表面肌电信号的小波消噪改进算法

根据在不同尺度下信号和噪声的小波变换系数的相反特性，提出了一种改进的小波消噪算法来去除肌电信号中的噪声.利用Mallat算法对肌电信号进行小波分解，实质上就是将信号投影到尺度空间和小波空间，分别包含了信号的光滑通道分量和细节分量.兼顾软阈值和硬阈值量化方法的优点，利用两者的加权平均值滤除由噪声所决定的小波变换系数，从而在大尺度下补充细节信息并保持信号在奇异点的特征.利用保留下来的小波变换系数进行信号重构即得到消噪后的信号.实验结果表明，该方法可以有效去除噪声，兼顾了软、硬阈值的优点，保留了在模式变化过程中肌电信号细节部分的有用信息.     

对称小波变换用于非平稳信号检测和去噪

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于对称小波多层系数乘积的信号去噪算法,该算法首先对信号进行多尺度小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值,归一化和去除噪声小波系数;再利用归一的模极大值与相邻低层小波系数再次相乘作为对应层次的小波系数,逆变换得到去噪后的信号。实验仿真表明:该算法在有效去除噪声的同时,还能突出信号中的突变点。     

基于小波提升的ECG去噪和QRS波识别快速算法

提出了一种基于小波提升的ECG去噪和QRS波识别的快速算法。该算法在小波提升基础上引入加权阈值收缩法,保证ECG有用信息不丢失,提高了去噪效果;利用去噪重构的中间结果并结合简单的差分法,实现了使用平滑函数一阶导数对信号进行小波提升变换,避免了需要二次小波提升变换的运算,在保证识别精度的同时,大大降低了运算复杂度。实验结果表明,该算法能得到较高的SNR和较低的MSE,QRS波识别准确率达到了99.5%以上。并且,该算法利于在硬件平台(FPGA)上实现,便于在心电监护设备上集成。     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

基于平移不变小波变换的多普勒速度声纳输出信号处理

针对水下航行器组合导航系统所使用的多普勒速度声纳输出信号的特点,采用了平移不变小波变换的多分辨率分析的方法,利用Daubechies小波函数,采用了半软阈值去噪的方法,能够在低信噪比的情况下准确地估计多普勒声纳的频移,从含有噪声的多普勒输出信号中提取出原始信号.通过仿真实验表明:采用4层小波分解,算法计算量减小,有效地...     

基于小波和复倒谱变换的音频水印技术

提出了一种基于小波分解和复倒谱的音频数字水印算法。该算法通过对原始语音信号进行三级小波分解，提取出小波近似分量，从近似分量中选取重要系数。利用复倒谱变换系数的不相关性，对重要系数进行复倒谱变换实现解相关运算，最终把水印嵌入到语音复倒谱域中，实现了在语音信号中嵌入二值图像，提高了水印嵌入算法的不可听性。实验证明该方法在抗常见的信号处理如加噪、滤波、重采样、有损压缩等方面具有较好的稳健性。     

一种冗余字典下的信号稀疏分解新方法

针对目前冗余字典下信号稀疏分解常用算法计算复杂度高的问题,提出一种分组匹配追踪算法．该算法首先利用多组正交基构造冗余字典,然后采用迭代式分组匹配追踪,每次迭代从字典中选出一组和原始信号或残余最匹配的正交基,采用正交分解快速算法进行正交分解得到少量重要系数,多次迭代后逐渐稀疏逼近原始信号．实验结果表明,基于小波正交基级联冗余字典进行信号稀疏分解时,在同等稀疏条件下,与匹配追踪(MP)算法相比,该算法的计算速度提高了大约30倍,而且可避免过匹配现象．     

基于指数阈值的小波包变换图像去噪方法

小波包分析是一种比小波变换更加精细的分析方法,在对分解后的小波包系数进行软、硬阈值化处理时,易使重构后的图像产生马赛克现象,造成图像失真,为此提出一种基于指教阈值的小波包变换图像去噪方法.该方法采用小波包对含噪图像进行分解,然后利用指数降噪因子除小波包系数.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

基于小波变换的静音与语音分割新算法

含噪语音信号的静音与语音分割，即端点检测问题是语音识别至关重要 的一步，为了提高语音分割对环境的适应性，提出了一种利用小波变换分割含噪语音信号中静音与语音的新算法，该算法首先将语音信号进行小波变换，利用小波系数去噪，然后选择小波部分子带跟踪信号的能量变化以分割语音与静音，仿真实验表明该算法在低信噪比条件下也能够有效分割语音。     

基于小波系数稀疏性的数字调制样式识别

采用小波变换提取信号突变点信息,根据归一化前后数字调制信号小波系数稀疏性的不同特点,提出两个稀疏度参数和一种利用信号稀疏特性的类间调制样式识别算法。仿真结果表明,在低信噪比时方法比传统小波变换方法具有更高的正确识别率,算法复杂度低,且不需要码元同步。     

动态变形信号二进小波提取模型研究

引入二进小波变换理论研究动态变形信号分析模型，提出动态变形信号二进小波提取与粗差识别修复的技术路线．实例选择B3-spline小波函数，采用à trous快速二进小波变换算法的软阈值降噪方法进行动态变形信号提取，三倍中误差作为各细节尺度的降噪阈值，并在分解的细节尺度上进行粗差识别，在此基础上进行粗差修复，获取真实的变形信号．结果表明：用此模型能有效提取动态变形信号，变形信号提取的效果优于中值滤波的方法；二进小波第二分解尺度细节部分能同时定位孤立态、离散态与区域态粗差的位置，并且精度远优于Mallat算法，在区域态粗差边界的定位中表现尤为显著，这是由二进小波的平移不变性决定的．     

用小波变换的方法降低机车信号噪声干扰

介绍了一种在铁路机车信号传输过程中,用小波变换的方法降低噪声干扰和提高信号通道信号信噪比的方法,即用小波变换具有低熵性、多分辨率、去相关性和选基灵活性的特点,综合作为特征提取和低通滤波功能的手段,对机车信号和噪声干扰信号同时进行低通滤波和高通滤波,其低频系数主要反映信号信息,高频系数主要反映噪声和信号的细节信息.对非平稳机车含噪信号进行多层小波分析,对每层高频分解系数进行阈值处理后再合成,作为有效达到滤除噪声和保留信号高频信息的手段,对其进行了仿真分析.     

基于小波阈值和投影寻踪的非监督高光谱影像目标探测算法

针对高光谱影像的非监督目标探测问题,提出了一种基于小波阈值与投影寻踪遗传算法相结合的目标探测方法:首先对图像进行小波分解,进而利用折中阈值函数计算小波变换系数,再通过逆变换实现图像去噪和重建;采用对异常分布敏感的偏度和峰度作为投影指标,利用实数编码的遗传算法搜索最佳投影方向,有效地将目标信息投影至低维空间;最后采用直方图分割提取目标。利用高光谱影像进行一系列实验,结果表明该方法不仅更为有效地去除了图像噪声,而且能够快速、可靠地检测出目标。     

基于提升小波分解曲波变换的雷达影像消噪法

利用提升法对传统小波进行提升,将提升小波对雷达影像进行分解,形成子带影像,再将子带影像进行脊 波变换,并对变换结果进行消噪处理,然后进行脊波逆变换和提升小波重构,得到新的雷达影像。试验结果表 明:基于提升小波分解的曲波变换比传统小波分解的曲波变换对雷达影像消噪效果好,同时与传统的均值滤波 相比效果更好。     

基于自适应提升小波变换的语音增强算法的研究

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.Sweldens等人引入了基于提升法的小波变换,也称为第二代小波变换.提升法是一种柔性的小波构造方法,它可以使用许多线性,非线性或者空间变化的预测和更新算子,而且可以确保变换的可逆性.该文讨论强背景噪声下的基于自适应提升小波变换的语音增强方法,并与自相关相减法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声同时保持语音信号较好的可懂度.     

振动测试信号处理的小波变换方法

分析了小波变换的局部化特性，以及基于Donoho理论的小波阈值去噪方法，研究比较了不同阈值规则与阈值函数对去噪效果的影响。利用小波分解重构算法，对振动测试信号进行去噪处理，改善测试信号的信噪比，减少信号损失。     

一种更新提升形态小波图像去噪算法

提出了一种新的构造非线性更新提升形态小波的方法．它利用细节信号的信息改进尺度信号,并且可以保证该小波变换具有完备重构特性．对更新提升形态小波中的更新算子进行了拓展,提出了广义更新算子,它由一系列对细节信号空域滤波的数学形态学算子综合构成．将采用了广义更新算子的更新提升小波应用于图像去噪,对比实现结果表明,与传统小波阈值去噪方法相比,该提升形态小波具有更好的去噪性能,细节图像中的边缘损失很小,尤其在低信噪比情况下性能更加优越．     

基于提升小波的地震数据压缩编码算法

提出了一种基于提升格式小波的地震数据压缩算法,该算法针对地震数据信号及其噪声的特点,首先利用提升格式小波对地震数据进行小波变换,然后结合嵌入式零树编码的思想,对变换后的小波系数采用改进的SPHT算法进行编码.研究结果表明:本文所提出的算法能实现海量地震数据的快速编码,达到了对地震数据的高保真压缩;本算法实现的编解码时间快,同时解压的地震剖面图视觉效果要优于目前的离散小波压缩算法.     

自适应阈值的小波变换在纸病去噪中的应用

以图像噪声会影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出一种自适应阈值小波变换去噪方法．该方法根据含噪信号特性和信噪比,自适应地选择小波变换的最优分解层数和最佳软阂值,达到最优的降噪效果．仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波能有效地滤除噪声,同时还能较好地保护图像细节,使图像达到更好的视觉效果．