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.     

GIS局部放电小波阈值去噪算法的改进

为了抑制GIS局部放电现场检测中的噪声干扰,本文在现有的小波阈值去噪的基础之上,提出了一种基于新的阈值函数的去噪算法。该去噪算法与传统的基于硬阈值或软阈值小波去噪算法相比,具有表达式简单,易于计算的优点,同时通过仿真试验表明该算法提高了信号的信噪比,具有较好的去噪性能。     

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。     

基于Matlab的小波去噪算法研究

小波阈值去噪是通过小波变换技术将含噪信号分解及重构,通过一个阈值限定小波分解后的小波系数来去除噪声的方法。在小波分析域中分析了传统的软阈值法和硬阈值去噪方法的特点,同时指出传统分析法中存在的缺点,提出了软硬阈值折衷的去噪方法。采用雷达信号用Matlab对去噪效果进行仿真,证明了改进方法的去噪效果优于单纯的软阈值与硬阈值方法。     

小波分析的阈值去噪方法研究

小波阈值去噪方法在工程中已得到广泛应用,小波阈值去噪过程中,阈值的选取和处理方法是关键问题.本文介绍了传统的软阈值、硬阈值小波去噪方法原理,在此方法的基础上给出了一种基于小波分析的自适应阈值算法,弥补了软硬阈值函数的不足,通过仿真证明了该方法的有效性.     

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。     

改进的小波去噪法的研究

利用小波方法进行去噪,效果与选取的阈值、阈值的施加方式(硬阈值或软阈值)、分解层数以及使用的正交小波有关,但小波方法对噪音毛刺点却无能为力。在Matlab上选择合适的小波参数后对叠加了高斯白噪声的正弦信号降噪,然后使用平移不变量算法进行信号平滑。对比普通小波去噪,该方法能有效地消除毛刺,使去噪后的信号更光滑,更逼近真实信号。     

基于一种新阈值函数的小波阈值去噪方法研究

在分析了D.L.Donoho提出的硬阈值、软阈值小波去噪算法存在问题的基础上,构造了一个新阈值函数。新阈值函数的小波阈值去噪方法克服了硬阈值函数不连续的缺点,解决了软阈值函数中存在恒定偏差的问题。仿真实验结果表明,该方法可以有效地去除白噪声干扰,在信噪比和均方误差等方面均优于常用的软、硬阈值及改进的软硬阈值折中算法,去噪后的信号与原始信号的近似性也较好,充分体现出小波阈值去噪方法的优越性。     

自适应分层阈值小波去噪在雷达信号中的运用研究

在处理拉曼雷达回波信号过程中,采用小波去噪法进行算法反演前的数据预处理,针对小波去噪的核心问题-小波基的选择和阈值的设定提出了自适应分层阈值软门限去噪的方法,并选择了不同的小波基组合软硬阈值对去噪结果进行了对比.经实验数据验证,相对传统的滑动平均滤波,纯粹的细节和抑制全局阈值法,自适应分层阈值软门限在获取相同信号、保持相同能量的前提下能更好地恢复信号;在有云情况下信号的尖峰结构也没有变化,有效地抑制了噪声,提高了细节识别度和反演精度.