基于小波变换的语音信号去噪

利用小波的时频域局部化特性，解决语音信号的去噪问题。文中给出了语音信号的小波去噪算法，并基于不同的阈值选取，提出了采用适合于语音信号的浮动阈值，实验表明去噪效果好，提高了语音信号的识别率。     

基于小波变换模极大值的信号去噪方法研究

信号在采集、转换和传输过程中,由于受到设备、环境及人为因素的影响,使信号不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息是信号处理过程中的一项关键技术。对基于小波变换模极大值的信号去噪问题进行了研究,根据信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法。数值实验结果表明了该算法的有效性和可行性。     

基于小波变换的语音信号去噪

利用小波的时频域局部化特性,解决语音信号的去噪问题。文中给出了语音信号的小波去噪算法,并基于不同的阈值选取,提出了采用适合于语音信号的浮动阈值,实验表明去噪效果好,提高了语音信号的识别率。     

小波变换的模极大值在图像边缘检测中的应用研究

边缘检测在图像处理中有着重要的作用.依据canny算子的核心思想,运用小波分析技术,提出了一种基于小波变换的模极大值边缘检测算法.仿真结果表明:该算法能提取图像较弱的边缘,有较好的去噪效果,且边缘有较强的连续性.优于传统的边缘检测算子.     

木质复合材料无损检测中振动信号的处理方法

探讨了木质复合材料无损检测中常用的处理振动信号的三种方法：时域波形参数分析方法、傅里叶变换分析方法、小波分析方法的特点。从理论上分析了这三种方法在处理振动信号时的优缺点，提出了进行木质复合材料的振动无损检测时，不同的检测目的选择相应的振动信号处理方法。     

小波分析在振动攻丝扭矩信号滤波中的应用

介绍了小波分析理论及小波变换的快速算法，讨论了该理论在振动攻丝扭短采样信号滤波中的应用，通过对所获得的扭矩信号进行小波变换，将其分解成若干个互不重叠的频带，利用阈值量化处理的方法去除噪声（高频信号），再将剩余部分进行重构，形成了抑制噪声的滤波信号，实验结果表明，该方法对采样信号进行滤波是十分有效的，对提高扭矩测量值的计算精度很有利。     

小波分析在振动攻丝扭矩信号滤波中的应用

介绍了小波分析理论及小波变换的快速算法 ,讨论了该理论在振动攻丝扭矩采样信号滤波中的应用 ,通过对所获得的扭矩信号进行小波变换 ,将其分解成若干个互不重叠的频带 ,利用阈值量化处理的方法去除噪声 (高频信号 ) ,再将剩余部分进行重构 ,形成了抑制噪声的滤波信号 .实验结果表明 ,该方法对采样信号进行滤波是十分有效的 ,对提高扭矩测量值的计算精度很有利     

音乐信号小波阈值去噪模型及其应用

利用小波阈值滤波的原理,建立了阈值滤波去噪模型,解决了小波基和小波分解层数的选择以及阈值和阈值函数的选取这2个关键问题。小波基的选取应该均衡考虑光滑性与紧支性。采用数值仿真方法,通过一段音乐信号,分析了小波基的不同选取方式、不同阈值选取方法、不同分解层数对去噪效果的影响:选择不同的小波,分别利用全局阈值和分层阈值去噪法来观察不同的小波选择对去噪结果的影响;选择一个固定的小波,利用全局阈值和分层阈值来比较这2种去噪方法的优劣。研究结果表明,选择db4小波基、分层阈值、分解层数为4~5层时,去噪效果最好。     

基于小波分析的图像边缘检测

本文介绍了数字图像的小波算法的基本原理，论述了二维图像的小波分析的边缘检测的原理，以及小波函数的构造。利用小波分析的边缘检测算法，对原始图像进行检测，具有良好的检测效果。     

基于小波分析的信号去噪方法

介绍了小波变换出现的背景及应用意义、信号去噪效果的标准及小波变换去噪的基本原理和方法。利用MATLAB软件特别是MATLAB小波工具箱编写仿真程序,结果表明小波变换在信号去噪中的有效性和优越性。     

基于小波阈值–卡尔曼的水田旋耕平地机倾角信号的去噪方法

基于全球卫星导航系统(GNSS)的水田旋耕平地机田间试验,采集平地机在调平过程中的倾角信号,采用小波硬阈值法,获取低频信号,并实时估计倾角信号的噪声方差,作为卡尔曼滤波的修正信息,再将低频信号作为系统输入,运用卡尔曼滤波对信号进行二次修正。试验结果表明：小波硬阈值–卡尔曼融合算法的滤波效果优于单一的小波阈值法和卡尔曼滤波,倾角信号经融合算法处理后,信号的信噪比由21.704提高到39.116,均方根误差从0.035 1减小至0.012 6。倾角信号中的噪声成分明显减少,信号的精确度更高。     

Copula 函数选择的小波方法

金融资产相依结构研究中选择Copula函数很关键.考虑到相依结构的局部特征差异,利用小波函数的局部自适应能力,将阈值规则引入Copula理论,提出Copula函数的小波收缩估计量,并以此为基准给出参数Copula选择的小波方法.这得到以标普500指数、日经225指数、恒生指数和上证指数为样本的实证支持.进而从不同的时间尺度视角捕捉到股市之间潜在的相依模式.     

改进的小波变换模极大值检测图像边缘的方法

提出了一种改进的基于小波多尺度多分辨率特征的数字图像的边缘检测算法,分别利用不同尺度小波变换后的水平方向和垂直方向高频信息,根据李氏指数与小波变换关系,采用小波模极大值在不同尺度下传播的特性,检测出图像在2个方向的极大值,然后利用模糊算法构造相应的隶属函数,提取弱边缘信息,最后得到不同尺度下的边缘图像。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,可以有效解决传统边缘检测方法中存在的搞定为精确及强去噪能力之间的矛盾。     

基于小波分析的樟子松表面和内部声发射信号频域研究

为准确计算樟子松断裂时在表面和内部传播的声发射（acoustic emission,AE）信号传播速度,对樟子松表面和内部传播AE信号的有效频段进行研究。为得到樟子松断裂时候产生的AE信号,使用万能力学试验机进行三点弯曲压断试验,并在试件表面相距固定距离的2个点采集原始AE信号。为得到不同频段的AE信号,对原始AE信号进行小波分解并重构AE波形。针对不同频段的AE信号,采用信号相关性分析法计算信号到达2个传感器的传播时差,以此计算AE信号的传播速度。根据AE信号在不同介质中的传播规律以及AE信号的传播速度判断AE信号的传播介质和AE信号的主要频率。结果表明,当AE信号在樟子松表面传播时,AE信号的有效频段为15~62 kHz。当AE信号在樟子松内部传播时,AE信号的有效频段为125~250 kHz。使用有效频段内信号计算AE信号的传播速度,可显著提升计算得到的AE信号传播速度的准确性。     

基于奇异值的小波变换微弱信号消噪法

针对信噪比低、噪声非均匀分布的弱信号消噪效果不佳的问题,提出了基于有效奇异值分解和小波阈值消噪相结合的方法.通过构造相空间矩阵并对其进行奇异值分解(SVD),得到一系列正交子空间.因为信号和噪声对奇异值贡献不同,提出奇异值最小二乘误差判定法进行有效奇异值选择,利用子空间重构信号.仿真实验表明:本方法提取出的信号完整性更好,信噪比更高.     

基于混沌振子的微弱信号检测方法研究

分析了During方程的基本形式以及During振子的混沌运动，阐述了基于相平面变化进行微弱信号检测的工作原理，并推导出系统发生间歇混沌现象的频差条件和相位差对于系统特性的影响。试验证明：该振子对与参考信号频差较小的周期小信号具有敏感性，对白噪声和与参考信号频差较大的干扰信号具有免疫力。     

小波多分辨率分析在信号去噪中的应用

对于非平稳信号,小波多尺度分解是一种有效的信号去噪方法。在多分辨率分析小波阈值去噪的基础上,提出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．同时具有软硬阈值函数不可比拟的灵活性。仿真试验结果表明,它在对信号消噪时能得到较理想的结果。     

基于小波变换的网络异常检测研究

由于普通的网络流量很难从中检测出异常,为了有效地分析网络流量,深入研究网络流量的性质,本文提出了一种基于小波的分解与重构思想,将网络流量通过小波变换分解成不同尺度下的逼近信号和细节信号,然后分别单支重构成低频序列和高频序列,根据低频序列和高频序列的特性,对异常网络流量进行检测.通过对真实网络流最的仿真实验,结果显示该方法能够比较简单且准确地检测出异常的网络流量.     

一种改进的小波阈值去噪方法

为了改进滤波效果,提高去噪质量,在分析目前被广泛应用的软、硬阈值去噪方法的基础上,提出了一种改进的阈值去噪方法.该方法既兼顾了软、硬阈值函数的优点,同时又在一定程度上弥补了它们在图像去噪中的缺陷.有效克服了硬阈值法去噪信号失真的和软阈值法细节模糊现象.仿真结果表明: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定量指标上均明显优于传统的软、硬阈值算法,达到良好的去噪效果.     

提升小波变换及其在信号去噪中的应用

介绍了提升方法(1ifting Scheme)的基本原理,给出了用提升方法构造传统小波的实现方法,并将目前常用的小波转换成提升小波。同时还将提升小波应用到信号去噪中,并进行了数值仿真试验,结果表明,在去噪后信号的信噪比相近的情况下,提升小波与传统小波相比,其优点在于计算简单、编程容易、速度快。