基于相空间重构和独立分量分析的超声信号噪声消除

提出了一种新的基于相空间重构和独立分量分析的超声信号去噪方法.应用该方法处理了实际的试块超声检测信号,并与小波去噪的效果进行了比较.实验结果表明,该去噪方法的效果与小波去噪方法接近,其特色是通过超声信号和噪声信号的盲源分离实现噪声消除.该去噪方法与小波去噪方法相比具有使用简单容易、去噪效果好和自适应强等优点.     

一种改进型综合去噪算法在心音信号预处理上的研究

比较分析了小波变换去噪法和经验模态分解去噪法在心音信号去噪中的优点和缺点,并且结合它们的优缺点提出了基于EMD分解的小波去噪算法,最后将文中提出的算法分别与小波去噪法和EMD去噪法进行比较分析.实验仿真表明:该算法能有效地实现心音信号中噪声的消除,并且能很好地保留心音信号的高频特征参数,对非平稳噪声的去除表现出独到的优势.     

连续波雷达生命信息检测和提取技术

雷达生命信号是微弱信号,常常淹没在噪声中,这些杂波噪声具有非平稳随机性,有效去噪是对有用信号提取和分离前的必要手段。本文完善了连续波雷达生命信号的理论模型,采用提升小波变换,通过比较不同阈值函数的去噪效果,确定最佳阈值函数。结果表明:利用提升小波变换、采用一种新型的改进软阈值函数去噪技术,信号的信噪比(SNR)和均方误差(MSE)均优于传统去噪方法。     

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。     

改进的小波模极大值降噪法在DS-UWB系统中的应用

由于超宽带脉冲信号持续时间短、发射功率低,传统去噪方法已不能很好地满足系统要求,而在超宽带系统中使用小波变换技术来抑制噪声时效果比较理想．通过对小波模极大值法进行改进,提出了一种新的去噪声方法——比值门限加相似系数法,它既能有效抑制噪声,又能保留UWB信号的奇异性．仿真结果表明,与模极大值法比较,该算法更简便,去噪效果更明显.     

基于小波包分解的纹理图像去噪

噪声对图像的后续处理影响较大,常用的去噪方法虽然可以去除变化平缓的图像中的噪声,但对细节较多的纹理图像的去噪效果却不太理想．文中基于信号和噪声在小波分解中呈现出来的不同特性,提出了一种新颖的小波包去噪算法．采用该算法对纹理图像进行最优小波包分解,并计算每个子频带的两个范数,然后根据范数值区分信号和噪声,从而达到去除噪声的目的．实验结果表明,该算法对皮革图像具有较好的去噪效果．不仅可以去除纹理图像中的大部分噪声,而且可以较好地保留图像纹理信息．     

小波包变换在煤与瓦斯突出预测中的应用

针对目前滤噪技术不能很好地使声发射监测得以准确预报的情况,进行了基于小波包变换的去噪研究.该研究利用信号的小波包分析、计算和最优小波包基选取的方法,通过计算机数值计算,模拟了强噪声下声发射信号检测,并通过Sym8小波包与小波变换去噪的比较,证明前者优于后者.用小波包变换进行消噪处理,噪声消除彻底,提高了预警准确性.     

基于形态学和提升小波的心电信号去噪方法研究

心电信号是一种典型的微弱信号,含有大量噪声,还具有强烈的非线性和非平稳性.针对传统小波计算量大,很难同时将心电信号中高频和低频噪声去除的问题,提出一种结合形态学与提升小波阈值去噪的算法,通过形态学滤波器去除信号的低频噪声,提升小波阈值去噪法去除信号中的高频噪声.经过对MIT-BIH心律失常数据库中的心电信号进行仿真,结果表明,结合形态学算法与提升小波去噪算法的去噪方法,能同时有效去除信号中的低频和高频噪声,提高了心电信号的质量.     

基于离散平稳小波变换的心电信号去噪方法

本文提出一种基于离散平稳小波变换的心电信号去噪方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的去噪方案。该方法能有效克服传统离散正交小波变换去噪时容易产生Gibbs现象,从而达到保持心电波形特征且抑制噪声的双重目的。     

一种基于局部均值分解的小波阈值信号去噪方法

在时频分析中,针对非平稳信号的滤波去噪的问题,鉴于部分传统的去噪方法对于非线性非平稳信号滤波的效果不是很理想。基于Smith提出的局部均值分解法,结合小波阈值,找出了一种自适应时频分析法。通过实例分析,比较小波阈值去噪、基于EMD小波阈值去噪和基于LMD的小波阈值去噪3种算法在进行信号滤波去噪过程中的效果,采用信噪比和均方根误差2种评价因子对该3种算法进行评价,结果表明基于LMD的小波阈值去噪方法能够更好的去除信号噪声,对信号去噪提供了一种新思路。     

基于小波理论谐波减速器振动信号的降噪研究

为满足频率高时窗口窄、频率低时窗口宽的要求,应用小波分析理论对XB-80-134H型谐波减速器的振动信号进行了分析,利用Daubechies小波对振动信号进行小波分解,并结合阈值去噪方法对信号作了消噪处理,即针对振动信号分解的各层小波系数设定相应的阈值,对于小于该阈值的小波系数认为是噪声并置为零,将剩余的小波系数重构,得到消噪后的振动信号.与传统的傅里叶降噪方法比较结果表明,小波降噪远优于傅里傅里叶降噪方法,小波降噪后的信噪比提高了6dB,而傅里叶降噪只提高了1 dB.     

煤热重信号的两步法去噪

提出不同于传统方法的两步法小波去除热重信号噪声的方法,即将小波去噪过程分成两步:首先,利用小波的二进制离散变换将信号进行不同层次的分解,分析不同分解层的小波系数,利用方差来区别突变信号的特性,对小波系数和尺度系数进行不同的滤波处理,重构获得除去突变噪声的含噪信号;然后采用传统方法将含白噪声的信号进行消噪处理.将该方法用于河北峰峰变质煤的恒温热重信号消噪,从去噪结果上看:两步法可以有效地滤除掉突变信号的干扰,且较好地保留了信号的基本特征.     

离散小波框架消除瞬态散射回波噪声

利用离散小波框架(DWF)结合非线性软阈值方法对瞬态雷达反射回波信号进行去噪处理。通过对模拟雷达散射回波信号去噪,并与传统的傅立叶方法,样条拟合,标准正交Daubechies小波基,sym4小波基,双正交bior2.2小波基法进行了数据对比,表明该方法对瞬态非平稳信号去噪效果更为明显。     

基于选择因子的GSR信号小波去噪方法

在Galvanic Skin Response(GSR)信号采集过程中,由于环境等因素不可避免地会引入噪声,需要在进行模式识别前对采集信号进行去噪处理。本文利用MATLAB研究不同小波组合对GSR信号的去噪效果,并使用信噪比、均方差为评价指标,提出了一种基于选择因子的GSR小波去噪方法。利用采集得到的已有GSR信号,根据选择因子选择出来的小波组合,对GSR信号去噪处理。实验中采用db5小波对信号进行5 层分解,在sqtwolog或heursure阈值选择方法下对信号进行的去噪处理,从而达到了理想的滤波效果。     

自适应小波阈值与平均算法去噪在拉曼光谱中的应用

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限.现有滤波方法在光谱信号除噪方面有种种缺陷.基于Dohono提出的小波阈值去噪,使用一种自适应小波阈值函数滤噪法并与平均算法相结合,实现信号与噪音的分离.该方法除噪完全,即使对信噪比小于1的高噪声信号也能够很好地保留信号的细节,获取满意的处理结果.     

改进的阈值小波和PSO－SVM算法及应用

本文提出了基于改进阈值小波及改进支持向量机的低速重载滚动轴承故障识别方法.首先在实验台上测量三种不同工况的轴承信号,利用改进阈值小波对信号进行降噪处理,将降噪的信号利用小波包分解法得出各频带的特征能量值;其次利用粒子群算法来优化支持向量机的学习因子,提高支持向量机多分类器的识别性能;最后,将特征能量值导入优化后的多分类器,实现低速重载滚动轴承的智能识别.结果表明,结合后的方法有着良好的诊断效果.     

在超声检测中利用小波分析降噪并提取伤信号

利用小波和幅度阈值与宽度阈值联合识别定量的方法，对火箭发动机药柱内部缺陷的超声信号进行降噪处理，同时提取缺陷信号。经实验验证，所提出的降噪和缺陷信号提取方法能有效地降低高频噪声的干扰，并正确地提取出缺陷信号。     

一种递归滤波的提升方法

引入了一种对信号递归滤波的提升方法,该方法与通常的提升方法不同之处是使用IIR滤波器。探讨了空间域中基于离散插值样条的预测算子和更新算子的设计,提出的方法以插值为基础,只涉及信号的采样,不要求使用正交公式,更适合信号的处理。最后由数值仿真验证了该算法的性能,对于软阈值法小波系数去噪,提升小波变换T1^2同B9／7相比,前者略优于后者,提升方法的优点在于其设计上的灵活性和计算花费少。     

心功能参数小波分析原理

提出了应用小波分析技术来进行心功能参数检测的原理，介绍了据此研制的仪器的主要功能及特点，重点讨论了小波分析技术应用于几种心功能信号的特征点检测和信号去噪方面所取得的显著效果．     

基于互信息判据的小波去噪

通常的线性滤波技术不能很好地解决非线性时间序列去噪问题，而现有的非线性去噪技术的参数选择往往要依赖于直觉和经验．为此，提出基于互信息判据的小波去噪方法，利用小波进行非线性去噪处理，并以互信忠作为去噪处理截止的判定条件，给出了小波去噪算法，分析了其优势，并进行了仿真实验．仿真结果表明，小波算法能更好地处理不平稳和突发的噪声；互信息所指示的优化截断尺度，既较好地保留了信号的动力结构，又有效地实现了非线性噪声过滤．