特征值.在仿真环境中对去噪前后的电压骤降信号进行检测和比较.结果表明:去噪后的检测结果更接近于原始信号,小波软阈值去噪方法能够提高暂态电压扰动检测的准确性.     

近红外光谱在砂糖橘果形指数分析中的应用

基于小波变换的原理,分别利用阈值滤波、小波包、小波收缩3种常用的去噪方法,对砂糖橘样品的可见/近红外光谱信号进行去噪处理,探讨每种去噪方法的最优参数组合(小波函数、分解尺度、阈值)的同时选择最适去噪方法,并通过偏最小二乘法(PLS)对去噪后的重构光谱和砂糖橘果形指数建模。结果表明,小波包去噪有利于消除导数光谱中的噪声,提高建模精度,其最优参数组合为默认阈值条件下,小波函数Bior1.3、2尺度分解,去噪后的砂糖橘果形指数光谱建立的PLS模型的预测集R为0.9632,RMSEP为0.0779。     

小波多分辨率分析在信号去噪中的应用

对于非平稳信号,小波多尺度分解是一种有效的信号去噪方法。在多分辨率分析小波阈值去噪的基础上,提出了一种改进的阈值函数,克服了硬阈值函数不连续的缺点,解决了软阈值函数中存在的恒定偏差．同时具有软硬阈值函数不可比拟的灵活性。仿真试验结果表明,它在对信号消噪时能得到较理想的结果。     

基于DWT-NLM模型的农产品图像处理算法

提出了一种基于离散小波变换(DWT)和非局部均值滤波(NLM)的农产品图像处理算法。首先对图像进行3层DWT,在变换域中对高频小波系数进行改进小波阈值模型去噪,对原始低频小波系数与去噪后的高频小波系数分别进行重构,得到背景图像和细节图像;再对细节图像进行区域划分,对每个图像区域分别采用NLM算法进行去噪;最后将背景图像和去噪后的细节图像进行叠加处理,得到去噪后农产品图像。引入边缘保持指数(edge protection index,EPI)、均方误差(mean square error,MSE)对试验结果进行评价,结果表明,本研究算法对该类图像的处理取得了较好的效果,且对NLM、小波阈值去噪等算法而言优势较明显。     

基于小波变换的语音信号去噪

利用小波的时频域局部化特性,解决语音信号的去噪问题。文中给出了语音信号的小波去噪算法,并基于不同的阈值选取,提出了采用适合于语音信号的浮动阈值,实验表明去噪效果好,提高了语音信号的识别率。     

木材近红外光谱小波阈值去噪方法

采用小波分析对木材近红外光谱进行阈值去噪研究,分别采用硬阈值、固定阈值、最大最小阈值和rigsure阈值对光谱信号进行去噪.结果表明,小波变换可以有效去除光谱噪声,并很好地保留了信号中的尖锐和突变部分,在近红外光谱分析中具有很好的应用前景.     

基于小波变换的语音去噪阈值函数的研究

目的小波去噪可以提高语音的信噪比,其中通过放宽阈值限制、加强小波系数的连续性,以及对小波系数较高的语音信号实现噪声与语音的分离可以增强语音去噪效果。方法基于一段信噪比为10dB的语音信号,采用不同的阈值函数,对该段语音进行小波去噪处理,比较各种阈值函数得到不同的去噪语音和各个阈值函数的特点。结果传统的硬阈值和软阈值得到的信噪比分别为11.57dB和10.91dB,软硬阈值折衷法得到的去噪语音信噪比12.70dB,模平方法得到的去噪语音信噪比为12.20dB,改进以后的软硬阈值折衷法和改进后的模平方法得到的去噪语音的信噪比分别为11.38dB和13.40dB,用降低阈值的方法得到的去噪语音信号的信噪比为11.68dB,新的阈值函数得到的去噪语音的信噪比为13.49dB。结论相比较软硬阈值折衷法,改进的模平方法和其它传统的方法,新阈值函数语音去噪可以取得更好的效果。     

基于Cross-Validation的小波自适应去噪方法

小波去噪算法中,阈值的选择非常关键.提出一种自适应阈值选择算法.该算法先通过Cross-Validation方法将噪声干扰信号分成两个子信号,一个用于阈值处理,一个用作参考信号;再采用最深梯度法来寻求一个最优去噪阈值.仿真和实验结果表明:在均方误差意义上,所提算法去噪效果优于Donoho等提出的VisuShrink和SureShrink两种去噪算法,且不需要带噪信号的任何"先验信息",适应于实际信号去噪处理.     

基于小波变换的语音信号去噪

利用小波的时频域局部化特性，解决语音信号的去噪问题。文中给出了语音信号的小波去噪算法，并基于不同的阈值选取，提出了采用适合于语音信号的浮动阈值，实验表明去噪效果好，提高了语音信号的识别率。     

小波变换用于抑制干扰信号几种方法的比较研究

对小波变换抑制干扰信号提取真实信号的3种方法，即小波滤波器消噪法；软、硬阈值消噪法；基于模极大值的小波去噪方法，进行了比较研究。给出了每种方法的适用范围及具体的算法、仿真结果，对于选用小波变换工具进行信号处理具有一定的理论意义和实用价值。     

基于层内和层间相关性的小波图像去噪

小波图像去噪已经成为图像去噪的主要方法之一.利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,传统的小波去噪方法大致有小波阈值收缩去噪算法、小波模极大值去噪算法.由于小波系数间存在很大的相关性,本文提出了一种基于层内和层间相关性的小波去噪方法,利用图像细节信息在不同尺度及同一尺度上的相关性进行滤波,达到对低信噪比的图像去噪的目的.在实验中,将本文去噪的结果与Donoho的硬阈值作了比较,结果显示本文方法能获得较好的去噪效果.     

排种器种子流机器视觉图像的滤波及评价

在排种器试验及视觉检测过程中,排种器机器视觉图像的滤波是消除信号污染并可靠提取有用信息的必要步骤。采用比较法研究了中值滤波、线性滤波、维纳滤波、小波去噪、中值小波组合滤波等方法在不同滤波器参数下的滤波效果。结果表明,中值滤波效果较好,根据成像状况合理调节滤波器参数,在模板7×7时信噪比可达29.063 1,正确处理率则达0.996 9;中值小波组合滤波法略优于单纯使用中值滤波或小波去噪,其信噪比达到29.165 2,正确处理率则达0.997 1;处理较低光照条件下采集的排种图像,三种方法均达到较理想效果。     

基于二维经验模态分解与小波变换的农作物图像去噪

将小波自适应阈值去噪引入二维经验模态分解（bidimensional empirical mode decomposition,BEMD）中,提出一种自适应图像去噪算法,该算法首先对农作物噪声图像进行二维经验模态分解,获得具有不同尺度特征的固有模态函数（intrinsic mode function,IMF）子图像序列;然后将该序列中前3个子图像分别进行3层小波变换,引入一种新型自适应小波阈值去噪函数模型分别进行噪声抑制,实现小波系数重构;最后,对去噪后的固有模态函数子图像与剩余固有模态函数进行重构,获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验,结果表明,自适应图像去噪算法与均值滤波算法、小波阈值去噪算法相比,性能有较大幅度的提升。     

一种基于轮廓波变换的高效率去噪算法研究

为提高地震属性剖面的信噪比和空间分辨率,提出了一种基于轮廓波变换的高效率去噪算法。该方法利用地震剖面能量分布的空间特征,结合9-7正交滤波器组和方向滤波器组对原始采集的地震剖面进行多尺度分解,根据有效地震信号和噪声信号分解后的差异性设计了一种自适应的阈值滤波器,通过拉普拉斯金字塔重构地震数据实现轮廓波变换去噪。试验结果与小波变换算法的去噪结果对比论证表明,基于轮廓波变换的高效率去噪算法能够有效压制噪声,提高地震信号的信噪比,处理后效果较小波变换有明显提高。     

基于复小波及动态神经网络的植物电信号研究

[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良好的鸟巢蕨植株的电信号。采用双树复小波变换将电信号进行分解,利用层间小波系数具有相关性的特点,将分解后的小波系数进行双变量收缩消噪。通过对植物电信号进行自相关分析,确定迟滞阶数。再通过NAR网络训练消噪信号。[结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少。消噪后的植物电信号前序98个样本点的自相关系数均大于0.8,迟滞阶数98。采用本模型对消噪后的电信号进行预测时相关系数为0.973,均方误差(MSE)为0.593 mv~2。相比于软阈值消噪与硬阈值消噪,本模型的消噪方法信噪比(SNR)最大,MSE最小。对碧玉、白鹤芋2种植物应用本模型,决定系数分别为0.975和0.972,MSE分别为0.112 mv~2和4.459×10~(-2)mv~2。[结论]植物电信号2个相邻时刻间具有很强的关联性,消噪过程对虚部树的影响更大,双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号的原始信息。本模型具有可推广性。     

基于新阈值的小波硬阈值去噪方法

在多分辨分析小波阈值去噪方法的基础上,提出了新的阈值选取规则,在VC＋＋6．0环境下,给出了基于正交小波变换的硬阈值去噪的具体算法,并进行了数值试验。试验结果表明,该方法提高了信噪比,减小了最小均方误差,使去噪效果得到了改善。