基于改进阈值的提升小波变换在探地雷达信号去噪中的应用

针对探地雷达采集的为非平稳信号且存在尖峰或突变状的特点,为了除去信号中的噪声,引入了基于提升算法的小波变换去噪方法.考虑到传统软硬阈值函数去噪方法存在的不足提出了改进的新阈值函数.通过对探地雷达二维正演仿真模型的去噪效果分析,综合计算时间和去噪效果考量,基于改进阈值的提升小波变换在探地雷达信号去噪方面具有一定的应用价值.     

基于自适应阈值小波变换的心音去噪方法

在采集心音信号时,难免会引入一些噪声,对心音信号诊断之前必须对其做去噪处理。由于心音信号是非线性非平稳信号,对心音信号去噪处理常用小波变换去噪方法,但是传统的小波阈值函数去噪方法需要自定义阈值,去噪效果也不理想,且可能会滤除了大量的细节特征,从而无法对心音信号做出正确的判断。为了克服传统小波阈值函数对心音信号去噪处理出现失真的问题,本文在半软阈值函数的基础上提出了基于蚁群算法优化选取阈值的非线性小波变换去噪方法。以原始心音为研究对象,通过选用db6小波并进行6层小波分解,分别选用硬阈值函数、软阈值函数、半软阈值函数、蚁群算法的优化阈值的半软函数等不同的小波去噪处理,并将去噪效果与原始心音进行对比,然后利用蚁群算法的全局搜索性搜索最小均方误差意义下的最佳阈值。仿真结果分析表明:蚁群算法优化选取阈值的心音去噪效果不仅能够去除噪声,还能保留信号细节特征,该方法与传统的硬阈值函数去噪方法相比信号的信噪比(SNR)和均方根误差(RMSE)均得到明显的改善。     

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·     

基于提升小波变换的心音去噪新方法

针对传统的小波阈值函数去噪无法有效滤除信号中的特定噪声,结合软、硬阈值函数的优点,提出了一种基于提升小波新阈值函数算法对心音信号进行去噪.首先利用提升小波变换对心音信号进行分解;然后利用新阈值函数更新其小波系数进行重构;最后与提升小波软、硬阈值函数去噪后的心音进行了希尔伯特包络提取验证其去噪效果.实验结果表明,提出的提升小波去噪新方法较软、硬阈值方法有更好的滤波效果,且提取的曲线包络更加清晰、平滑.     

基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.     

基于小波域KL变换的地质雷达信号处理技术研究

为了克服现有信号处理算法对地质雷达直耦波和噪声滤除的不足,基于KL变换和小波变换进行算法融合设计,提出一种适用于地质雷达信号滤波的小波域KL变换方法。采用电磁波时域有限差分法模拟雷达检测过程,并基于理想无噪声的雷达仿真信号设计验证实验,通过与KL变换方法、小波阈值去噪方法的对比,对小波域KL变换方法的滤波效果进行定量分析和评价。实验结果表明:小波域KL变换对于直耦波的辨识能力较强,用于地质雷达信号直耦波的去除可以取得理想的效果;在采用KL变换和小波变换滤除噪声时,去噪信号的信噪比分别为10.16和15.12,而小波域KL变换对应的结果为18.34,对于噪声的滤除具有更好的效果;同时,小波域KL变换滤波结果对小波函数和分解层数的敏感度较低,对于深部噪声信号的辨识能力亦较强。基于地质雷达实测数据的测试结果同样验证了小波域KL变换方法在实际工程应用中的良好性能。     

基于小波域KL变换的地质雷达信号处理技术

为了克服现有信号处理算法对地质雷达直耦波和噪声滤除的不足,基于KL变换和小波变换进行算法融合设计,提出一种适用于地质雷达信号滤波的小波域KL变换方法。采用电磁波时域有限差分法模拟雷达检测过程,并基于理想无噪声的雷达仿真信号设计验证实验,通过与KL变换方法、小波阈值去噪方法的对比,对小波域KL变换方法的滤波效果进行定量分析和评价。实验结果表明:小波域KL变换对于直耦波的辨识能力较强,用于地质雷达信号直耦波的去除可以取得理想的效果;在采用KL变换和小波变换滤除噪声时,去噪信号的信噪比分别为10.16和15.12,而小波域KL变换对应的结果为18.34,对于噪声的滤除具有更好的效果;同时,小波域KL变换滤波结果对小波函数和分解层数的敏感度较低,对于深部噪声信号的辨识能力亦较强。基于地质雷达实测数据的测试结果同样验证了小波域KL变换方法在实际工程应用中的良好性能。     

基于小波熵的最优阈值去噪方法

小波去噪的核心问题是如何选取合适的阈值函数,进而估计出原始信号的小波系数.现有的改进去噪函数中大都含有需要根据经验来确定的待定参数,易用性和去噪效果均不理想.基于信号的小波熵理论,提出了令去噪后得到原始信号和噪声信号的小波熵之和为最大、从而获得了最优的小波软阈值去噪函数.对含噪声的Blocks信号进行仿真分析的结果证实了文中提出方法的有效性,该方法比采用软、硬阈值方法具有更好去噪效果.     

二代小波变换在地震信号降噪技术中的应用

小波变换是去除地震信号中随机噪声,提高信噪比的有力工具,但实际去噪效果受到小波基函数、分解层数、门限阈值和阈值函数的影响。将二代小波变换与改进的阈值函数相结合,通过对去除相关成分的小波细节系数进行白噪声检测,确定最佳分解层数。通过仿真实验证明,该方法具有较好的去噪效果。     

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。     

改进的小波阈值消噪法应用于脉冲星弱信号处理

利用小波变换去除噪声的基本原理和方法及消色散方法对毫秒脉冲星极弱信号进行了提取,并对噪声进行了最佳阈值选取实验研究,实现了脉冲星弱信号消色散积累后的检测和抑噪.并研究了阈值函数的几种改进方案,进而对PSR 0437-4715信号用不同方法去噪后的结果进行了分析比较,认为采用改进的阈值函数对脉冲星信号处理较采用传统的软、硬阈值函数处理具有优越性.研究结果表明改进的小波阈值消噪方法是一种提高信噪比、展示噪声和突变信号的优越方法.     

基于小波变换的微震阈值去噪方法

矿山微震信号是微震分析以及定位的重要基础,但是微震信号常含有大量随机噪声,这些噪声会严重地影响微震信号的分析与处理.在全局阈值的基础上,对阈值函数进行了改进,提出了一种基于小波变换的迭代阈值方法.采用Symlet8作为小波基函数对微震信号进行5层分解,利用全局阈值与迭代阈值分别对微震信号进行去噪处理,对比去噪后信号的波形、差剖面、频谱、信噪比和均方差.结果表明:迭代阈值去噪后的信噪比更高,均方差更小,去噪后的信号更接近原始信号,可以将有用信号与噪声进行有效地分离.     

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     

一维小波变换在地震数据噪声抑制方面的应用

本文针对实验数据体的特征和各去噪方法的适用条件,有针对性的选取一维小波变换方法去除地震数据噪声,通过对四种阈值量化方法和六种小波函数进行实验计算和效果分析,得到了合适的小波函数和阈值量化方法。研究结果表明:一维小波变换对地震数据具有一定的去噪效果,可有效抑制噪声,保护和补偿有效信号。     

基于小波阈值法的语音增强算法研究

随着小波变换理论的不断发展,小波变换去噪法不断丰富,小波阈值去噪法以算法简单、计算量小,吸引了众多研究者。通过对小波阈值去噪法传统阈值函数的研究,发现软硬阈值函数都存在着缺点;改进的半软阈值法综合了两者的优点,改正了两者的缺陷,明显改善了语音增强效果。并提出一种基于小波阈值去噪法与谱减法结合的改进算法,在较低信噪比下进行仿真,很好地抑制背景噪声和音乐噪声,减少语音信号的失真。     

一种基于互相关函数的小波系数相关阈值去噪方法

针对传统的小波系数相关去噪方法中,在对含噪信号进行小波变换后,各尺度上的小波系数会产生微小偏移的问题,提出了一种基于互相关函数的小波系数相关去噪方法.采用互相关算法,计算各个尺度与原始含噪信号产生的偏移量,再把偏移后的尺度进行相关分析,得出准确的突变信号;为了去除信号突变附近附带的少量噪声信号,再采用临界阈值去噪方法对...     

采用集合经验模态分解和改进阈值函数的心电自适应去噪方法

针对心电信号中存在基线漂移、工频和肌电干扰等噪声对后续的分析和诊断带来干扰的问题,提出了集合经验模态分解(EEMD)改进阈值函数的心电自适应去噪方法。运用EEMD将含噪心电信号分解得到一组由高频到低频分布的固有模态函数(IMF)。采用过零率自适应判断各IMF的噪声类别:若IMF包含高频噪声,采用结合软硬阈值优缺点所提出的改进阈值函数以去除IMF分量中的高频噪声;若IMF包含低频的基线漂移,则采用中值滤波器抑制基线漂移。最后将处理后的IMF分量叠加,即可重构去噪后的心电信号。实验结果表明,与已有的小波阈值法去噪后的信噪比(SNR)和均方根误差(RSME)对比,所提方法对心电信号去噪效果更加显著,而且能完整地保留波形特征。     

基于双阈值小波变换在雷达测试数据处理中的应用

针对雷达测试数据中存在大量噪声和野值的问题,分析了雷达测试数据噪声、野值产生的原因及其在小波域上的特性,根据此特性提出基于显著检验水平的准则野值判别方法和小波阈值消噪的新双阈值函数.利用此双阈值对数据小波变换细节分量进行处理,然后重建原数据,从而达到消噪、去野值的目的.与小波默认阈值消噪相比,此方法对野值的剔除效果显著,消噪后的信噪比有较大提高.     

基于小波变换的雷达信噪比改善分析

针对雷达在检测弱目标能力的不足,基于雷达信号与噪声的实际窄带模型,提出运用小波分解加阈值处理的去噪方法改善功率信噪比。一方面推导出了信噪比改善的理论计算公式,另一方面采用模拟和实际采集的数据进行了大量的仿真实验。计算和仿真结果的一致性表明:在传统的雷达信号处理中,运用小波变换可提高检测前信号噪声比,进而提高雷达的探测距离。     

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.