一种改进的小波变换阈值去噪方法

Donoho等提出了一种基于小波变换的阈值去噪方法,这种方法在信号去噪及数据压缩等领域得到了广泛的应用。但是,Donoho设计的阈值处理方法对脉冲噪声的抑制效果不明显,因此在脉冲噪声存在的情况下,Donoho的阈值处理方法受到了限制。本文在Donoho方法基础上,设计了一种改进的阈值去噪方法,该方法对一大类的噪声信号有效,特别在保护信号边缘的同时去除脉冲噪声方面表现出了很好的特性。实验结果证实了该方法的有效性。     

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.     

Ridgelet域中基于非参数自适应密度估计理论的图像去噪方法

Ridgelet 是一种新的信号分析方法,它适合于具有直线或超平面奇异性的二维信号的描述,目前, 针对特定大小的离散图像,又提出了正交有限Ridgelet变换(FRIT)。该文在有限Ridgelet域中,结合Birge-Massart等提出的非参数自适应估计理论,提出一种新的二维图像去噪方法。实验证明,这种基于Ridgelet与Birge-Massart理论的图像去噪方法,与传统的Wavelet域去噪以及Donoho阈值去噪方法相比,去噪效果更为明显。     

基于自适应提升小波信号去噪算法的改进

引入了基于提升法的自适应离散小波交换,使伯恩斯坦预测算子自适应匹配特定的数据序列,并将其应用于改进的信号去噪方法中.仿真实验表明,基于自适应提升小波变换的改进方法同一般的小波变换相比,去噪后的信号信噪比更高,且提升方法的设计灵活、计算简单.     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

基于小波变换的信号去噪方法研究

对小波闽值去噪方法进行了研究,阐述了小波变换和小波去噪的基本原理和方法,利用四种自适应阈值规则对含噪信号分别进行去噪处理,并比较了去噪效果。以采集到的语音信号为例,采用不同的阈值去噪方法去噪,在MATLAB下进行仿真,结果表明小波变换既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

改进的小波域阈值滤波算法用于音频信号处理

在对音频信号进行去噪处理时,要应用具有时频转换分析能力的小波变换。在Donoho提出的小波域阈值算法的基础上,针对选取阈值时并未考虑分解尺度造成滤波效果差这一缺点,提出了一种基于分解尺度来确定阈值并根据相邻高频系数图的比较来确定最优分解尺度的改进算法。经过实际信号的仿真表明,改进后的算法可以有效地去除噪声干扰,在信噪比上也明显优于原算法。     

一种新的图像自适应阈值去噪方法

针对小波变换缺乏平移不变性产生的伪吉布斯现象(Gibbs-like phenomena)和Donoho阈值去噪方法阈值单一的缺陷,提出了基于Cycle Spinning的图像自适应阈值去噪方法,Cycle Spinning能抑制伪吉布斯现象,并且给出了阈值自适应因子,阈值能根据不同高频子带自适应改变。实验显示,该方法提高了去噪图像峰值信噪比(PSNR),降低了均方误差(MSE),去噪图像清晰,获得较好的视觉效果。     

基于一种自适应折中-平滑阈值的脉搏信号小波去噪

人体脉搏信号在采集过程中会掺杂着各种噪声信号,而传统所采用的小波变换阈值去噪法在处理脉搏信号时又存在着缺陷,本文采用的折中一平滑闽值函数,并基于斯坦恩无偏估计（SURE）优化算法去寻找最优阈值门限,与在原有阈值基础上的小波自适应阈值去噪做对比,通过利用Matlab对脉搏信号进行去噪仿真。结果表明,依据信噪比（SNR）和信号平滑度Ⅲ的评判标准,该方法去噪效果更好,结果令人满意。     

小波变换域的局部自适应Wiener滤波器设计方法研究

小波阈值去噪方法被广泛地用在信号去噪中,这个方法在很多信号空间上是近似最优的。但在MSE意义上最优的信号估计是Wiener滤波器,鉴于传统小波变换域Wiener滤波器的缺点,本文设计了小波域局部自适应Wiener滤波器。实验仿真验证本方法具有较好的去噪效果。     

A NEW DE-NOISING METHOD BASED ON 3-BAND WAVELET AND NONPARAMETRIC ADAPTIVE ESTIMATION

Wavelet de-noising has been well known as an important method of signal de-noising. Recently,most of the research efforts about wavelet de-noising focus on how to select the threshold,where Donoho method is applied widely. Compared with traditional 2-band wavelet,3-band wavelet has advantages in many aspects. According to this theory,an adaptive signal de-noising method in 3-band wavelet domain based on nonparametric adaptive estimation is proposed. The experimental results show that in 3-band wavelet domain,the proposed method represents better characteristics than Donoho method in protecting detail and improving the signal-to-noise ratio of reconstruction signal.     

自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

新型小波阈值法在变频调速系统非健康信号消噪中的应用

研究变频调速方式下工况变化和供电电源的谐波成分对调速系统的振动信号、运行噪声、电流、电压等信号变化规律的影响,在D．LDonoho和I．M．Johnstone提出的多分辨分析小波阚值去噪方法的基础上,讨论了sqtwolog、rigrsure、heursure、minimaxi四种常见的阈值与新的阈值函数一能量元阀值确定方法在变频系统的信号去噪过程巾的效果。通过MATLAB试验仿真,结果表明新的阔值法可以彻底滤除信号中的噪声和无用的高频分量,尽可能地减少低频和有用高频信息的损失,有效地提高变频调速系统非健康诊断的精确性。     

基于小波包的阈值语音去噪算法研究

传统的小波阈值去噪算法会不可避免地造成有用语音信号的损失,达不到很高的信噪比。基于Donoho提出的传统阈值去噪方法,提出了一种新的阈值函数,该闽值函数结合了软阈值函数和灿律阈值函数的优点,不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差。实验仿真表明,新阈值函数的语音去噪方法无论在听觉效果上,还是信噪比指标上均明显优于传统的硬、软阈值方法。     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

基于提升小波与粒子群相结合的混沌信号降噪

提升小波变换用于混沌信号降噪具有良好的效果,阈值选取与混沌信号降噪后信号的畸变具有紧密联系。为了提高混沌信号中提升小波的自适应能力,降低降噪后信号的畸变率,提出了一种基于提升小波和粒子群相结合的混沌信号降噪方法。该方法在对提升小波变换后的细节部分进行阈值处理时,采用阈值自适应选择方法,并结合粒子群算法全局搜索最优阈值。通过对Colpitts模型进行仿真分析,与标准的软阈值降噪相比,能更好地对混沌信号降噪,并且降噪后信号失真度较小,具有很好的应用价值。     

基于最优小波包基的信号增强算法研究及应用

本文介绍了小波包分析的基本理论以及小波包信号降噪的基本原理,与小波变换相比,小波包变换则是对小波分解中所得到的高频部分再继续细分为一些子频带,具有更精细的信噪分离能力,所以对包含大量中、高频信息的信号能更好地进行时频局部化分析。小波包变换在信号去噪中有着非常重要的应用,因此利用小波包对信号进行消噪也越来越受到科学界的关注。本文的主旨在于研究最优小波包基函数的选取方法,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,从而在最优小波包基的基础上获得最好的信号增强效果。     

一维小波变换在时域光学相干层析成像中的应用

时域光学相干层析(OCT)系统通常采用短时傅里叶变换(STFT)完成干涉信号的解调和图像重构。短时傅里叶变换算法简单,但是在干涉信号解调时难以获得好的去噪效果,通常还需在二维(2D)图像域对重构图像进行去噪。该方法数据运算量大,集成度不高。将一维(1D)小波变换(WT)应用于时域光学相干层析成像技术,同时实现干涉信号解调、去噪和图像重构。算法将时域光学相干层析的干涉信号分解到各个不同的频率空间,保留包含调制频率的频率空间的小波系数,对保留的小波系数进行滤波去噪后进行逆变换即可实现对干涉信号的解调和去噪,对解调信号等间距采样实现图像重构。该方法数据运算量小,集成度高,结合先进的小波去噪技术可以大大提高重构图像的分辨率,具有良好的应用前景。