非平稳环境下混沌信号的小波去噪方法

针对传统的去噪方法对混沌信号除噪的盲目性,及往往仅对平稳环境或缓慢变化的噪声有效的局限性,本文提出根据信号与噪声在小波域的分布特性及信号和噪声的模极大在细尺度下收敛的横坐标点来检测信号的奇异性,以分形维树理论为依据决定阈值,得到噪声在小波域中的位置以及小波系数大小实现去噪。实验结果证明此法有效可行。     

小波在信号检测及去噪处理中的应用

信号的奇异性检测在计算机视觉领域，函数f（x）在尺度S上的奇异点（边缘）定义为被光滑函数θs（X）平滑后的f（X）的局部突变点。当尺度较小时，θs（X）对f（x）的平滑作用是可以忽略的，因此进线检测提供了f（x）的大部分突变点位置。而当尺度较大时，信号与从θs（X）的卷积除去了小的信号波动，检测到的是较大结构的突变点。若把小波函数定义光滑函数的一阶或二阶微商，则利用多尺度小波变换可以检测出这些奇异点的位置。我们称θ（X）为平滑函数，当且在无穷远处θ（x）＝0，例如可取θ（x）为三次样条函数，并定义它的一阶和二阶…     

基于小波的信号去噪分析

由实际应用可得,作为一种新的多辨认分析方法的小波变换,由于具有多分辨特征和时频局部性,可同时进行频域和时域分析,所以特别适用于进行非平稳信号的处理。首先介绍了小波分析的信号去噪原理,其次接着阐述了4种去噪算法：小波分解与重构去噪方法、模极大值检测法、阈值法及平移不变量小波去噪法。对于叠加了高斯白噪声的仿真信号,分别将上述的4种方法用于去噪处理,并通过仿真过程不同及图形差异对几种方法进行比较。     

小波阈值去噪技术在ECG信号处理中的应用

心电图（ECG）是识别房颤的主要依据。但是在ECG信号中存在各种噪声干扰,可能导致ECG波段无法识别或者失真,影响医务人员的诊断。因此需要采用一定的技术和方法去除各种噪声干扰。文章采用小波阈值降噪中的软阈值算法对ECG进行处理,选择采用db4小波对含噪声心电信号进行小波分解,实现对ECG信号的去噪处理。     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

基于小波变换的信号去噪

小波分析是现代数字信号处理的重要分支。为实现基于小波变换的图像去噪,以小波变换为基础,对一维信号及二维图像信号进行去噪。实验结果表明,基于小波变换的图像处理可以有效地去除噪声,与传统的信号分析技术相比,小波变换能在对信号进行消噪的同时,更好地保留原始信号。     

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。     

基于小波变换消除信号噪声的研究

首先介绍连续小波变换的理论基础并对去噪阈值的设定进行了讨论,然后提出一种利用信号与噪声的小波变换不同性质来去噪的方法,最后给出并讨论了该方法的仿真结果。     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.     

混沌信号与噪声

本文通过三种方法分别研究了Lorenz模型和高斯白噪声，获得了混沌信号和噪声在这些方法下的不同表现特征。提出了根据关联维数（correlationdimension）判断降噪效果的方法，并进一步探讨了采用主分量分析（principalcomponentanalysis）确定嵌入维数（embeddingdimension）和去除混沌信号中噪声的可行性。最后得出结论：主分量分析用于确定嵌入维数和降低混沌信号中的噪声是不合适的。     

Chaotic Signal Denoising Algorithm Based on Self-Similarity

Inspired by the self-similar fractal proper-ties of chaotic attractors and the heuristics of similarity filtering of images, a novel chaotic signal denoising algorithm is proposed. By grouping the chaotic signal with similar segments, the denoising of one-dimensional input is transformed into a two-dimensional joint filtering problem. Singular value decomposition is performed on the grouped signal segments and the transform coefficients are processed by thresholding to attenuate noise and finally undergo inverse transformation to recover the signal. Because the similar segments in the grouping have good correlation, the two-dimensional transformation of the grouping can obtain a more sparse representation of the original signal compared with the threshold value denoising in the direct one-dimensional transform domain, thereby having better noise suppression effect. Simulation results show that the algorithm can improve the reconstruction accuracy and has better signal-to-noise ratio than existing chaotic signal denoising algorithms.     

基于小波变化阈值的光干涉信号去噪

为了提高参数估计的精确度,根据光反馈自混合干涉信号的特点,对光反馈自混合干涉信号进行了去噪研究。在多分辨分析小波阈值去噪的基础上,采用了一种改进的阈值函数,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的恒定偏差,并且具有软硬阈值函数不可比拟的灵活性。构建了光反馈自混合干涉理论模型,通过对其仿真波形和实测波形的处理,比较了三种阈值函数的去噪效果。结果表明,无论是在去噪效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法。     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.     

基于AR模型的小波变换在脑电信号消噪中的应用

提出了基于自回归模型(ARM)与小波变换的脑电信号分析方法,并利用他来消除脑电信号中的噪声干扰。小波变换是一种多分辨率的时间尺度分析方法,他能够将信号划分为不同频段的子带信号。根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果。利用小波变换能有效去除脑电信号中的噪声干扰。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

利用子波变换检测瞬时信号

本文提出一种基于子波变换的检测瞬时信号的方法。推导出一种适合于检测瞬时信号的子波基函数，并将其应用于检测波形和到达时间未知的瞬时信号，利用子波的伸缩和时移特性，通过对信号做多尺度的子波变换，可以在低信噪比下很好地检测到信号，本文还推导了相应的检测统计量及其统计分布特性，理论分析和计算机模拟结果表明，本方法是有效的，是提高检测性能的一种新途径。     

一种基于Morlet小波的振动信号包络提取方法

本文分析了Morlet小波的性质,定义了小波包络的概念,进而提出了一种振动信号的小波包络提取方法,理论分析和实验表明,在振动信号的包络提取中,该方法优越于希尔伯特变换方法。     

一种基于小波变换的图像消噪算法

该文在自适应树小波萎缩法的基础上,结合小波系数的零树编码思想和小波变换的信噪分离特性给出了一种新的小波消噪算法。该算法不仅减少了运算量,而且在消噪和保留奇异点信息方面也取得了较好的效果。