自适应最佳去噪小波基的构造及其应用

针对给定的带噪信号,在传统小波阈值去噪的基础上结合多分辨分析理论,给出了使其Stein无偏风险估计子最小的最佳去噪小波基的自适应构造方法,再利用该小波基对原始信号做小波阈值去噪处理而得到一种自适应去噪算法,并将此算法应用到地震信号这类典型的非平稳信号的去噪处理中.仿真实验表明,较传统的小波阈值去噪方法,该算法不仅具有较...     

一种基于局部均值分解的小波阈值信号去噪方法

在时频分析中,针对非平稳信号的滤波去噪的问题,鉴于部分传统的去噪方法对于非线性非平稳信号滤波的效果不是很理想。基于Smith提出的局部均值分解法,结合小波阈值,找出了一种自适应时频分析法。通过实例分析,比较小波阈值去噪、基于EMD小波阈值去噪和基于LMD的小波阈值去噪3种算法在进行信号滤波去噪过程中的效果,采用信噪比和均方根误差2种评价因子对该3种算法进行评价,结果表明基于LMD的小波阈值去噪方法能够更好的去除信号噪声,对信号去噪提供了一种新思路。     

抑制震荡的自适应小波阈值去噪方法

分析了小波阈值去噪方法在信号的间断附近产生震荡的原因,根据产生机理的不同将它们分为属于伪Gibbs现象的震荡和由于小波阈值去噪在信号的间断部分因为去噪能力下降而属于噪声残留的震荡.为了消除这些震荡, 结合软、硬阈值方法的特点提出了一种新的阈值函数自适应地处理小波系数.试验表明,该方法有效地抑制了信号间断点处的震荡,获得了优于传统阈值方法的去噪效果.     

基于小波熵的心音信号去噪算法研究

心音信号在采集过程中,易受到干扰混入噪声,常采用小波变换进行心音信号的去噪处理。传统的小波阈值去噪,未根据心音和噪声的特性选择阈值,导致去噪效果不甚理想。针对小波阈值选择问题,提出基于小波熵的自适应阈值选择方法。基于小波熵阈值、极大极小阈值和固定阈值,分别对正常心音、第二心音分裂和含S4的心音信号去噪仿真分析。结果表明,在同信噪比条件下,本文算法的输出信噪比较大而均方根误差较低,该算法的去噪效果优于其他两种小波阈值去噪算法。     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能. 关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值 中图分类号： TN 912.3
文献标志码： A     

基于曲波变换的地震信号去噪方法

根据curvelet变换的性质和阈值去噪原理,提出一种地震信号自适应阈值去噪方法.首先对地震信号进行curvelet变换,利用地震信号的curvelet,变换系数在小同分解层的特点,通过计算curvelet系数统计量的方法来确定自适应阈值,然后采用软阈值折衷方法埘curvelet系数进行处理,最后通过curvelet逆变换得到去噪的地震信号.试验结果表明,该方法在去除噪声的同时能更好地保留信号的细节,其去噪效果要优于传统的小波去噪方法.     

改进的小波变换阈值去噪方法

针对Donoho的阈值去噪方法有时去噪效果不能令人满意的问题,提出了一种二次小波变换阈值去噪的方法--对小波变换各个尺度上的小波系数都进行二次小波变换,并进行去噪处理后重构小波系数,再由重构的小波系数重构原信号,此时原信号中已去除大部分随机噪声,此后再对重构后的原信号进行小波域阈值去噪.仿真结果表明:该方法具有良好的去噪效果,而且对信号的主要细节保留较好.     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响，提高重力异常测量值的精度，在分析了小波阈值及自适应小波阈值去噪算法的基础上，将其应用到高精度海洋重力仪系统数据处理中，并与自适应卡尔曼滤波做了对比，以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据。理论分析和仿真实验表明，自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响，但在相同情况下，自适应小波阈值去噪方法具有明显的优越性。     

基于高斯性检验的自适应小波去噪方法

针对软阈值和硬阈值去噪算法存在的缺陷，提出了一种基于高斯性检验的自适应非线性阈值去噪方法。该方法根据信号和噪声的模极大值特性自适应确定分解层数，引入高斯性检验选择软阈值和硬阈值方法对每层小波系数进行降噪处理。仿真结果表明，该自适应滤波方法简单有效、稳定性高，去噪后信号信噪比得到很大提高，且不同仿真信号结果都明显优于经典的小波去噪算法。     

基于LabVIEW的小波阈值融合算法去噪分析

采用小波变换进行信号分解处理,通过分析阈值去噪所用的小波尺度及阈值选择法,提出选取BayesShrink自适应阈值估计,构建基于软、硬阈值折衷法和一种新阈值函数的多算法融合阈值处理方法.利用Matlab仿真实验分析该方法的可行性和有效性,在LabVIEW环境下进行实际工程信号的去噪测试.实例分析表明,该方法的主要优点在于它对随机强噪声的降噪效果明显.     

一种改进的小波域阈值去噪算法

在D.L.Donoho和I.M.Johnston提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的双变量阈值函数。采用新的阈值函数的去噪效果无论在视觉效果上,还是在信噪比增益上和最小均方意义上均优于传统的硬阈值和软阈值,克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。通过仿真实验结果,表明该方法的有效性和优越性。     

一种改进的小波阈值去噪方法

介绍了基于阈值选取的小波去噪原理及实现方法,并对传统的软、硬阈值方法进行分析,提出一种改进的阈值函数.实验结果表明,新方法能有效地减少平稳信号与非平稳信号中产生的震荡和恒定偏差的影响,去噪效果优于传统方法.     

改进的小波域阈值去噪方法

针对使用常规小波域阅值去噪方法对含有高频噪声的低频信号或较平稳信号进行处理时，其去噪效果和信号保真度有时不能令人满意的问题，提出了一种对小波变换尺度1上的小波系数进行二次小波变换，并进行去噪处理后重构小波系数的新方法。该方法可去除大部分高频随机噪声。此后，再对重构后的信号进行小波域阈值去噪处理。仿真结果表明：该方法去噪效果明显，且信号主要细节保留较好。     

基于平稳小波变换的邻域依赖自适应软阈值图像降噪

传统正交小波变换降噪方法会引起图像边缘失真,针对其不足,研究了平稳小波变换图像降噪。平稳小波变换去除了下抽样处理,包含在小波系数中的信息是冗余的,同时结合贝叶斯估计的自适应软阈值,提出了一种新的图像降噪算法。通过仿真实验将该方法与Winner2,VisuShrink,BayesShrink方法进行比较,试验结果表明,该方法不仅有效地去除了噪声,而且提高了图像的峰值信噪比。     

一种改进的动脉CT图像去噪方法

针对常用医学图像去噪方法中存在去除噪声不全面、图像清晰度损失的缺点,提出一种改进型的方法.根据Brige-Massart惩罚策略,由图像自身噪声确定每层阈值,根据控制变量法确定其他的相关因素.结合图像去噪目的与去噪效果,根据计算机断层扫描(CT)图像动脉区域的灰度值特点,对阈值进行硬阈值化处理.最后,对图像进行仿真对比实验,实验结果显示:中值小波去噪的峰值信噪比(R_PSN),标准信噪比(R_SN)与均方差(E_MS)数值都优于其他去噪方法.     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

基于CEEMD的爆破振动信号自适应去噪

针对爆破振动信号短时、突变的特点,提出了基于CEEMD的爆破振动信号自适应降噪方法。为解决信噪分量分界点的判定问题,该方法提出依据CEEMD分解得到的噪声分量和有用信号分量自相关函数的波峰宽度特性自适应地判定信噪分量的分界点的方法。对IMF分量消噪阈值函数进行了改进,新阈值函数具有连续和高阶可导性。实验分析表明:采用新阈值函数的CEEMD自适应去噪方法能够有效地去除实测爆破振动信号中夹杂的噪声,并且很好地保留了爆破振动信号的突变细节,去噪效果良好。     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

一种新的几何约束自适应阈值图像去噪方法

文章提出了一种几何约束空间自适应阈值的图像去噪新方法。此方法基于非抽样小波变换的多分辨率分解,利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系。在BayesShrink阈值的基础上进行改进,采用空间自适应方法,为每一个小波系数确定自适应的阈值。在含噪系数的方差估计中,与以往的估计方法不同,不仅考虑到子带内小波系数之间的依赖关系,而且考虑了沿梯度方向的邻域内小波系数之间的依赖关系,使得含噪系数的方差估计更为准确。实验结果表明,与传统去噪方法相比,本文方法能更有效地去除噪声,具有更好的重建视觉效果。