基于二代小波变换的信号去噪及其软测量建模

化工生产过程中采集到的数据信号通常具有随机性和非平稳性,附加了各种噪声,以至于影响数据建模的拟合效果和泛化性能.本文基于二代小波分析的特点,提出了一种对信号数据进行小波变换阈值去噪的方法.该方法可去除大部分高频随机噪声,提取真实信号,进而提高数据的置信度.将该方法与支持向量机相结合并应用于双酚A反应过程质量指标软测量模型中.仿真结果表明,该方法能有效恢复数据的真实性,提高数据建模的拟合精度与泛化性能.     

基于小波变换的信号消噪及其在软测量中的应用

介绍采用小波变换的方法实现对信号的消噪，且与BP神经网络相结合应用于丙烯腈转化率软测量中。实验表明基于小波变换的信号消噪比传统的消噪方法更有效。     

生产过程中的小波阈值信号去噪方法

在工业生产过程中,由于设备所收集到的混合信号中包含大量的背景噪声信号,而这些背景噪声信号会影响到异响有用信号的提取。因此,为对收集的信号进行消噪,提出了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,结合硬阈值和软阈值方法各自的特点,采用了几种改进的方案,分别是多项式插值法,软、硬阈值折衷法和模平方处理方法。最后给出了数值试验,结果说明,改进的小波阈值方法都得到了较好的去噪效果,为工业生产过程优化信号提取提供了依据。     

小波阈值去噪在图像去噪中的应用

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.     

基于小波阈值去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,该函数不仅易于计算,而且具有优越的数学特性和清晰的物理意义。实验结果表明,该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。     

声音信号采用小波去噪和小波包去噪的比较

受外界条件等因素的影响,采集到的声音信号中不可避免存在着大量的突变信号,因此需要对其进行降噪处理.传统的傅里叶分析不能同时分析信号在时域和频域的全貌和局部化特征,而这些局部化信息恰恰是表征声音信号的关键特质.小波变换在突变信号分析中得到广泛的应用,在声音去噪应用中取得了良好的效果,比较了小波分析和小波包分析两种去噪方法.     

基于小波变换的音频信号去噪

本文主要介绍基于小波变换的软阈值和硬阈值在数据处理中的应用，并用Matlab软件进行仿真。     

一种基于小波阈值去噪的改进方法

小波理论是一新兴的信号处理理论。它在时间和频率上都有很好的局部性：分析低频信号时，其时间窗很大；分析高频信号时，其时间窗较小。小波理论已成为信号去噪处理中的一种重要的工具。基于传统的阈值去噪方法，在分析研究了它们的优缺点之后．本着改进滤波效果，提高去噪质量的目的，提出了一种改进方法。该改进方法克服了传统阈值去噪方法的缺陷。并适用于进一步的自适应滤渡的需求．仿真实验证实了该改进方法的有效性和优越性。     

小波变换在电能质量信号去噪中的研究

研究电能质量信号去噪问题,针对电能质量信号在采集过程含有大量的噪声,给电能质量分析带来困难,因此要对电能质量信号进行去噪处理.传统去噪方法不能同时解决去噪和突变点信息保留之间矛盾的问题,导致去除噪声的同时损失了更多的原始信号信息.为了改善电能质量信号的去噪效果,提出了一种改进的小波软阈值电能质量信号去噪算法.采用融合软、硬阈值法的不同特点,通过自适应调整参数方式获得最优的小波系数的阈值,使得改进的阔值函数适应性更强,有效克服了采用软阈值法过渡光滑导致信号失真,而采用硬阈值法去嗓效果不佳的缺陷.仿真结果表明,算法补传统软阈值算法的缺陷,该方法消除信号中的噪声效果和还能保留突变点的信息能力都优于传统的去噪方法,为消噪设计提供参考.     

基于Matlab的小波阈值折衷去噪算法研究

基于硬阈函数和软阈函数的小波去噪算法处理的信号分别存在着偏差和方差过大的缺点,为有效解决这一问题,提出基于硬软阈值的折衷小波去噪算法。并采用四种常用的信号用matlab对去噪效果进行了仿真。仿真结果进一步表明了基于硬软阈值折衷去噪算法的优越性和有效性。     

基于Bayes阈值估计的小波在转子故障信号降噪中的运用

提出了一种有效的转子故障信号的降噪方法.该方法利用概率统计的最优估计原理对样本信号进行估计,增加了小波阈值参数的可靠性.根据Bayes估计风险最小的原则,对不同子带的小波系数估计小波阈值,通过软阈值函数进行逐层降噪,对降噪后的信号进行重构,达到对转子故障信号降噪.把从多功能振动实验台上取得的转子故障振动信号,利用该方法进行降噪.并将降噪结果与Birge-Massart小波阈值降噪法和Donoho小波阈值降噪法的处理结果进行比较,结果显示使用Bayes(贝叶斯)阈值估计降噪法处理的信号能够很好地保留信号的细节部分,而且信噪比(SNR)也有明显提高.     

基于提升的自适应图像消噪

信号经过小波分解后采用软阈值处理具有良好的降噪效果，提升结构是小波技术的新发展。从提升小波出发，通过引入正交性等约束条件得到了具有良好子带分解特性的一族小波；将这些小波应用到软阈值降噪处理中去，依据信号特性自适应的选择滤波器参数，可以明显地提高PSNR．     

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。     

一种基于领域阈值的小波图像去噪算法

为了去除图像中的噪声,文章利用图像分块的思想,结合阈值去噪法和最小均方误差估计(MMSE),给出了一种基于领域阈值的小波域图像去噪算法。该算法与经典的子带自适应阈值去噪法BayesShrink算法相比,本文算法在峰值信噪比和视觉效果上都好于BayesShrink算法。     

基于小波去噪的动态矩阵控制研究

为了消去动态矩阵控制（DMC）中系统输出所含的测量噪声，本文提出对一定长度的输出数据序列进行多层小波（尺度）分解，根据Stein无偏风险估计（SURE）法在每一层确定一个阈值，并用软阈值法对高频小波系数进行处理，然后将处理后的各层小波系数与尺度变换系数相加，重构出去噪后的当前时刻系统输出值．理论分析和实验都表明该方法在DMC中有效减小了静差，改善了控制精度．     

基于小波阈值的图像去噪方法研究

图像去嗓是对图像进行高级处理的重要基础,已经成为当今数字图像处理的热门领域之一。结合前人的研究理论,并在此基础上通过对小波阈值图像去噪时的阚值函数进行改进,从数学理论上改进后的小波阈值函数可以有效抑制传统方法所带来的固有缺点。经过大量的计算机仿真试验,最后所得结果表明改进后的小波阈值去嗓方法可以有效降低图像的噪声干扰,比较好地保留图像中重要的细节信息,具有一定的实际应用价值。     

临床心电信号工频干扰小波去噪方法对比分析

针对临床心电信号存在的工频干扰,基于小波变换方法,从实用性角度对比分析了三种去噪方法;频域强制去噪法:先对小波系数进行傅立叶分解,将受噪声干扰严重的系数置零,再进行小波重构;此法得到的信号较光滑,但有可能丢失有用信息;能量阈值去噪法:根据提前设定的能量恢复指数,得到预定阈值作为门限,保留一定的细节系数和全部近似系数重构小波;此法简化并优化了传统阈值的选取,较好保留了信号中的突变部分;默认阈值去噪法:其可信度较低,但仍可满足非高精度数据处理的要求;在实际临床应用中,可根据实际情况和处理精度选取合适的去噪方法,为进一步研究临床心电信号预处理奠定基础。     

基于小波熵和相关性的高分辨率阈值去噪方法

提出了一种基于小波熵和相关性相结合的高分辨率小波阈值去噪方法.首先利用小波变换中各尺度间有效信息和噪声的相关性不同的特性,对小波分解后的各尺度的高频小波系数进行相关处理,确定出有效信息的位置,并将其置零,经过相关处理后的高频小波系数认为是由噪声引起的.将相关处理后的高频小波系数分成若干区间,计算各区间的小波熵,将小波熵最大区间的高频小波系数的平均值作为噪声标准差,计算各尺度的阈值;采用软阈值处理,最后重构得到去噪后的信号.该算法实现了各尺度阈值的自适应选取,提高了信噪比.仿真验证了该算法的有效性.     

基于PCA的图像小波去噪方法

目前使用的各种小波去噪方法基本上都是建立在对噪声方差精确估计的基础上，而对噪声方差的精确估计是很困难的．提出了一种采用主分量分析（PCA）提取小波系数的主要特征，通过对小波域中噪声能量的估计来实现去噪的新方法．首先利用PCA对小波高频子带进行局部特征提取；然后以主分量对小波系数进行重建的平均能量作为局部噪声能量的估计；将原小波系数的能量减去噪声能量，就得到去噪后的小波系数；最后用小波逆变换对剔除噪声分量后的小波系数进行恢复得到去噪后的图像．本文算法无需对噪声方差进行估计，因而更具实用价值．本文算法与“软阈值”、“硬阈值”去噪方法相比，峰值信噪比（PNNR）提高了2～8dB．实验证实了本文算法良好的去噪性能。     

基于边缘检测的空间自适应小波去噪

一般的图像去噪方法在去除噪声的同时也使得边缘变得模糊,结合边缘检测和空间自适应思想,提出一种新的基于小波变换的图像去噪方法。先用小波边缘检测方法提取出图像各个尺度上的边缘,将小波系数分为边缘点和非边缘点,再根据边缘将小波系数分为各个小区域,这样将小波系数分为边缘点和各个区间内的非边缘点,分别对它们进行阈值处理。根据自适应准则,各个系数的阈值由它相邻的、有相同性质的系数决定,这使得在去噪的同时对图像的边缘特征予以保护。实验结果表明,该方法去噪后的图像信噪比更高,视觉效果也更好,在一定程度上解决了去噪时的边缘模糊问题。