非均匀噪声分布心电信号的奇异值小波消噪法

针对一般消噪法对噪声非均匀分布心电信号消噪存在的不足,提出基于奇异值分解和小波阈值消噪相结合的消噪方法.该方法利用矩阵的奇异值分解将噪声非均匀分布的心电信号正交分解为噪声分布相对均匀的分量,在正交子空间中对每个分量进行小波阈值消噪,重构消噪后分量,得到消噪后的心电信号.研究结果表明:本方法有效地克服了因噪声分布不均匀而造成的小波阈值选择矛盾的缺点,有效地消除了大噪声区域的噪声,又完好保存小噪声区域的心电特征信息,且消噪后的信号与无噪信号之间的欧氏距离最小.     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确．     

基于小波熵的最优阈值去噪方法

小波去噪的核心问题是如何选取合适的阈值函数,进而估计出原始信号的小波系数.现有的改进去噪函数中大都含有需要根据经验来确定的待定参数,易用性和去噪效果均不理想.基于信号的小波熵理论,提出了令去噪后得到原始信号和噪声信号的小波熵之和为最大、从而获得了最优的小波软阈值去噪函数.对含噪声的Blocks信号进行仿真分析的结果证实了文中提出方法的有效性,该方法比采用软、硬阈值方法具有更好去噪效果.     

基于Matlab的小波消噪技术仿真与实现

信号处理技术中有一项重要的技术就是信号噪声的消除,利用小波对噪声信号进行分解,通过消噪阈值对小波系数进行处理、重构后得出小波消噪后的信号。在计算机上利用Matlab软件上进行仿真测试,结果表明,选取不同的小波可以得到不同的消噪信号结果,通过阈值的调整能得到较好的消噪结果。     

基于小波熵的心音信号去噪算法研究

心音信号在采集过程中,易受到干扰混入噪声,常采用小波变换进行心音信号的去噪处理。传统的小波阈值去噪,未根据心音和噪声的特性选择阈值,导致去噪效果不甚理想。针对小波阈值选择问题,提出基于小波熵的自适应阈值选择方法。基于小波熵阈值、极大极小阈值和固定阈值,分别对正常心音、第二心音分裂和含S4的心音信号去噪仿真分析。结果表明,在同信噪比条件下,本文算法的输出信噪比较大而均方根误差较低,该算法的去噪效果优于其他两种小波阈值去噪算法。     

基于Matlab的小波包μ律绝对值阈值消噪算法的研究

为了消除夹杂在doppler信号中的噪声,在小波包领域中分析了传统的软、硬阈值消噪方法后,提出了一种能对doppler信号进行有效消噪的新方法,即小波包μ律绝对值阈值法。为了验证该方法的有效性, 在Matlab7.0软件中编写相关消噪程序并进行了仿真,证明该方法不仅能解决硬阈值消噪不连续的问题,而且还能解决软阈值法中阈值处理前后小波系数存在恒定偏差的缺陷,在消噪的同时能减少信息损失,因而其消噪效果明显优于传统的软、硬阈值法。     

基于小波包分析的能量阈值消噪

白噪声的方差和幅值随着小波尺度的增加而减小,而信号的方差和幅值与小波变换无关.按照信号能量的观点,提出一种基于小波包分析对图像的高频系数和低频系数同时进行能量阈值处理的消噪方法.同小波分析相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果.     

基于小波迹和匹配追踪算法的超声波检测信号消噪

针对某大型国有企业的零件在线无损检测工程实际需求,为了提高超声波检测的准确度和精度,引入小波迹理论和匹配追踪算法对超声波检测信号进行消噪处理.首先,在信号的小波变换基础上构建一个小波迹字典;然后,在小波迹域内进行阈值消噪去除信号中的噪声;最后,利用匹配追踪算法通过有限步骤的迭代后,在小波迹字典上用一定数量的小波迹的组合来实现原信号的稀疏描述.小波迹字典内的小波迹具有对信号结构特征无损的描述能力,在小波迹域内消噪克服了传统小波消噪不考虑各尺度之间小波系数的相关性而只进行简单的系数收缩的缺陷.通过仿真试验将本文采用的方法与传统的小波硬阈值和软阈值消噪技术进行了对比,结果表明该方法的消噪效果要优于传统的小波消噪方法.实际超声波检测信号的处理结果也论证了本文所采用消噪技术的优越性.     

一种基于改进的软硬阈值折衷法的去噪研究

在小波域中分析了传统软阈值法和硬阈值法的特点,并在软硬阈值折衷法的基础上,提出了一种新方法;采用模糊滤波器对含噪信号进行预处理,从而降低白噪声的方差,然后采用软硬阈值折衷法对处理过的信号进行消噪,仿真实验表明,新方法可有效的抑制噪声.其消噪后的信噪比和均方误差均优于软硬阈值函数及其折衷算法,具有较好的消噪效果.     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

基于改进Hilbert-Huang变换的超声回波信号去噪研究

超声回波信号中包含大量有关缺陷性质的信息,由于信号在检测和传输过程中不可避免地受到随机噪声干扰,给后续信号处理带来误差。针对该问题,提出改进的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)应用于超声回波信号去噪,提取回波信号中反映缺陷本质特征的信号。改进算法引入小波包变换对超声回波信号作预处理,对处理后的信号进行经验模态分解,提出对数似然检验法,识别并去除噪声引起的虚假分量,重构出有用回波信号。通过对添加高斯白噪声的超声回波信号去噪,验证改进算法应用于超声回波信号去噪的可行性和有效性。     

基于小波熵的矿用齿轮箱振动信号相关去噪法

 利用真实信号小波系数相邻层间相关性强的特性,将基于小波熵的相关去噪法应用于矿用齿轮箱振动信号的处理,进行有用系数和噪声系数的划分,并对有用的小波系数进行重构,恢复原有真实信号,去噪过程中采用小波熵自适应设定阈值。为比较小波自适应相关去噪和硬阈值与传统相关性去噪的性能,分别对仿真信号和齿轮箱实测振动信号进行去噪处理,通过3种去噪方法的重构波形对比和信噪比与标准差的定量评价,以及实测信号的功率谱分析,表明小波熵相关去噪法有效提高了矿用齿轮箱振动信号的可信度。     

活塞杆摩擦焊接头的超声检测及缺陷二维重构

针对活塞杆摩擦焊接头的未熔合缺陷,采用超声无损检测方法对部件接头进行检测并提取了含噪声的超声回波信号,利用小波降噪法对含噪声缺陷信号进行了降噪处理,通过多位置、多点检测的方法对未熔合缺陷进行了二维轮廓重构.结果表明:1) 通过优化小波阈值降噪算法的参数提高了回波信号的信噪比,可以提升检测的有效性与准确性;能实现对缺陷信号的降噪并保证信号的完整性;2) 对检测数据进行理论计算确定了缺陷的多位置边缘点,通过缺陷边缘点的拟合,实现了未熔合缺陷的二维轮廓重构,重构结果与破坏性检验结果基本吻合.     

小波阈值去噪在烟气轮机信号分析中的应用

由于烟气轮机振动信号中含有大量的噪声成分,常使其非线性特征量的提取不准确,因此将基于阈值的小波去噪应用于烟气轮机振动信号分析中。首先介绍了小波阈值去噪的基本原理、阈值和阈值函数的选择方法,并对阈值函数进行了改进;然后分别对含噪Lorenz信号和实测振动信号进行小波阈值去噪实验,计算了其去噪前、后的关联维数。结果表明,小波分解后,不同尺度上信号和噪声的小波系数的分布规律明显不同,通过对其分析可以合理选择小波分解的尺度;在此基础上对小波系数进行阈值处理并重构,能有效地去除信号中含有的噪声,很好地保存信号的局部特征;去噪后信号的伪相图更加规则,关联维数估计值更加合理。该方法能提高信号分析的准确率。     

小波域中值滤波器在陀螺寻北仪中的应用

研究了利用小波变换消除陀螺干扰漂移的方法．通过对陀螺寻北仪两位置寻北方案的分析，表明陀螺随机干扰信号是影响系统精度的主要误差源．为此将中值滤波与小波阈值去噪相结合构造了小波域中值滤波器，并应用于陀螺数据处理中．寻北试验结果表明，该滤波器在有效对白噪声滤波的同时也能较好地去除脉冲噪声，与传统的去噪方法相比，寻北精度提高20％，对陀螺各种干扰信号具有很好的抑制作用．     

基于自适应的小波阈值和GTEO进行说话人识别

小波压缩是基于小波系数的阈值的一个简单去噪方法.它对于所有的含噪语音,都使用一致的阈值,不仅压缩了噪声,也压缩了部分语音成分,因此滤掉的语音感知质量会受到极大的影响.在小波去噪过程中采用了自适应阈值小波包方法.同时把小波去噪和推广的TEO结合起来,去提高系数的鲁棒性.为了进一步提高识别率,在识别阶段,采用改进的MCE算法.实验结果显示,提出的方法取得了较好的效果.     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

应用于超声测距的小波变换滤波算法

有效的滤波算法是提高超声测距精度的关键之一。小波变换具有时频联合分析的能力,采样点处的各级小波系数反映了其频率成分的分布情况。该文提出了一种基于小波变换的超声回波滤波算法。对原始数据进行离散二进小波变换,然后将各点的小波系数同理想回波信号的小波系数进行相关运算,利用得到的相关系数区分噪声和回波所在区段,然后对噪声的小波系数进行收缩处理,从而实现滤波。利用该算法对自制的超声测距装置采集到的回波数据进行了滤波处理。结果表明:其滤波效果要优于经典的小波阈值法,信号信噪比提高了6～9dB,数据中混有的大幅值噪声得到了有效抑制。