基于CEEMDAN和小波阈值的ECG去噪算法研究

提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与小波阈值的ECG信号去噪新算法。首先对含噪ECG信号进行CEEMDAN分解,得到从高频到低频排序的各个IMF分量,利用自相关法对各IMF分量进行分析,找出以随机噪声为主的高频IMF分量并进行小波阈值去噪;然后统计包括余量在内所有IMF分量的过零率,过零率小于1.5的IMF分量即为基线漂移信号,直接剔除;最后将经过小波阈值去噪的IMF分量与剔除基线漂移之后的其他IMF分量一起进行合并重构,实现ECG信号的去噪和基线校正。用所提算法对MIT-BIH心电数据库中的ECG信号进行去噪处理,结果表明ECG信号中的随机噪声得到很好的抑制,同时获得了良好的基线漂移校正效果。     

基于VDM和小波阈值的语音降噪方法研究

针对带噪声的语音信号,提出了基于变分模态分解（VMD）和小波阈值相结合的去噪方法。首先,采用VMD对带噪声道信号进行分解,从而得到分解后的固有模态（IMFs）信号;然后,引入T检验对各IMFs分量进行低频和高频区分,对其中的高频分量用小波阈值进行噪声滤除;最后,对将低频IMFs分量和滤波后的高频IMFs分量进行重构,从而得到降噪后的具有较高信噪比的语音信号。通过实验验证,本方法与EMD和小波阈值联合算法相比,具有更好的去噪性能,具有一定的实用价值。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于自适应噪声完备经验模态分解的Φ-OTDR信号去噪算法

针对相位敏感光时域反射仪(Φ-OTDR)信号信噪比较低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)的小波信息熵阈值去噪算法。该算法配合CEEMDAN分解,通过小波信息熵阈值去噪,提取扰动位置的高频信息,从而提高系统的信噪比。首先,采用Savitzky-Golay滤波算法对不同光脉冲间的信号进行预处理;其次,采用CEEMDAN将滑动差分后单个脉冲内信号分解为不同的固有模态函数(IMF),并利用连续均方误差准则确定含噪较多的高频IMF分量;然后,采用小波信息熵阈值去噪算法对以上高频IMF分量进行阈值去噪处理;最后,将其与低频IMF分量以及残差分量进行重构。采用自行研制的相干Φ-OTDR系统实测数据进行了验证,结果表明,文中算法与两种传统去噪算法相比,信噪比提升了3dB,这对于系统的实际应用具有重要意义。     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

基于Hilbert-Huang变换的ECG消噪

 提出一种基于Hilbert-Huang变换的ECG消噪方法,该方法对含噪ECG进行经验模态分解,对分解后的IMF进行Hilbert频谱分析,然后根据ECG信号噪声特点对三种主要噪声分别消噪.工频干扰和高频噪声主要存在于ECG的低阶IMF中,而基线漂移主要存在于ECG的高阶IMF中,对低阶IMF采用基于自适应阈值的形态学滤波方法进行消噪,对高阶IMF采用平滑滤波法进行基线漂移估计.仿真实验和实际应用结果表明该方法优于小波消噪法,不仅对三种主要噪声具有较好的抑制作用,还能很好的保留ECG波形特征.     

一种改进型的小波变换语音去噪算法

针对语音信号在传输和处理过程中不同程度地受周围环境噪声污染的问题,提出一种基于小波变换的改进型语音除噪算法.传统的小波语音除噪算法把信号的高频部分置零,会造成除噪后信号的失真.这里的算法,先对语音信号进行清、浊音分离,然后分别对清音和浊音部分进行不同的阈值处理,不但保留了语音中的高频信息,同时也提高了语音信息的逼真度和信噪比.仿真结果表明,与传统的小波语音除噪算法相比,该算法对含噪语音在高频部分和低频部分都具有很好的去噪效果.     

基于HHT的多分量LFM信号检测与参数估计

文中将Hilbert—Huang变换应用到多分量线性调频信号（LFM）信号的分析中：首先利用经验模态分解法（EMD）将原信号分解成有限个本征模态函数（IMF）；然后埘各个IMF进行Hilbert变换，获取瞬时频率、瞬时振幅，得到信号的Hilbert谱，该谱反映r瞬时振幅在频率一时间平面上的分布，从而可以比较准确地检测和估计各LFM分量的初始频率和调频斜率等参数。仿真结果验证了该方法的有效性。     

一种新的子波域语音增强方法

提出了一种新的子波域语音增强法,即首先对带噪语音进行1层离散小波变换,然后对提取出来的低频信号和高频信号分别作3层DWT和3层小波包分解,最后对去噪后的语音完成重构。为了在降噪过程中减少清音信息的损失, 文中对语音信号进行了清浊音判决并分别采用多阈值进行处理。计算机仿真结果表明,经本文方法增强语音的清音成分得到了较好保留,并且增强语音的主客观质量均优于DWT去噪法和WPD去噪法。     

基于核主成分分析的EMD去噪算法

本文以超声回波信号去噪为目的,研究了基于经验模态分解（EMD）分解的去噪方法。分解过程中固有模态函数（IMF）信号与噪声混叠,还会产生虚假分量,提出了基于核主成分分析（KPCA）的经验模态分解算法。首先对原信号进行经验模态分解得IMF分量;然后对信号进行KPCA变换,将各分量获得的贡献率与阈值比较,最终以去除分量中夹杂的噪声。为证明本文方法的有效性,还给出了仿真实验的仿真结果。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

基于自动反相校正和峰度值比较的探地雷达回波信号去噪方法

运用探地雷达对复杂地下介质层进行探测时,雷达回波信号易受噪声影响。为了提高探地雷达的探测分辨率和数据解译效果,该文提出基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法。首先,含噪的回波信号与随机噪声拟合得到两路信号,经过独立分量分析算法后得到高峰度值信号和低峰度值噪声,对高峰度值信号进行相位判断并进行自动反相校正,再进行完全总体经验模态算法分解得到多个分解分量。将独立分量分析得出的噪声的峰度值作为阈值,峰度值高于该阈值的分解分量视为信号分量,累加得到重构后的信号,完成去噪处理。所提的去噪算法解决了独立成分分析算法中的信号相位不定性问题,且在进行完全总体经验模态分解算法后无需依靠传统的人工方式进行噪声剔除的步骤。仿真和实测数据的处理结果验证了所提算法的有效性。      

Denoising and R-Peak Detection of Electrocardiogram Signal Based on EMD and Improved Approximate Envelope

The electrocardiogram (ECG ) signal is prone to various high and low frequency noises, including baseline wandering and power-line interference, which become the source of errors in QRS and in other extracted features. This paper presents a new ECG signal-processing approach based on empirical mode decomposition (EMD) and an improved approximate envelope method. To reduce the number of the initial intrinsic mode functions (IMFs), a Butterworth lowpass filter is used to eliminate high frequency noises before the EMD. To correct baseline wandering and to eliminate low frequency noises, the two last-order IMFs are abandoned. An improved approximate envelope is proposed and applied after the Hilbert transform to enhance the energy of QRS complexes and to suppress unwanted P/T waves and noises. Then, an algorithm based on the slope threshold is used for R-peak detection. The proposed denoising and R-peak detection algorithm are validated using the MIT-BIH Arrhythmia Database. The simulation results show that the proposed method can effectively eliminate the Gaussian noise, baseline wander, and power-line interference added to the ECG signal. The method can also function reliably even under poor signal quality and with long P and T peaks. The QRS detector has an average sensitivity of Se=99.94 % and a positive predictivity of +P=99.87 % over the first lead of the MIT-BIH Arrhythmia Database.     

基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用

经验小波变换是最近提出的非平稳信号分析方法,针对其不足,提出了一种改进的经验小波变换方法;同时结合瞬时频率新定义,提出了一种非平稳信号时频分析新方法.该方法首先通过改进的经验小波变换将一个复杂的非平稳信号自适应地分解为若干个具有紧支集频谱的内禀模态函数之和;再通过对每个内禀模态函数进行解调,得到原始信号的时频分布.将提出的方法应用于滚动轴承试验数据分析,并将其与希尔伯特黄变换进行了对比,结果表明,论文提出的方法能够有效地诊断滚动轴承故障,且诊断效果优于希尔伯特黄变换方法.     

非平稳信号的小波包阈值去噪方法

研究非平稳信号的小波包阂值去噪方法，介绍了几种阈限和选取闽值的规则。计算机仿真结果表明，利用小波包阈值去噪的时频局部化特性可以滤去非平稳信号中大量的背景噪声，消噪后的信噪比（SNR）明显高于傅里叶滤波的结果，充分说明了小波包阈值方法在非平稳信号去噪中的优越性。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

Improved Speech Denoising Algorithm Based on Discrete Fractional Fourier Transform

The speech signal and noise signal are the typical non-stationary signals,however the speech signa is short-stationary synchronously.Presently,the denoising methods are always executed in frequency domain due to the short-time stationarity of the speech signal.In this article,an improved speech denoising algorithm based on discrete fractional Fourier transform（DFRFT）is pre sented.This algorithm contains linear optimal filtering and median filtering.The simulation shows that it can easily eliminate the noise compared to Wiener filtering improve the signal to noise ratio（SNR）,and enhance the original speech signal.     

基于希尔伯特黄变换的癫痫自动检测

希尔伯特黄变换是由经验模态分解和希尔伯特变换所组成的,在非线性、非稳态信号处理方面具有独特的优势。本文首先对脑电波信号进行模态分解,然后根据希尔伯特变换求得各本征模态函数的瞬时频率并依此计算出均值、方差及其核心频率区间等特征,并选取若干个本征模态函数的频率特征组成一个长的特征向量,称之为希尔伯特黄频率特征环。根据该特征向量,本文进一步采用支持向量机对癫痫和非癫痫脑电波信号进行学习和分类,并采用格点搜索的方法来选取支持向量机中的最优参数。通过在典型癫痫脑电波数据集上的5重交叉验证得出本文所提出的新方法在分类准确率上已经超越或接近现有的分类方法。      

基于相关系数的经验模态分解算法的改进

由美国国家航空航天局（NASA）的Huang等提出的Hilbert-Huang变换（HHT）是一种先进的时频分析方法,但在经验模态分解（EMD）过程中存在虚伪IMF分量针对这一问题,提出利用分解出的各个内建模态函数和原信号的相关系数去除虚伪分量的方法。并计算去除虚伪分量后的重构信号与原信号的相关系数,仿真和实验结果表明,采用该方可以有效的除去虚伪IMF分量。     

一种改进的基于经验模态分解的小波阈值滤波方法

经验模态分解是一种新的信号分解方法,该方法可将非线性非平稳信号分解成若干个单分量的本征模态函数,使得每个本征模态函数都具有一定的物理意义。本文探索了该方法在语音增强方面的应用.在文献[8]的基础上,对其方法进行了有效改进。首先将带噪语音进行经验模态分解,得到六个本征模态函数和一个余量信号,对这七个信号分别进行小波阈值滤波,并由滤波后的七个信号重构语音。结果表明,该方法的滤波效果明显优于对带噪语音直接采用小波阈值滤波的方法,并且较之文献[8]的滤波方法也具有一定的优势。