一种基于Hilbert-Huang变换的语音去噪方法

在介绍Hilbert Huang变换理论的基础上,提出了一种基于HHT变换的语音去噪算法。首先对带噪语音信号做EMD分解,得到各阶IMF分量,然后对高频的IMF分量用小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert Huang变换在处理非平稳信号中的优越性。     

Hilbert-Huang算法研究

非线性、非平稳信号处理一直是热点问题。Hilbert-Huang变换是一种新的信号处理方法,它通过经验模态分解EMD算法和Hilbert变换能够得到信号的时间-频率-能量分布特征。但其在应用中,处理结果精确度不高。基于提高Hilbert-Huang变换的处理结果的精确度,提出了一些改进方法 ,通过MATLAB进行仿真,验证了改进方法的可行性及有效性。     

基于Hilbert-Huang变换的车削颤振特征提取

针对车削加工过程中颤振现象,将希尔伯特-黄(Hilbert-Huang)变换方法引入到车削颤振特征提取中。通过对振动信号进行经验模态分解(EMD)获得一系列固有模态函数(IMF),筛选出合适的分量,计算敏感分量的方差和主要分量的瞬时能量分布,并将其作为判断车削发生颤振的依据。用实测振动信号验证了该方法提取的车削颤振特征量,可以作为颤振发生的判断依据。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于Curvelet变换的图像消噪

小波变换对图像消噪能够起到较好的效果,但是对图像中线性区域的处理存在局限性.Curvelet变换是一种新的具有方向性的多尺度变换,他处理图像线性区域能有更好的效果.将Curvelet变换运用到图像消噪中,实验结果表明,他的消噪结果比小波消噪有着更好的视觉效果,并且PSNR也得到一定的提高.     

小波变换在信号消噪中的应用

小波分析具有时间平移和多尺度分辨率的特点,是目前信号处理领域中十分活跃的理论。本文介绍了小波原理以及信号消噪原理和方法,并将小波变换与傅立叶变换进行比较,仿真结果表明,小波变换是一种有效的消噪方法。     

基于Contourlet变换的煤粒图像消噪方法

为了准确检测煤粒相关信息,有必要对煤粒图像进行消噪处理。Contourlet变换具有多尺度、多方向性及各向异性等特点,可用于煤粒图像消噪。首先将图像进行多尺度分解及方向滤波,然后运用软、硬阈值进行消噪处理,接着进行Contourlet逆变换,得到消噪后图像。实验结果表明,采用Contourlet变换能有效去除煤粒图像噪声,并能保持煤粒图像纹理细节,提高图像信噪比(SNR),其消噪效果优于传统小波消噪。     

基于小波变换的语音信号消噪处理设计

本文介绍了小波变换的特点,分析了在语音信号消噪过程中所碰到的具体问题,并主要研究了阈值消噪方法。在阈值消噪方法中,对于小波阈值消噪个四个关键因素:小波基函数、分解层数、阈值函数、软硬阈值处理方法选取的难点问题进行了设计探索,并通过设计程序仿真出直观图像对比以及数据分析得到适合的阈值消噪设计方案。     

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。     

希尔伯特-黄变换在海浪资料分析中的应用

海浪是一种非线性、非稳态线性波动过程,常用的傅里叶分析分辨率不高,且会产生不存在的噪声信号。对此,将Hilbert-Huang变换应用到海浪资料分析中,即通过经验模态分解把海浪分解成13个子波,再对这些子波进行Hilbert变换,得到海浪的Hilbert谱。数据分析发现,该方法在得到风浪和涌浪的子波分量的同时,还得到了浅水碎波拍的子波分量,并清楚地表明了海浪高频有界性和微弱低频波动的存在。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

运用分频段希尔伯特黄变换进行多分量信号的频散分析

将分频段希尔伯特黄变换应用于多分量信号的频散分析中.首先,利用带通滤波器和经验模态分解相结合,成功实现了经验模态频率分解,并准确提取了经验频率模态函数;然后,使用该方法准确地获取了多分量含噪信号的时频能量谱和时频相位谱;最后,基于同步相差和异步相差算法,精确绘制了原信号的相速度频散分析曲线.数值试验表明,该算法拥有较高的时频分辨能力和良好的抗噪性能,对于复杂且信噪比较低的信号,能获得比传统希尔伯特黄变换更准确的频散分析结果.     

希尔伯特-黄变换在谐波和间谐波检测中的应用

提出了一种检测电力谐波和间谐波的方法。将Hilbert-Huang变换（Hilbert—Huang Transform,HHT）用于谐波检测中,应用该方法可以提取任意频次的谐波信号。首先,运用经验模态分解处理含谐波的信号,得到一组平稳的固有模态函数分量。然后,对每个固有模态函数分量进行希尔伯特变换,得到每个模态分量的瞬时幅值和瞬时频率,从而检测出各种分量的谐波和间谐波的参数。仿真研究表明该方法的可行性与有效性,并且可以准确地确定谐波的幅值、频率和时间。     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于Contourlet变换的图像去噪算法

提出了基于平移不变的Contourlet去噪方法,与平移不变小波去噪相比较,结果表明该算法能有效地消除人为的视觉效果,使去噪后的图像获得更好的视觉效果,同时PSNR也得到了很大的提高.     

HHT在脑电信号去噪中的应用

脑电信号在采集过程中极易受到噪声的干扰,如何有效地去除混入脑电信号中的噪声已经成为信号前期处理的难点。根据脑电信号和噪声的特点,使用HHT方法去除脑电信号中的工频噪声,并通过信噪比和均方误差对去噪效果进行了检测。仿真结果表明该方法不仅能够有效地抑制工频噪声,还可以较好地保持脑电信号的波形特征。     

基于小波变换的磁定向信号去噪

磁定向信号中畸变噪声的存在严重地影响了磁定向系统的性能。在介绍了磁定向系统工作原理,分析磁定向系统中噪声的产生和特性的基础上,将小波变换的方法应用于磁定向系统去噪,提出用小波软阈值函数对磁定向信号进行去噪处理。首先分析了信号和噪声在小波变换下统计特性的不同点,基于统计特性上的差异,对小波变换后的小波系数进行软阈值函数处理,提取那些模极大值随尺度增大而减小的系数,并保留这些系数,同时滤除模极大值与尺度无关的系数,达到滤除信号中噪声的目的。仿真结果表明：该算法能很好滤除磁定向信号中存在的畸变噪声,使得磁定向信号稳定性得到增强,最终提高了磁定向系统的性能。