基于小波分析提取大跨径公路桥梁运营期GPS变形监测中的动态特性

针对运营期大跨径公路桥梁GPS动态监测数据受观测环境污染导致无法准确提取桥梁动态特性的问题,研究了利用小波分析技术从GPS观测数据中提取大跨径桥梁动态特性时4种常用小波阈值的选取准则,提出了基于分层、分段的处理方法处理桥梁GPS动态监测数据在不同阶段产生的不同大小振幅和噪声,最后将小波包技术应用在桥梁GPS动态监测数据高频阶段有用信号的提取。以苏通长江公路大桥作为研究对象进行试验,分析显示4种小波阈值中固定阈值存在过度去噪的现象,而自适应阈值在去噪的同时可以保存桥梁GPS监测数据丰富的实际特征,采用分层、分段的方法对桥梁GPS动态监测数据进行处理,结果表明该方法既可得到光滑的去噪结果,又能够最大程度地保留桥梁信号的特征,使提取的大跨径桥梁变形信息更为丰富。对比分析小波包法与小波法的去噪结果,表明基于小波包法在对桥梁GPS动态监测数据去噪的同时能够保留桥梁高频信号中更多的有用动态特性。     

基于小波变换和均值滤波的图像去噪

通过对图像中含有高斯噪声的分析和研究,结合现有图像去噪的方法,提出了采用均值滤波和小波变换相结合的方法来消除图像噪声。对含噪图像进行小波分解并且对各层小波系数进行阈值量化和进行小波重构,采用不同的模板对水平、垂直、以及对角方向子图像进行均值滤波,将低频近似子图像与处理后的各细节子图像结合得到去噪后的图像。仿真结果表明,所提出的方法相比于其它单一的去噪方法具有更好的去噪效果。     

基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。     

球坐标系下小波收缩去噪方法的改进

通过分析球坐标系下的小波收缩去噪法,对阈值函数进行修正,提出了一种较优的收缩判据.与传统的小波收缩去噪方法相比,该判据具有算法简单、工作量小等特点.仿真结果表明,改进的方法提高了图像的信噪比,去噪效果良好。     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

基于小波变换的图像去噪技术

利用小波变换中的不同尺度特性对确定信号具有的"集中"能力,提出了基于小波变换的去噪方法。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,其目的是尽量去除由噪声产生的影响,最后由处理后的小波系数对信号进行重构,以得到去噪后的信号。     

基于小波变换的信号噪声平滑处理

信号采集过程中不可避免的受到噪声的干扰,噪声的不可预测性和高破坏性对信号处理结果有很大的影响。本文基于小波分析方法对信号噪声平滑处理进行分析,表明小波分析方法可以很好的对噪声干扰的信号进行噪声平滑,为信号处理结果的正确性提供基础。选取小波基母函数dmy和haar均能够实现信号降噪,但使用小波基母函数dmy对含噪声信号的平滑效果更好。     

改进的小波阈值函数在超声波无损检测信号中的应用

针对小波阈值降噪中,软、硬阈值函数的缺点,提出了一种改进的阈值处理函数方法.将新阈值函数用于超声检测信号去噪仿真实验中,仿真结果表明,新阈值函数能够克服软硬阈值的不足,并且选取参数N=30时降噪效果最佳.     

基于小波变换的灰色模型边坡变形预测研究

为了合理准确的预测出边坡变形程度,减少边坡不稳定带来的损失,针对小波变换去噪理论与灰色模型预测方法的特点,提出了一种基于小波变换理论的灰色模型预测方法来预测边坡变形量。首先通过小波去噪,获得具有更小随机误差的观测数据,然后利用灰色模型预测变形量,最后通过结果对比分析预测精度。通过实验证明,基于小波变换的灰色模型边坡变形预测方法精度更高,效果更好,适合用于边坡变形预测。     

信号消噪的小波处理方法及其应用

通过对噪声特性的分析并用小波的方法对信号进行消噪处理，利用Matlab软件演示信号消噪的效果，并总结出小波分析对信号消噪的优点．     

基于自适应阈值的小波消噪算法研究及应用

基于小波多尺度分解的阈值方法是一种有效的信号去噪方法．应用最为广泛的是Donoho阈值法,但由于其阈值为全局阈值,不能在每级尺度上将信号与噪声做最大分离,去噪效果并不理想．在分析Donoho硬阈值和软阈值方法特点的基础上,提出了一种新的自适应阈值消噪方法,结合了硬阈值和软阈值方法的优点,仿真试验和工程实例均证明了该方法优于传统的阈值消噪方法．     

结合Tetrolet与主动随机场模型的高斯噪声抑制

文中提出一种结合Tetrolet变换和主动随机场模型的去噪方法,用于抑制图像中的高斯噪声.对含有高斯噪声的图像进行Haar小波分解,在小波变换域利用主动随机场算法针对高斯噪声进行去噪,并利用小波逆变换重构去噪后的图像,最后用Tetrolet变换在变换域进一步抑制噪声.实验结果表明,与直接利用小波、Tetrolet、马尔科夫随机场模型以及主动随机场模型等方法相比,该方法对添加不同程度高斯噪声的图像有更好的去噪效果.     

星载雷达弱目标小波去噪方法研究

针对星载雷达弱目标检测能力的不足,提出运用小波分解阈值处理的去噪方法改善检测前信噪比.结合频率步进信号高分辨成像的特点,设计了时域去噪和距离域去噪两种方法.仿真结果表明,两种方法均能有效地抑制噪声,提高检测前信噪比.通过分析比较,距离域去噪方法更为有效.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

一种基于符号动力学的混沌序列消噪方法

以符号动力学为分析工具,讨论了一类单峰映射混沌序列在符号动力学空间上的马尔科夫过程模型,从该模型出发给出了一种极大似然混沌序列噪声消除的Viterbi算法,并利用符号动力学的特点,对该算法的消噪效果进行了理论分析和仿真比较.实验表明,这种消噪算法的仿真结果和理论分析的结果是一致的,可以应用于混沌通信中的信号消噪处理.     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

剪切波与小波在信号及图像去噪中的应用

针对信号和图像去噪声问题,利用小波及剪切波理论,分别对信号及图像稀疏表示。通过软阈值算法将其重构,实现去噪声过程。根据小波和剪切波的不同结构,分析了剪切波与小波的去噪声过程,通过信噪比对比了二者的恢复效果。通过数值算例分析了消失矩对小波去噪声结果的影响,为去噪声问题中如何选择小波基提供先验信息。     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

图像的平移不变量小波去噪法及其应用

图像的平移不变量小波去噪法是小波收缩阈值去噪法的改进,能够有效抑制小波阈值去噪过程中出现的伪吉布斯现象.分析了图像的平移不变量小波去噪法的原理及其算法,并将该方法应用于颗粒显微图像的去噪.对采用不同去噪方法的图像按照分水岭算法进行分割,然后进行对比.实验结果表明图像的平移不变量小波去噪法的去噪效果较好。