小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

基于小波变换模极大值的信号奇异性检测

奇异性信号往往带有一些重要信息,小波是奇异性检测的一种有力工具。本文通过小波变换模极大值法对信号的消噪处理和奇异性检测,并对几种常见小波进行不同奇异性信号的检测效果对比,并实际应用于电压骤变信号的分析。     

基于卷积型小波包变换的信号消噪算法

提出了卷积型小波包变换，与传统小波包变换相比。在这种小波包变换中不管信号被分解多少层，每层分解得到的各频道序列长度始终与原始信号一致，利用这一性质本文进一步提出并实现了对小波包分解结果利用模极大值法进行消噪的算法。这一算法的思想来自于基于小波变换的模极大值消噪算法，但是由于小波包分解是对小波分解的结果作进一步细分，在小波分解中难于分离的高频噪声将被小波包充分分离与集中到后面的频道，因此基于小波包变换的模极大值消噪算法将会取得比小波消噪更好的效果。文中给出了信号的小波包消噪实例，并与小波消噪的效果进行了对比，结果表明小波包有更优良的消噪效果。     

基于MATLAB的小波包信号消噪处理

信噪分离是小波包应用于信号分析的一个重要方面。本文在基于MATLAB的基础上,采用小波包对含高斯白噪声信号进行分解,通过不同的量化阈值对小波包系数进行处理、重构得出小波包消噪后的信号。计算机仿真结果表明,用不同量化阈值的小波包可对含高斯白声信号进行消噪重构。     

基于最优小波基选取的掘进机振动信号去噪方法

为了提高掘进机振动信号小波包去噪的效果,最大限度避免噪声对信号特征提取的影响,提出了基于最优小波基选取的掘进机振动信号去噪方法。该方法以信号频谱为分析依据,首先确定了小波包分解的最优分解层数,再选择最优小波基函数,实现了对掘进机振动信号的实时处理,去噪效果达到了最佳。现场试验结果也验证了该方法的有效性。     

基于小波模极大值的信号奇异性检测

小波分析近乎完美的数学特性受到各领域科学家和工程技术人员的青睐.文中讨论了基于小波模极大值的信号奇异性检测方法,该方法突破了傅立叶分析在时域和频域方面的局部化能力,信号的局部正则性可由其小波变换模随尺度参数的衰减特性来刻画,通过确定小波变换在细尺度下的局部模极大值来检测信号奇异性.实验表明,该方法能有效的、实用的.     

基于模极大值小波域的去噪算法研究

根据信号与噪声在小波变换下的不同特性，提出了基于模极大值小波域的去噪算法。该算法先用Adhoc算法求出信号的模极大值，再根据模极大值小波域的定义求出信号的模极大值小波域，从而得到信号的小波系数，然后逆变换得到信号。实例分析表明：该算法能有效消除噪声，与交替投影模极大值算法相比，该算法在原理上更简单，程序实现更容易，去噪速度更快，能满足在线监测的要求。     

基于小波包分析木材声发射信号消噪处理

由于目前的滤噪技术在检测木材声发射信号时还存在一定的缺点,本文根据木材声发射信号的特征,基于小波包分析研究了利用信号的小波包分析、计算和最佳小波包基的选取.采用默认阈值方法处理小波系数,通过小波包重构得到消噪后的木材损伤声发射信号,噪声得到较好的抑制.结果表明用小波包变换进行消噪处理,噪声消除彻底,提高了损伤缺陷检测的准确性.     

基于小波包最优基的语音信号压缩方法

提出了基于方差准则的小波包最优基压缩方法.首先选择一个合适的小波函数及分解层次对语音信号进行小波包分解.然后基于方差准则确定小波包最优基,保留语音信号的重要特征,实现信号压缩.最后对小波包最优基中的小波系数进行量化、编码,以便于信号在信道中传输.在接收端进行译码,重构压缩后的语音信号,观察压缩效果.实验中对语音信号采用不同方法进行了压缩实验,验证了本文算法的可行性.实验结果表明,本文算法的搜索量小,易于实现,压缩效果比较明显.     

基于小波变换的信号消噪效果影响因素研究及其Matlab实践

在分析小波变换消噪原理和方法的基础上，研究了影响小波变换消噪效果的两个主要因素：小波基函数和阀值。具体分析了阀值对小波变换消噪的影响，提出了改进阀值规则和初始阀值的方法，并通过Matlab进行了实践。     

基于小波极大模值的色谱噪声自适应滤除

利用小波模极大值理论提出了一种自适应滤除色谱噪声的算法。对带噪色谱信号小波分解获得不同分解层数上的模极大值点,利用信号与噪声的小波模极大值的衰减性显著差异,结合色谱谱图信号与非信号不同区域,根据同一序列点在不同层上的模值变化,区分出信号点与噪声点,再通过信号重组可得到滤噪后的色谱信号。实验结果表明,该算法不影响色谱峰峰高和峰位置,能有效地自适应降噪。     

基于小波域影响锥的小波萎缩去噪算法

信号的奇异点和不规则结构往往携带了一些重要的信息,而小波变换是检测信号奇异点和跳变沿的一种有效的工具。为了更好地从噪声污染的信号中消除干扰和保留信号原始特征,根据奇异点影响锥的范围和小波域模极大值线传播特性,提出了一种新的算法来寻找奇异点影响锥内的小波系数,并进行去噪处理。仿真实验表明：与传统的阈值去噪方法相比,该算法实现简单并且有着更好的滤波性能。     

小波变换极大值在数据压缩中的应用

传统利用小波变换进行数据压缩的方法是基于小波变换的多分辨率滤波技术。结合小波变换的多分辨率特性,提出利用二阶样条小波变换模极大值压缩数据的方法。并在此基础上采用设定阈值消除幅值比较小的模极大值点的方法对信号进一步压缩。理论和仿真表明,利用小波变换模极大值压缩比率大、重构精确,对于平稳信号更是可以获得传统方法无可比拟的极大压缩比。     

结合小波包和ICA的脑电信号特征波提取方法

为了更有效地提取脑电信号特征波,结合小波包和ICA（独立分量分析）,提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解,然后进行相关频段信号的重构,从而提取出特征波的概貌作为初次提取的特征波;再利用ICA分离技术,以初次提取的特征波为参考信号对其进行增强。实验结果表明,对比于独立地应用某一种方法,两种方法相结合更能有效地提取脑电信号特征波。     

基于小波包技术的EEG信号特征波提取分析

为了更有效地提取脑电信号特征波,结合小波包技术,提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解,然后进行相关频段信号的重构,从而提取出特征波,并对其进行功率谱分析和能量计算。实验结果表明,小波包技术能有效地提取脑电信号特征波。     

小波模极大值滤噪法在示波计时电位信号处理中的应用

将小波模极大值滤噪法用于处理含噪示波计时电位信号。研究了信号中有用信息频带大小和噪音频带大小对滤噪结果的影响。示波计时电位信号经小波模极大值滤噪法处理后，切口宽度和相对深度变化很小，切口相对深度的相对误差仅为1．3％。实验结果表明：该方法适合于对信号中有用信息频带较窄且位于低频的信号滤噪或有用信息频带与噪音频带(即有用信息的频率上限与噪音的频率下限)有一定差距的含噪信号中高频噪音的滤除。     

基于小波模极值的虹膜特征提取算法

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷.主要介绍了虹膜特征提取阶段一种常见的小波模极值算法,阐述了算法技术、解决方案和效果.     

Blackman窗插值的小波模极大值去噪算法

提出了Blackman窗插值算法,通过Ad Hoc算法得到信号模极大值,利用Blackman窗对信号模极大值点进行插值,得到信号的估计小波系数进而依此小波系数直接重构信号。仿真结果表明,该算法具备了模极大值直接重构算法的快捷性和交替投影法的精确性,提高了信噪比,降低了失真度。