一种新的小波阈值函数改进方法及实现

局部放电信号是一种弱信号,受周围复杂电磁环境的干扰较大,利用小波分析对它进行去噪处理是当前研究的一个热点.传统的小波阈值去噪方法主要包括硬阈值方法和软阈值方法,它们在实际应用中取得了很大的成功,但同时也存在一些需要改进的地方.文章在传统软、硬阈值函数的基础上,提出了一种新的双变量阈值函数,并分别利用软、硬阈值函数和新阈值函数对局部放电仿真信号进行了小波去噪分析,仿真结果表明,通过调节两个可变参数,新阈值函数可以获得具有最佳信噪比和最小均方误差的去噪信号,其去噪效果明显优于传统的软、硬阈值函数,而且更具灵活性.     

小波去噪在超声多普勒信号处理中的应用

在超声多普勒流量计的研制过程中,由于多普勒信号属于微弱信号,超声波回波信号的去噪处理这一步是十分必要的。通常采用小波阈值去噪的方法对此信号进行预处理,本文所采用的方法是在小波阈值去噪方法的基础上,利用一种改进的阈值函数,此阈值函数克服了硬阈值函数不连续的不足,继承了软阈值函数的连续性特点,并且解决了软阈值函数中存在的小波系数与分解小波系数之间存在着恒定偏差的缺陷,与此同时,它具有软硬阈值函数不可比拟的灵活性。对实验所获得的超声波回波信号进行去噪,仿真结果表明,采用新的阈值函数去噪能有效抑制在信号奇异点附近产生的Pseudo-Gibbs现象,并且从信噪比增益和均方误差意义上分析看出改进型阈值函数对于超声回波信号的去噪效果均优于传统的软、硬阈值方法。     

基于小波分析的脑电信号处理

为去除脑电信号采集过程中存在的噪声信号,提出了基于小波阈值去噪的脑电信号去噪。以小波阈值降噪为基础,首先利用db4小波对脑电信号进行5尺度分解,然后采用软、硬阈值与小波重构的算法进行去噪。通过对MIT脑电数据库中的脑电信号进行仿真,结果表明,采用软阈值方法有效去除了噪声,提高了脑电信号的信噪比。     

基于阈值函数的小波去噪的研究

文章主要研究了毫米波汽车防撞雷达中频信号的去噪问题。主要研究内容包括小波变换的基本理论和基于阈值的小波去噪等方面。通过MATLAB仿真来分析不同小波基、不同分解层数及不同阈值下的硬软阈值的去噪性能。     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

一种改进的小波阈值去噪法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法,其中阈值函数的选择关系着重构信号的连续性和精度。但是硬阈值函数在阈值点具有不连续性,软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,这些缺点限制了阈值去噪法的进一步应用。将硬阈值和软阈值函数进行加权平均,选取适当的权值函数,可以构造出一种克服了软硬阈值缺点的新的阈值函数。仿真结果表明,该方法具有较好的去噪效果。     

一种新的小波阈值去噪方法研究

本文研究用组合小波对含噪信号的去噪问题,对均方根误差、信噪比、平滑度等信号指标进行多指标融合作为去噪效果的评价参数,根据评价参数确定最佳小波分解尺度、小波去噪最佳小波基和最佳阈值。新的去噪方法与传统的去噪方法相比,克服了硬阈值不连续的缺点,还克服了软阈值中估计小波系数与分解小波系数之间的恒定偏差的缺点。MATLAB仿真结果表明,新的阈值函数的去噪效果在各指标上都优于传统的阈值去噪方法。     

基于小波分析的振动信号阈值去噪新方法

传统的软、硬阈值去噪方法在去噪前后小波系数之间分别存在恒定偏差和阈值函数不连续等缺点,达不到对信号去噪的理想效果。针对软、硬阈值函数的优缺点,提出了一种新的阈值去噪函数。在 Matlab 环境下分别使用3种阈值函数进行去噪实验,对比由3种方法得到的信噪比及均方误差。仿真结果表明,该函数不但具有很好的连续性,而且显著减小了软、硬阈值函数中估计小波系数与真实小波系数间存在的恒定偏差,证实了新阈值函数更加灵活,能更好地消除白噪声干扰。     

基于一种新阈值函数在信号去噪中的应用

小波理论去噪方法有很多种,小波阈值去噪方法,理论较为成熟,算法更加简单,数值的稳定性高,去噪的效果好。软阈值函数方法和硬阈值函数方法去噪在实际应用中使用很广泛,但总有一些不足的地方,因为软、硬阈值函数自身的结构都有一定的缺陷。本人提出一种新的阈值函数,它有较好的光滑性,随着参数取值的变化,新阈值函数介于在软、硬阈值函数之间,而且表达式简单,计算方便。最后,在MATLAB环境下,对加入高斯白噪声的信号进行了去噪的仿真实验,结果表明:新阈值函数去噪方法好于软、硬阈值去噪方法。     

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。     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.     

海缆布里渊光时域反射信号的去噪方法研究

为了从噪声背景中有效地提取光电复合海缆的布里渊光时域反射信号,根据信号的特点,提出了采用小波阈值法对实时信号进行去噪处理。针对小波阈值去噪参量设置的基础性问题,通过理论分析和实验对比确定了适于海缆布里渊光时域反射信号去噪处理的最优参量,并与中值滤波、均值滤波的去噪效果进行了对比。结果表明,相对于两种传统的滤波方法,最优参量下的小波阈值法能有效去除噪声,不仅信噪比提高了14.1dB,而且能检测出100με的应变变化。该研究对于探索海缆布里渊光时域反射信号的高效处理方法具有重要参考价值。     

一种新阈值函数的小波信号去噪研究

详述了小波变换去噪的基本原理及方法,其中阈值的选取将直接影响信号去噪的质量。由于传统的阈值处理方法对非高斯噪声的抑制效果不明显,因此,在非高斯噪声存在的情况下,该方法受到了限制。在传统的小波阈值去噪方法的基础上,提出了一种新的阈值函数。仿真结果表明,新方法在去除非高斯噪声方面表现出了较好的特性,信噪比和均方根误差等性能指标较传统方法有明显提高,同时它具有传统阈值函数不可比拟的灵活性。     

基于小波变换的超声波含噪信号处理

超声波流量计测量气体或液体流量时,传感探头接收的超声波信号中夹杂了大量噪声,它将会影响信号的分析和流量的测量.而传统方法无法刻画超声波信号的非平稳特性并准确去噪,为克服传统方法的不足,采用小波变换理论,结合阈值去噪法,通过Matlab仿真实验,可得去噪后的超声波信号,从而验证小波变换可用于超声波信号去噪的处理.     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.     

基于多尺度阈值技术的小波去噪

多尺度阈值技术的小波去噪是根据小波变换下信号和噪声在多尺度空间中的不同特性,用软阈值函数确定的阈值对不同尺度上的小波系数进行处理,进而达到去除噪声的目的。运用这种方法对信号进行处理时去噪效果良好,并且能够很好地保留原信号的细节信息。     

提升小波与能量检测联合优化下的频谱感知方法北大核心CSCD

传统的频谱感知方法易受噪声波动的干扰,而且在低信噪比的无线通信条件下检测精度较差。通过结合提升小波去噪与动态门限能量检测算法,能有效提高传统频谱感知方法的抗噪声性能和检测精度。首先对含噪信号进行奇偶抽样,分解信号,去除噪声部分,再重构为去噪新信号,然后通过能量检测方法来统计信号的能量积累,设置动态门限,最后以动态门限判断用户信号是否存在。提升小波去噪能够有效地去除采样信号中的噪声,减少噪声对能量检测法检测精度的影响,动态门限能根据噪声波动进行调整来适应复杂的噪声环境。仿真结果表明,提升小波去噪结合动态门限能量检测算法相比于传统的频谱感知要有更优的检测精度。此方法不但提高了其对不确定噪声的抵抗性,使之能适应复杂的通信环境,而且提高了频谱感知过程的可靠性。     

一种改进的小波阈值裂纹图像去噪法

文中采用一种新的小波阈值法进行数字图像去噪。该方法是在原有小波算法之上进行改进,一方面改进闽值公式,寻求最优的阈值,获取更好的边缘保护,从而达到图像原始信息完整性;另一方面通过优化阁值函数获得改进的阚值方法,提高小波系数阈值判断的准确性,获得更好的去噪效果。实验结果表明,与通常的方法相比较,能更好的去除数字图像噪声、保护图像边缘,获得更好的峰值信噪比、边缘保持指数和更好的视觉效果,达到去噪要求。     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012 a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

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。