基于小波变换的心音信号去噪方法

心音信号在采集的时候常常会受到噪声的干扰,因此对心音信号的去噪声处理成为众多研究者关心的一个问题。本文分析了基于小波变换的心音信号去噪方法的性能,以及小波基函数和分层系数的选择问题。实验表明采用Daubechies小波并进行6层分解,心音信号的去噪效果最优,在保持原始心音信号的成分后还能有效的滤除噪声。     

基于小波变换的微震阈值去噪方法

矿山微震信号是微震分析以及定位的重要基础,但是微震信号常含有大量随机噪声,这些噪声会严重地影响微震信号的分析与处理.在全局阈值的基础上,对阈值函数进行了改进,提出了一种基于小波变换的迭代阈值方法.采用Symlet8作为小波基函数对微震信号进行5层分解,利用全局阈值与迭代阈值分别对微震信号进行去噪处理,对比去噪后信号的波形、差剖面、频谱、信噪比和均方差.结果表明:迭代阈值去噪后的信噪比更高,均方差更小,去噪后的信号更接近原始信号,可以将有用信号与噪声进行有效地分离.     

基于小波变换的自适应阈值微震信号去噪研究

针对矿山微震信号中所包含的随机噪声对微震监测和微震源的准确定位存在着严重干扰的问题,根据前人的研究成果,在分层阈值上增加分层自适应因子,提出一种新的分层自适应阈值方法.该方法根据矿山微震有效信号的低频特性,利用分层自适应因子,将高频部分的噪声信号最大限度地去除,提高矿山微震信号的信噪比;同时,最大程度地保留低频部分的信号.通过实际数据与分层阈值的对比,验证了该方法的有效性与优越性.     

基于提升小波变换的心音去噪新方法

针对传统的小波阈值函数去噪无法有效滤除信号中的特定噪声,结合软、硬阈值函数的优点,提出了一种基于提升小波新阈值函数算法对心音信号进行去噪.首先利用提升小波变换对心音信号进行分解;然后利用新阈值函数更新其小波系数进行重构;最后与提升小波软、硬阈值函数去噪后的心音进行了希尔伯特包络提取验证其去噪效果.实验结果表明,提出的提升小波去噪新方法较软、硬阈值方法有更好的滤波效果,且提取的曲线包络更加清晰、平滑.     

改进的小波变换阈值去噪方法

针对Donoho的阈值去噪方法有时去噪效果不能令人满意的问题,提出了一种二次小波变换阈值去噪的方法--对小波变换各个尺度上的小波系数都进行二次小波变换,并进行去噪处理后重构小波系数,再由重构的小波系数重构原信号,此时原信号中已去除大部分随机噪声,此后再对重构后的原信号进行小波域阈值去噪.仿真结果表明:该方法具有良好的去噪效果,而且对信号的主要细节保留较好.     

基于Tetrolet变换的自适应阈值去噪

提出一种新的阈值函数,在Tetrolet变换域中利用此阈值函数通过最小均方误差进行自适应图像去噪.此方法主要优点是利用图像Tetrolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中利用新阈值函数通过LMS算法来对图像自适应去噪.实验结果表明:该算法具有更高的峰值信噪比和更好的视觉效果,是有效可行的.     

抑制震荡的自适应小波阈值去噪方法

分析了小波阈值去噪方法在信号的间断附近产生震荡的原因,根据产生机理的不同将它们分为属于伪Gibbs现象的震荡和由于小波阈值去噪在信号的间断部分因为去噪能力下降而属于噪声残留的震荡.为了消除这些震荡, 结合软、硬阈值方法的特点提出了一种新的阈值函数自适应地处理小波系数.试验表明,该方法有效地抑制了信号间断点处的震荡,获得了优于传统阈值方法的去噪效果.     

一种基于小波变换的图像阈值去噪方法

在基于小波变换的图像阈值化去噪方法中,阈值的选取非常重要,本文提出一种新的阈值函数,将其用于图像去噪,实验结果表明,采用本文提出的算法得到的无论是峰值信噪比还是视觉效果均优于传统的软、硬阈值算法。     

基于小波变换的心电信号阈值去噪

随着医学技术的不断进步,人们可以通过对心电信号的研究来诊断心脏病的严重程度及各种症状,但如何得到一个无噪声的心电信号,即对心电信号的去噪声已成为医学上越来越关注的研究热点。详细介绍了小波变换原理,通过小波变换原理对心电信号阈值进行去噪,由此得到一个纯净的心电信号,为诊断心脏病提供了一个新的方法。     

基于小波自适应阈值方法的探地雷达去噪

探地雷达在实际使用过程中会被各种噪音信号干扰,针对这一问题,本文提出一种基于小波自适应阈值算法的探地雷达信号处理方法。常规小波阈值算法处理探地雷达B-scan图像时因处理前后的小波系数有所差异,可能导致图像失真。为了使目标信号更加明确,并消除噪音等干扰,通过对小波阈值的选取方式和阈值函数进行改进,使用小波变换的不同层数的子带长度确定阈值,实现阈值自适应准确量化。实验结果表明该方法相对传统小波阈值算法更加适用于探地雷达信号处理,自适应阈值函数拥有更好的良好连续性和稳定性,进一步提高了去除直达波和降噪效果,更好的保存了目标图像的细节。与其他方法对比结果表明,本文提出的算法提高了峰值信噪比,降低了图像熵。可见该方法在探地雷达实际使用情况下有一定的应用价值。     

基于小波阈值去噪方法的研究

小波分析用于信号去噪的过程中,关键的就是阈值的选取和阈值的处理方法。系统介绍了四种阈值处理函数和四种阈值选取形式,并在MATLAB环境下进行仿真研究,将去噪后的信号进行比较,得出阈值去噪方法的一些结论。     

基于小波阈值去噪的方法研究

在地震资料处理中,提高地震资料信噪比是处理追求的目标,对于不同的信号特征需要用不同的处理方法。信号处理中难度较大的问题是频带重叠的有效信号与随机干扰信号的分离。在传统的匹配滤波方法中,总是假定有效信号和噪声均为平稳信号,并且对信号的先验知识要求较多,但在实际问题中,随机噪声信号众多而又复杂,它们会呈现许多不同的统计特性,如非平稳过程具有的时变性质。对于这一类信号由于对先验知识已知甚少,使用传统的匹配滤波处理方法则显得力不从心。     

基于小波变换新阈值函数的地震资料去噪方法

探讨在地震勘探中小波变换处理非平稳信号的时频分析方法,从强噪声地震信号中除去干扰进而提取有效信号。在D.L.Dohono提出的小波阈值去噪方法的基础上,提出了一种新的阈值函数用于非平稳强震降噪。该函数是介于硬、软阈值函数之间的一个可调函数,具有计算稳定性好、精度高、收敛速度快、对模型参数α的选择简单易于操作等特征。通过仿真实验和实际地震处理验证,表明所构造的新阈值函数能有效改善地震剖面处理效果,达到提高信噪比的目的。     

基于小波变换的图像阈值去噪算法研究

介绍了小波阈值去噪的原理,分析传统的软硬阈值函数的不足,对阈值函数的选取和阈值的估计进行了改进,提出了一种新的小波阈值去噪方法。实验结果表明,本算法明显提高了图像的峰值信噪比,即能较好的抑制噪声,又能很好的保留图像的特征和边缘信息。     

基于新的阈值函数的小波阈值去噪方法

在分析了硬阈值、软阈值小波去噪算法存在问题的基础上,构造了一个新的阈值函数,仿真实验结果显示,与硬、软阈值去噪方法相比,基于新的阈值函数的小波阈值方法能够得到较小的均方误差,并提高了重建信号的信噪比,且去噪后的信号与原始信号的近似性也较好.     

浅谈小波阈值去噪方法

<正>随着DSP(Digital Signal Processing)技术的高速发展,人们开始把图像也视为一种重要的信息源。但由于实际中发送设备、传输信道、接收设备的特性不理想,导致在接收端获取的图像掺杂有噪声,噪声的存在使图像质量下降。因此,对于图像     

动态称量信号小波变换强制性阈值去噪方法

针对目前离散小波变换阈值去噪仍保留较多的噪声或者产生不期望的震荡等问题,通过对离散小波变换阈值去噪效果分析,提出适合动态称量信号特点的强制性阈值去噪方法,建立强制性阈值去噪分解重构算法,并应用MATLAB语言实现.试验表明:动态称量信号去噪后得到的质量值稳定性较好,相对误差在-1.5%～2.0%之间,且动态称量信号数据处理速度得到提高.     

基于coif-5小波的心音自适应阈值降噪方法

为改善小波阈值及阈值函数在心音信号降噪处理中性能,通过使用coif5小波做5层小波分解,抑制分量极少的层次的系数,保留有用分量层次的系数,然后引入相关统计参量进行阈值自适应估计,并按提出的阈值函数对有用分量层次系数阈值化处理,最后通过处理后的系数重构出降噪信号;所提方法与硬阈值、软阈值、线性中间阈值函数降噪性能进行了对比,并采用了三类评价指标做出了有效评价。实验结果表明：提出方法降噪后的SNR更高、RMSE更小、听诊MOS更高。可见,提出方法降噪性能更优。     

基于小波分析的改进阈值去噪方法

小波去噪是小波分析在信号处理领域的重要应用之一,特别是其中的小波阈值去噪方法更以其操作简单和良好的效果而被广泛应用。本文对常规的软、硬阈值方法进行分析,提出了一种改进的阈值去噪方法。通过实验对比表明,当选取了合适的控制系数 时,该方法比常规的软,硬阈值去噪方法去噪效果更好。     

基于Cross-Validation的小波自适应去噪方法

小波去噪算法中,阈值的选择非常关键.提出一种自适应阈值选择算法.该算法先通过Cross-Validation方法将噪声干扰信号分成两个子信号,一个用于阈值处理,一个用作参考信号;再采用最深梯度法来寻求一个最优去噪阈值.仿真和实验结果表明:在均方误差意义上,所提算法去噪效果优于Donoho等提出的VisuShrink和SureShrink两种去噪算法,且不需要带噪信号的任何"先验信息",适应于实际信号去噪处理.