基于小波分析的信号去噪方法

介绍了小波变换出现的背景及应用意义、信号去噪效果的标准及小波变换去噪的基本原理和方法。利用MATLAB软件特别是MATLAB小波工具箱编写仿真程序,结果表明小波变换在信号去噪中的有效性和优越性。     

基于小波阈值去噪方法的一种改进方案

利用Donoho D．L．和Johnstone I．M．提出的小波阈值去噪方法,构造了一个新的阈值函数。与传统的硬、软阈值函数相比,其具有不可比拟的灵活性。该阈值函数克服了硬阈值函数不连续的缺点,同软阈值函数一样具有连续性,便于进行各种数学处理;同时还克服了软阅值函数中小波系数估计值与分解小波系数间存在恒定偏差的缺陷。仿真结果表明,新阈值函数的去噪效果有效抑制了在信号奇异点附近产生的Pseudo．Gibbs现象,无论在视觉效果,还是在信噪比增益方面均优于传统的硬、软阈值方法。     

基于小波变换的拉曼光谱去噪处理

拉曼光谱分析中,噪声的存在严重影响光谱的准确性。利用小波变换在信号处理方面的优良特性,采用基于小波变换的信号去噪方法,对含噪的邻二甲苯拉曼光谱进行处理。选用平稳小波 bior2.2处理了含噪的邻二甲苯拉曼光谱信号。结果表明,采用平稳小波 bior2.2可以将信噪比由10dB 提升到21.3588dB,而均方误差仅为0.0014,去噪效果明显。     

基于小波变换的拉曼光谱去噪处理

拉曼光谱分析中,噪声的存在严重影响光谱的准确性。利用小波变换在信号处理方面的优良特性,采用基于小波变换的信号去噪方法,对含噪的邻二甲苯拉曼光谱进行处理。选用平稳小波bior2·2处理了含噪的邻二甲苯拉曼光谱信号。结果表明,采用平稳小波bior2·2可以将信噪比由10dB提升到21·3588dB,而均方误差仅为0·0014,去噪效果明显。     

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.     

基于小波变换模极大值的信号去噪方法研究

信号在采集、转换和传输过程中,由于受到设备、环境及人为因素的影响,使信号不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息是信号处理过程中的一项关键技术。对基于小波变换模极大值的信号去噪问题进行了研究,根据信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法。数值实验结果表明了该算法的有效性和可行性。     

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。     

一种改进的小波阈值去噪方法

为了改进滤波效果,提高去噪质量,在分析目前被广泛应用的软、硬阈值去噪方法的基础上,提出了一种改进的阈值去噪方法.该方法既兼顾了软、硬阈值函数的优点,同时又在一定程度上弥补了它们在图像去噪中的缺陷.有效克服了硬阈值法去噪信号失真的和软阈值法细节模糊现象.仿真结果表明:该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比定量指标上均明显优于传统的软、硬阈值算法,达到良好的去噪效果.     

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。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理.实验表明该算法与BayesShrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果.     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明：该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

自适应的全变分图像去噪应用研究

针对传统基于全变分图像去噪中存在的阶梯效应问题,引入2个用于处理阶梯效应的检测算子,在此基础上,提出一种具有自适应特性的全变分图像去噪方法。实验证明,该方法在坡道图像和强噪声环境中表现出了良好的去噪能力,又有效地避免了阶梯效应的产生。     

图像去噪的自适应插值小波算法

将插值小波算法和自适应积分方法相结合,提出了一种用于偏微分方程求解的新方法—插值小波自适应精细积分法。实现了由该种方法构造的小波形函数的快速算法,有效的提高了计算效率。利用自适应多层插值小波算法对热传导方程进行求解,实现了对图像的降噪,实验结果表明了该方法用于图像降噪的有效性。     

基于小波滤噪和iPLS的草莓近红外光谱糖度检测模型

[目的]获得精度高、鲁棒性强的草莓近红外光谱糖度检测模型。[方法]利用K-S（Kennard-Stone）方法划分样本集,并用小波滤噪法对草莓1000～2500nm近红外光谱进行预处理,最后用偏最小二乘法（PLS）和区间偏最小二乘法（iPLS）分别建立预测模型。[结果]采用区间偏最小二乘法将光谱划分为20个子区间,利用其中的第16个子区间建立的糖度模型效果最佳,其校正时的相关系数Rc和校正均方根误差RMSEC分别为0．9355和0．259,预测时的相关系数邱和预测均方根误差RMSEP分别为0．9202和0．305。[结论]用小波滤噪和联合区间偏最小二乘法所建立的草莓糖度模型不仅能有效地减少建模所用的变量数,缩短运算时间,而且预测能力和精度均得到提高。     

基于小波谱白化与自适应小波重构的木材损伤声发射源直线定位法研究

针对木材断裂声发射（acoustic emission,AE）信号源定位问题,提出了一种基于小波谱白化与信号相关性分析的木材表面AE源直线定位算法。首先,为得到木材断裂时产生的AE信号,使用万能力学试验机进行三点弯曲加载试验,在试件表面相距固定距离的3个位置采集试件断裂时产生的AE信号,设置采样率为500 kHz。然后,为合理补偿AE信号在传播过程中损失的高频部分提升信号分辨率,提出一种小波谱白化算法。为降低噪声信号的影响,提出了一种自适应的小波重构算法。最后,通过信号相关性分析法,计算信号到达各传感器的传播时差,并采用基于时差直线定位算法进行AE源定位。结果表明,木材断裂过程中,AE信号通过木材表面和木材内部2种途径传播,由于传播介质不同造成不同的传播速度。使用原始、小波谱白化重构、自适应小波重构的3种AE信号进行AE源定位时,木材表面AE源的定位误差为11.3%、2.6%、3.7%,木材内部AE源的定位误差为10.7%、2.9%、4.5%。AE信号的重构算法直接影响基于时差的AE源定位算法精度,特别是使用小波谱白化法能够显著提升AE信号分辨率同时提升计算时差的准确性进而提升AE源定位精度。     

基于CL多小波的语音信号去噪

本文重点分析并设计了多小波预处理及多小波的分解重构办法，并提出一种基于CL多小波的带噪语音信号去噪方法，实验证明该方法可以有效的去除语音中的噪声，同时，能较好的保留视听效果。