共查询到19条相似文献,搜索用时 109 毫秒
1.
袁飞 《自动化技术与应用》2011,30(8):40-42
通过小波阈值方法可以去除语音中的噪声,但它的结果中会出现诸如Pesudo-Gibbs现象之类的情况.为消除此类情况,将平移不变量小波变换引入到语音信号去噪中,并结合阈值方法进行去噪处理.经过仿真实验,证明这种方一法比一般的阈值方法有很大改进,提高了信噪比. 相似文献
2.
小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。 相似文献
3.
小波阈值去噪在图像去噪中的应用 总被引:3,自引:0,他引:3
小波阈值去噪分为硬阈值去噪和软阈值去噪,它们的去噪思想都是在小波分解后的各层系数中,对模大于和小于某个阈值的系数分别进行处理.本文主要针对图像去噪,将一幅图像分别进行软和硬阈值去噪的方法进行比较,得出无论阈值门限设为何值,软阈值的去噪效果总是比硬阈值的去噪效果好这个结论. 相似文献
4.
5.
6.
7.
小波分析对于信号处理具有十分重要的作用.使用Mallat小波变换方法在已知噪声频率范围情况下对信号处理效果较好,但无法消除信号中的大量未知白噪声.引入SURF阈值,对小波进行过滤处理,可以有效过滤白噪声.设计基于SURF阈值改进的Mallat变换法进行去噪实验,得出结果并与单一Mallat小波变换法结果进行对比,得出改进后的Mallat小波变换法可以去除大量白噪声,使信号更加光滑、保真. 相似文献
8.
小波阈值去噪技术研究及其在信号处理中的应用 总被引:5,自引:2,他引:5
阈值函数的选取以及阈值的确定是小波收缩消噪的关键问题,阐述了小波变换及小波阈值去噪的基本原理.基于噪声和信号在小波变换下表现出截然不同的性质:噪声对应的小波变换系数将随着尺度的增大迅速衰减,建立了小波收缩消噪的统一框架.在该框架下总结了各种阈值函数的形式以及阈值确定的方式,研究了它们的性能及特点.仿真实验结果表明,该方法既能有效地去除信号噪声,又能较好地保留原信号中的突变信息. 相似文献
9.
光纤陀螺输出信号中主要含有白噪声和具有非平稳、长程相关、自相似性及具有1/fγ类型谱密度的分形噪声,传统的滤波方法难以去除这类噪声,小波分析的多分辨分析特性,使之成为分析分形噪声的有力工具.文中分析了光纤陀螺输出信号误差特性,建立了输出信号的数学模型,在分析了分形噪声的特性的基础上,采用小波变换方法生成分形噪声.在实验室环境下采集了某型号光纤陀螺仪输出信号,对其进行多种小波滤波方法滤波对比实验,并进行了实验结果分析,实验结果表明采用平移不变离散小波变换半软阈值滤波方法可以有效地去除分形噪声和白噪声,克服了硬阈值法有较大的方差和软阈值法有较大的偏差的缺点. 相似文献
10.
针对常用的小波阈值算法存在的缺点和心电图信号的具体特征,提出了一种新的自适应阈值算法.该算法通过估计含噪信号信噪比的大小,自动调节阈值来抑制心电信号中的噪声.实验表明该算法能有效地实现心电信号的噪声消除,同时也为其他信噪比较低的生物医学信号处理提供了一种新的方法. 相似文献
11.
12.
心音信号的自适应小波去噪 总被引:2,自引:0,他引:2
在采集心音信号过程中,难免要引入噪声,这些噪声影响到心音的分析结果。由于心音信号的非平稳性,普通的滤波方法在滤去噪声的同时,会丢失部分心音成分。文中提出了一种新的基于小波变换的自适应滤波方法,该方法能够有效抑制噪声,经实例验证,取得了满意的结果。 相似文献
13.
14.
15.
16.
17.
18.
基于MEMS传感器的胎儿心率检测仪 总被引:2,自引:0,他引:2
对胎儿心率的监护,能够监测出胎儿在母体的突发情况,并及时进行救治,可有效预防围产期胎儿死亡.本文运用一种新型MEMS加速度传感器,设计制作出一个小型化、便携式的胎儿心率监护仪.据有体积小、重量轻、功耗低的特点,便于在日常生活中随身携带,方便实用. 相似文献
19.
为研究去除心音信号中的环境噪声、工频噪声和肌电噪声等多种噪声,获得最优的心音去噪方法。论文基于平稳小波变换选取db5小波对心音信号进行3尺度分解,对分解后的高频系数分别选择了硬阈值函数以及软阈值函数,并对固定阈值、Stein无偏似然估计阈值、启发式阈值、极大极小阈值以及Penalized阈值进行了对比分析。通过去噪衡量指标对心音信号不同阈值以及阈值函数的去噪效果对比分析,硬阈值的去噪效果要好于软阈值的去噪效果,去噪效果最好的是S tein无偏似然估计阈值,有效地去除了参杂在心音信号中的多种噪声。 相似文献