基于高阶阈值函数与小波包的混沌信号降噪

针对混沌信号小波降噪法中,高频段频率分辨率较差,且对小波分解系数所广泛采用的硬、软阈值量化方法存在着局限等问题,给出一种基于新型高阶阈值函数的混沌信号小波包降噪法。该方法采用小波包方法能够对小波分析中没有细分的高频部分进一步分解,保留了有用的高频信息,从而具有更加精确的局部分析能力;且所采用的阈值函数连续光滑,在噪声小波系数和混沌信号小波系数之间存在一个平滑过渡区,更符合信号的连续特性。仿真对比实验表明：与软阈值降噪法以及半软阈值与小波包降噪法相比,该方法对混沌信号的降噪效果明显,信噪比(SNR)有3.7~7dB的显著提高。     

一种改进的小波阈值降噪方法性能分析

结合小波阈值降噪中估计小波系数的软阈值和硬阈值方法的各自特点,提出了一种改进的方案。将该方法用于叠加了噪声的仿真信号进行降噪处理,采用信噪比和均方根误差作为评定降噪结果的标准,结果表明该方法得到了较好的降噪效果。     

9.基于自适应滑动均值和小波阈值的叶尖间隙信号降噪方法

动叶片与发动机机匣之间的叶尖间隙参数是反映航空发动机工作性能和运行安全的关键状态参数之一。提高叶尖间隙信号信噪比是实现高精度叶尖间隙测量的关键,为此提出基于自适应滑动均值和小波阈值的混合叶尖间隙信号实时降噪方法。首先根据叶片转速等信息,估算叶尖间隙信号带宽大小,然后通过动态改变滑动均值滤波的滑动点数来实现自适应低通滤波,最后结合小波阈值降噪时频分析能力,进一步降低噪声干扰。通过仿真实验确定采用对db5小波基函数进行6层小波阈值分解.仿真结果表明该方法在各项降噪评价指标方面全面优于现有的有限脉冲响应和固定点滑动均值滤波方法。1000rpm~4000rpm转速范围内实际测试表明,该方法最大测量误差为16μｍ,有效提高叶尖间隙测量精度。     

利用多小波的改进多层阈值对超声图像降噪

医学超声图像存在特有的斑点噪声,大大降低了图像质量,必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解,根据多小波分解后的能量分布特性,提出了改进多层阈值与模糊聚类相结合方法,将小波系数模糊聚类分成噪声和信号两类,然后在不同尺度对信号小波系数进行不同阈值萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值法,可有效地降低图像斑点噪声并保留图像细节。     

提升小波改进阈值算法在输气管道泄漏信号降噪处理中的应用

输气管道的泄漏检测对保障其管道的正常运行具有重要意义,但是在实际工作中,传感器检测到的信号会受到噪声的干扰。为了提高管道泄漏检测精度,采用一种不依赖于傅里叶变换的提升小波变换方法,并引入改进阈值函数对信号进行降噪处理,分别对比不同小波基函数,不同分解尺度利用改进阈值算法的降噪效果,确认db5小波函数作为最优提升小波函数,并对信号进行四层分解的信号处理信噪比最高,最后利用现场实验采集到的负压波信号进行传统小波去噪和提升小波改进阈值算法去噪的效果对比,其结果表明提升小波改进阈值算法的去噪效果优于传统小波算法的去噪效果,在管道泄漏检测的信号降噪中具有良好的应用价值。     

双自适应提升小波变换在PQD去噪中的应用

提出了一种新的电能质量扰动（Power Quality Disturbance,PQD）信号去噪方法。采用快速提升小波变换进行PQD信号的分解和重构,将自适应算法引入到更新算子和预测算子的设计中,提高了算法的快速性,满足了PQD检测实时性要求。综合软、硬阈值去噪的优点,提出了加权阈值去噪的概念,使得算法能同时很好地满足暂态PQD信号和稳态PQD信号的去噪。仿真结果表明,该算法能够提高去噪后信号的信噪比SNR,降低去噪后的均方误差百分值MSE,降低了算法的执行时间,且适宜于算法的DSP实现,具有一定的实用价值。     

矿用钢丝绳损伤检测信号处理方法研究

采用电磁检测法检测矿用钢丝绳受损情况时,检测信号中含有大量噪声,且存在尖峰和突变干扰,增大了损伤识别难度,需要对原始检测信号进行降噪处理。常用的傅里叶变换无法处理运行中的钢丝绳检测信号,而小波变换因存在平移不变性较差、频带混叠等问题而影响检测准确度。提出了基于双树复小波变换的矿用钢丝绳损伤检测信号处理方法。首先采用Q平移法构造双树复小波高低通滤波器,对原始信号进行3层双树复小波分解,得到高低频信号分量;然后采用最小极大方差软阈值方法对分解信号进行降噪处理;最后对降噪信号进行重构。在实验室环境下搭建了钢丝绳损伤检测试验平台,对基于双树复小波变换的钢丝绳损伤检测信号处理方法的降噪性能进行验证,结果表明:该方法可有效减少检测信号中的尖峰和突变数量,使信号平稳,降噪效果优于经典小波变换,且增大了奇异点处信号峰值,有利于后续特征提取。     

基于奇异值差分谱分析和蚁群算法的小波阈值降噪

针对传统小波阈值去噪阈值选取的问题,将奇异值差分谱的方法与蚁群算法相结合运用到小波阈值降噪中,提出一种小波系数双阈值寻优方法.首先将待处理含噪信号进行多尺度小波分解;之后根据每级信号小波系数的奇异值差分谱分析得到寻优的目标函数;然后根据目标函数利用蚁群算法在每级的小波系数上进行阈值寻优;最后重构经过最优阈值量化规则处理的小波系数得到降噪信号.通过对仿真信号的降噪处理表明本方法对不同特点信号的降噪效果要好于传统阈值降噪方法;对滚动轴承以及深沟球轴承的振动故障信号的降噪处理验证了方法的可行性和适用性.     

基于小波包分解的超声相控阵前置阈值降噪研究

超声相控阵由于其独特的优点广泛应用于航空航天工业领域,在实际检测过程中,噪声污染难以避免,仪器电噪声和环境噪声会造成伪像以及成像分辨率低等问题。为此利用小波包分解对超声相控阵检测开展前置阈值降噪研究,首先对多孔碳钢试块进行超声相控阵实验检测,提取B扫、S扫的各个阵元原始数据;然后利用小波包分解检测信号,获得分解信号中最底层各个节点的能量谱;最后提出一种随分解层数而变化的自适应阈值计算方法,并利用改进后阈值函数进行去噪处理,将重构后的信号成像与未降噪信号成像对比。结果表明这种前置阈值降噪方法既可以保留原始信号的特征,也可以对信号中的噪声杂波起到抑制作用;相比带有噪声的B扫、S扫检测信号,降噪后缺陷图像信噪比分别平均提升8.97dB、8.26dB,且改进阈值函数降噪后的缺陷图像信噪比相比硬阈值降噪和软阈值降噪,B扫平均提升2.36dB和2.39dB;S扫平均提升3.87dB和3.17dB。在工程实际中具有较好的应用前景。     

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。     

自适应去噪函数性能研究

提出一种新自适应去噪函数。与经典的硬阈值函数与软阈值函数相比,此函数具有明显优点。首先,此函数表达式简单易于计算,连续并有无穷阶导数,便于进行各种数学处理;其次,本文证明了新函数具有收敛性、连续可导性及自适应性,为信号的自适应去噪提供了新的方法。仿真结果表明新函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的信噪比和更好的视觉效果,去噪后图像相对硬阈值函数去噪图像较光滑,相对软阈值函数去噪图像则更多地保留了图像边缘等局部特征,同时其均方误差最小,优于经典的两种阈值函数。     

小波阈值去噪的一种改进方案

信号在采集、转换和传输过程中经常会受到设备、环境等因素的影响,致使现实信号成为含噪信号,对得到的信号进行去噪是信号处理中的一个很重要的环节。在近二十年中小波去噪方法应用比较广泛并取得了较好的效果,越来越多的学者用小波阈值进行信号去噪。首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后本着提高去噪质量的目的,提出了一种改进方案。该方法在阈值函数中加入因子,可以自适应地减小阈值函数中的恒定偏差。与传统阈值去噪方法相比,有以下两点优势:①去噪效果比传统阈值去噪方法好。②具有一定的自适应性。此外,还用Matlab仿真实验证实了该改进方案的有效性和优越性。     

基于遗传算法的双阈值小波去噪方法研究

在讨论小波阈值去噪的软阙值、硬阈值方法基础上,提出了一种利用遗传算法对上下阈值T1和T2进行优化,并通过双阈值进行阈值量化的新方法,该方法不仅能有效地克服硬阈值处理方法可能引起的伪吉布斯现象和软阈值处理方法的恒定偏差的不足,还能有效地从高频信号中去除噪声引起的高频干扰信号。仿真实验结果表明:该方法在信号去噪中比传统的硬阈值和软阈值方法有更高的信噪比和更小的均方误差,可以较好地恢复信号。     

能量回归尺度空间滤波法在图像去噪中的应用

如何有效地增强图像边缘信息,消除图像的噪声是图像处理和计算机视觉研究中的基本问题。利用多尺度二进小波变换,对2维噪声图像进行了研究,提出了能量回归尺度空间滤波方法。利用一些图像进行了数值实验,实验结果表明,能量回归尺度空间滤波法可以较好地保留图像边缘特征,较多地去除噪声。与典型的小波萎缩去噪方法：“硬阈值”滤波法、“软阈值”滤波法相比较,能量回归滤波算法的峰值信噪比（PSNR）提高了2~3dB,从而证实了能量回归尺度空间滤波方法具有良好的去噪性能。     

一种具有自适应阈值的小波收缩去噪方法

小波收缩是一种非线性小波变换,这种算法的关键问题在于收缩算法中的收缩阈值和收缩函数(规则)。自适应理论是现代信号处理中强有力的工具。该文将自适应理论和传统的小波收缩算法相结合,提出了基于图像奇异特性自适应小波收缩"去噪"算法。该算法根据高频子带小波系数的均方根来确定最佳小波收缩阈值。阐明了最佳阈值与图像本身特性之间的关系。实验表明,该算法比一般软、硬阈值的小波收缩算法有更好的"去噪"效果,既克服硬阈值函数所产生的人为的噪声点和数学上不易处理等缺点,又避免了软阈值算法所带来的边缘模糊。从而进一步提高了图像的峰值信噪比,改善图像质量。     

基于白化检验和3􀀁 准则的小波阈值去噪算法

基于小波变换的阈值去噪法是去除数字信号中自噪声的有效算法。其中，分解层数、门限阈值以及阈值函数的选取是关键。本文分析了白噪声和有用信号的小波变换系数的特点，在此基础上提出了一种分解层数的自适应确定方法以及一种基于3σ准则的各层小波空问阈值的选取方法，并结合硬阈值和软阈值方法各自的优缺点，提出了一种改进的小波系数阈值估计的模型。仿真结果表明，该方法具有较好的去噪效果，尤其适用于强噪声背景下弱信号的检测。     

基于多重小波变换与新阈值函数的去噪方法研究*

基于小波分析的特点,提出了一种对信号数据进行多重小波变换阈值去噪的方法。新的阈值函数的构造是在研究D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上完成的。与传统的软硬阈值函数相比,新阈值函数在整个定义域内统一定义,表达式简单易于计算,与软阈值函数一样具有连续性,而且是高阶可导的,便于进行各种数学处理,克服了硬阈值函数不连续、软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺点。仿真实验结果表明,采用新的阈值函数的去噪效果在信噪比增益和最小均方误差意义上均优于传统的软     

基于自适应小波阈值收缩算法的冲击消噪

冲击信号属于非平稳随机信号,在分析冲击信号之前信号消噪非常重要.基于Donoho提出的小波阈值收缩算法,提出了一种新的自适应于原信号的折中收缩函数.不同于经典阈值消噪算法,新算法克服了硬阈值算法造成的信号不连续的缺点,也弱化了软阈值算法中原信号小波系数与消噪后小波系数的固定偏差.应用结果表明,自适应小波阈值算法对冲击信号消噪比常用的软阈值或硬阈值算法具有更好的直观效果.     

一种基于小波变换图像去噪的方法

提出了一种基于图像软阈值小波变换的高斯白噪声消除法。该算法根据含噪声图的特点,把信号分成信号象素与可能噪声象素两类,对于可能是噪声的象素,采用图像的小波软阈值去噪方法进行滤波,而对信号象素不产生影响,且能保留更多的图像细节。文中也给出了标准中值滤波,自适应维纳滤波算法和小波软阈值去噪的算法进行比较实验,结果表明用小波软阈值去噪的算法处理高度污染高斯白噪声的图像能力明显强于标准中值滤波,稍微优于自适应维纳滤波算法,且能够比较好保留图像的细节部分。     

基于新阈值函数及最优尺度的小波去噪研究

在Donoho D L和Johnstone I M提出的小波阈值去噪算法的基础上,首先构造了一种新的阈值函数。与传统软、硬阈值函数相比,新阈值函数不但连续,而且高阶可导,克服了硬阈值函数不连续及软阈值函数中小波估计系数与分解系数之间存在恒定偏差的缺陷。同时,为了获得更好的去噪效果,提出了基于白噪声?字2检验确定小波最优分解尺度的方法。最后,通过数值仿真实验,证明了基于白噪声?字2检验方法的有效性;在最优分解尺度下,新阈值函数在信噪比增益和最小均方误差意义上均优于传统阈值函数。