基于双密度小波邻域相关阈值处理的脑电信号消噪方法

为消除混杂在脑电信号(EEG)中的噪声,提出一种基于双密度小波邻域相关阈值处理的EEG消噪方法.利用双密度小波对EEG分解,得到多层的信号高频系数.根据小波系数的局部统计依赖性,运用邻域相关阈值处理算法进行收缩,将收缩后的小波系数进行重构得到消噪后的信号.对加噪标准信号和实测EEG的消噪实验结果表明,与一代离散小波和传统软阈值法相比,信噪比、均方根误差和最大误差3个消噪效果评价指标都有明显改善.     

基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

基于改进阈值函数的分数阶小波电能信号去噪

为了消除电力系统中噪声对电能质量扰动信号的影响,且能保留突变点信息,提出了一种基于改进阈值函数的分数阶小波电能质量扰动信号去噪方法.该方法采用离散分数阶小波变换对含噪信号进行多尺度分解,并根据信号和噪声在不同尺度上的分数阶小波域系数的分布特点,通过改进阈值函数对各层系数进行处理,将处理后的系数进行重构得到去噪后的信号.仿真结果表明,该方法弥补了软、硬阈值函数的缺点,能较好地去除噪声并保留突变点信息,且提高了输出信噪比.     

基于自适应分解层数和阈值的小波去噪算法

为了更好地降低电能质量扰动信号中的噪声,提出了一种基于自适应分解层数和阈值的小波去噪算法.通过计算小波细节系数的峰值比,自适应地确定最佳小波分解层数,根据各层细节系数中有用信息和噪声信息的分布特性以及细节系数的正、负峰值比,动态调整各层细节系数的上、下阈值.应用Matlab对暂态振荡和脉冲信号进行去噪处理,并与传统硬、软阈值算法和一种改进小波阈值算法相比.结果表明:本文提出的自适应分解层数和阈值的小波去噪算法得到的信噪比和均方根误差均优于以上3种方法,重构后信号更接近原始信号,并且较好地保留了扰动期间信号的特征信息.     

基于噪声方差小波阈值去噪算法研究

为了克服小波阈值去噪中硬阈值小波系数不连续和软阈值估计小波系数与分解小波系数之间恒定偏差的缺点,改进的阈值去噪方法被相继提出。文章根据高斯白噪声和信号在小波变换以后得到的小波系数呈现不同的特性,基于噪声方差提出一种新算法。最后通过MATLAB仿真验证该算法在信噪比、均方根误差、相关系数、信噪比增益4个去噪指标的效果。     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

基于小波阈值去噪的心电信号分析

研究心电信号优化问题,为去除心电信号采集过程中存在的噪声信号,抑制各种噪声干扰,提出了小波阈值去噪的心电信号去噪.以小波阈值降噪为基础,首先利用sym8小波对心电信号进行8尺度分解,再用软、硬阈值与小波重构的算法进行去噪.针对软阈值去噪法产生的伪吉布斯现象,采用一种新阈值函数对心电信号进行处理.通过对MIT心电数据库中...     

基于改进阈值函数的分数阶小波图像去噪

为了消除噪声对图像的影响并较好地保留图像细节信息,提出一种基于改进阈值函数的分数阶小波图像去噪方法。该方法通过分数阶小波变换将含噪信号进行多尺度分解,采用改进的阈值函数对各层分数阶小波域系数进行处理,对处理后的系数进行重构得到去噪后的信号。仿真实验表明,相比已有的软阈值、硬阈值和均值加权法,本文方法去噪后的图像信噪比较大、均方误差较小,取得了满意的视觉效果,是一种实用的去噪方法。     

非高斯噪声背景下小波阈值算法分析

针对小波阈值算法以高斯噪声为研究背景的局限性,为解决硬阈值函数不连续和软阈值函数估计小波系数和分解小波系数存在恒定偏差的问题,在非高斯噪声背景下提出一种新的小波阈值算法。新阈值函数从Garrote阈值改进而来,引入了高阶幂函数。该算法首先对加入一类非高斯噪声的信号进行小波分解,然后根据新的阈值函数对每层高频小波系数进行量化,最后用小波分解的低频系数和处理过的高频系数重构信号。在非高斯噪声背景下进行的仿真结果表明,新阈值函数去噪相对于软阈值、硬阈值、两类改进阈值以及Garrote阈值在信噪比和最小均方误差上都得到了改善。     

一种改进的小波去噪方法在红外图像中应用

针对小波软阈值去噪函数会产生恒定误差导致图像边缘模糊的缺点,提出了一种改进阈值函数的去噪算法。该算法中当小波系数较大时,阈值函数趋向于硬阈值函数;当小波系数较小时,趋向于软阈值函数,具有自适应性。采用维纳滤波消除图像小波变换中低频频带中残留的噪声。实验结果表明,改进后的阈值函数结合贝叶斯阈值的方法与传统小波软阈值去噪相比,能够有效去除红外图像中的噪声,同时保持红外图像热差细节,具有较高的峰值信噪比,非常适用于去除红外图像中的噪声。     

一种基于SA4多小波的脑电信号消噪方法

为了在脑电信号消噪时更好地保留细节信息,提出了一种基于SA4多小波的脑电信号消噪方法.采用重复采样预滤波方法对脑电信号预处理,利用SA4多小波分解算法处理并得到多维多小波系数.对各层多小波系数软阈值处理后,进行多小波重构得到消噪后的脑电信号.仿真结果表明,相比于db4小波算法,SA4多小波算法能使脑电信号具有更佳的信噪比和均方误差,并能减少消噪时的信息丢失.     

一种改进的小波域去噪算法

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。并且进行了仿真实验,其结果表明了该方法的有效性和优越性。     

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.     

基于新阈值函数的小波阈值去噪算法

小波基、分解层数、阈值和阈值函数是小波阈值去噪的关键性因素.针对小波基和分解层数的确定,提出了一个算法来实现;对于传统硬、软阈值函数的局限性和阈值函数在临界阈值处不存在平滑过渡区的现象,提出了一个参数化的新阈值函数,该阈值函数具有更高阶,通过灵活调节参数使之介于硬、软阈值函数之间,且兼具硬、软阈值函数的优点,并在临界阈值内添加平滑过渡区,可在阈值处理时保留一部分有用的高频信号,较好地抑制了细节系数的过扼杀和信号振荡现象.仿真结果表明:新阈值函数提高了去噪信号的信噪比,减小了均方误差,取得了较好的去噪效果.     

基于一种新的小波阈值函数的雷达信号去噪

小波变换具有多分辨分析的特性和良好的时频局部化分析能力,在雷达信号去噪中得到了广泛的应用,但是常用的小波阈值法存在着一些缺陷,影响了去噪的性能.在传统的软硬阈值函数基础上,提出了一种新的小波阈值函数,可较好地克服软硬阈值函数的缺陷,与已有的几种改进阈值函数相比,其计算简单、连续性好且便于调节,适合于进行各种数学处理.对Doppler信号的仿真实验表明,新阈值函数可有效的抑制噪声,其去噪后的信噪比和均方根误差均优于软硬阈值函数以及已有的几种改进阈值函数,具有较高的实用价值.     

改进的双变量收缩函数模型脑电信号消噪方法

针对传统小波消噪全局阈值处理独立性假设和双变量函数模型对没有父系数的最高层小波系数不做处理的缺陷,提出一种高密度离散小波变换中利用双变量收缩函数对脑电信号进行消噪的方法。子小波系数根据双变量函数实现局部自适应收缩处理。同时根据父系数趋于0时,阈值函数近似于软阈值函数,对最高尺度小波系数进行软阈值法消噪。从实际信号处理效果和客观定量指标两方面进行评价,结果表明这种改进算法都优于软阈值法、硬阈值法以及双变量收缩法。     

动态触觉传感器检出信号的小波消噪新方法

基于平稳离散小波变换(SDWT)研究了一种改进阈值消噪方法：给出了一种新的跨尺度阈值计算方法；使用将软、硬阈值估计的细节系数进行加权平均的细节系数估计方法；通过补充大尺度细节系数降低消噪误差的方法。与经典的软、硬阈值方法比较，大量的仿真试验说明本文的方法在信号畸变、误差、光滑度等性能指标之间取得了合适的折衷。将此方法应用于动态触觉传感器检出信号的消噪，提高了检出信号的信噪比，显著减小了误差和信号畸变，取得了显著的性能改进。     

基于邻域相关性多阈值新函数寻优法的小波降噪分析

为了更好地获取噪声影响下的原有信号,在邻域小波系数收缩的NeighCoeff方法基础之上,提出了一种邻域相关性多阈值新函数的小波降噪方法.该方法根据小波系数之间的相关性,将邻域窗口内所有小波系数的平方和的大小划分为邻域硬阈值、邻域窗口阈值和邻域扩张阈值.将这些邻域阈值与修正的通用阈值相比较,来实现窗口尺寸的自适应调节和小波系数的保留或收缩,以此达到消噪的目的.此外新函数的收缩因子能够较好体现与被滤波噪声的相互关系,可以进一步提高消噪的精度.然后将多阈值函数与修正的全局阈值相结合,利用混沌粒子群对邻域扩张阈值参数γ和修正的全局阈值参数α进行寻优,以获取最优小波系数的重构信号.所提方法与其它阈值函数去噪方法相比,其仿真结果表明在信号信噪比、降低有用信号失真和抑制噪声等方面都有一定的提高.     

基于EEMD和WT的运动想象脑电信号消噪方法

采集到的运动想象脑电信号MI EEG(Motor Imagery Electroencephalogram)通常含有大量噪声信号.为了消除噪声同时保留尽可能多的有效信号,本文提出了将集合经验模态分解EEMD(Ensemble Empirical Mode Decomposition)与改进小波阈值法相结合的消噪方法.改进小波阈值法采用了新的阈值选取规则和阈值函数.首先对信号进行EEMD分解,然后再对高频固有模态函数IMF(Intrinsic Mode Functions)进行改进小波阈值处理,最后将处理后的高频IMF分量和低频IMF分量进行重构得到消噪信号.以信噪比和均方根误差作为消噪效果的定量评价指标,将本文提出的方法与单纯使用EEMD分解消噪法、单独使用改进小波阈值消噪法、EMD与改进小波阈值法相结合消噪法进行比较,结果表明,本文提出的消噪法优于其他三种消噪法.