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.     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波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,也能保留信号的重要特征。     

基于改进EMD的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

基于小波变换模极大值的汽轮机振动信号去噪

针对汽轮机振动信号去噪问题,根据振动信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法.利用该法可以最大程度对含噪汽轮机振动信号去噪处理,实现信噪分离,并有效地保留信号的奇异点信息.     

一种改进小波系数重构的信号去噪算法

利用模极大值原理去噪后的小波系数,提出了一种采用三次样条插值进行小波系数重构,然后再结合Mallat重构算法,恢复出去噪后的信号.实验结果表明,该算法能给出信号原始小波变换系数的一个很好的近似,去噪效果明显.     

拉曼光谱预处理中几种小波去噪方法的分析

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.以钙长石的拉曼光谱为研究对象,探讨小波变换在拉曼光谱信号去噪方面的应用,分别采用移动窗口最小二乘多项式平滑、移动窗口中位数平滑、非线性小波软硬阈值法和小波变换模极大值法对加噪后的拉曼光谱进行去噪并对去噪效果进行比较.结果表明,小波变换模极大值光谱去噪法得到了较高的信噪比,小波软硬阈值法次之,其他2种方法去噪效果较差.小波变换模极大值法能够有效去除光谱噪声,并很好地保留了光谱信号特征,为拉曼光谱的校正模型的建立奠定了良好的基础.     

小波变换与线性调频信号脉内调制特征分析

提出了通过特征尺度的小波系数模极大值分析线性调频信号(linear frequency modulated signal,LFM)脉内调制特征的算法,分析了怎样选取特征尺度以及探究了怎样通过特征尺度的小波系数模极大值辨识出LFM的载频变化规律;并且研究了利用改进的小波脊线法提取了LFM的瞬时频率;最后对低信噪比下的LFM利用此改进算法进行了仿真。仿真结果表明,瞬时频率估计的精度得到了提高,尤其是信号起始段频率估计的相对误差低于0.05%,有效的克服了以往的小波脊线算法对低信噪比下的信号起始段频率估计的精度不高的缺陷。     

基于高斯性检验的自适应小波去噪方法

针对软阈值和硬阈值去噪算法存在的缺陷，提出了一种基于高斯性检验的自适应非线性阈值去噪方法。该方法根据信号和噪声的模极大值特性自适应确定分解层数，引入高斯性检验选择软阈值和硬阈值方法对每层小波系数进行降噪处理。仿真结果表明，该自适应滤波方法简单有效、稳定性高，去噪后信号信噪比得到很大提高，且不同仿真信号结果都明显优于经典的小波去噪算法。     

一种改进的模极大值小波域的去噪算法研究

利用小波变换消除噪声有很多方法,模极大值小波域消噪算法是比较好的一种算法,但是该算法只能采用二进制尺度分解,这限制了一些信号的分析结果。作者针对该不足进行了改进,采用自适应选择分解尺度代替二进制尺度分解尺度。仿真实验证明：改进的模极大值小波域消噪算法比原算法在提高信噪比上更加有效。     

一种改进的模极大值小波域的去噪算法研究

利用小波变换消除噪声有很多方法，模极大值小波域消噪算法是比较好的一种算法，但是该算法只能采用二进制尺度分解，这限制了一些信号的分析结果。作者针对该不足进行了改进，采用自适应选择分解尺度代替二进制尺度分解尺度。仿真实验证明：改进的模极大值小波域消噪算法比原算法在提高信噪比上更加有效。     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

基于VMD与改进DAE人车地震动包络信号识别算法

摘　要解决对野外环境中低信噪比的人车地震动信号进行分类时传统模式识别方法应用不便,以及识别率较低的问题,通过基于包络检波、变分模态分解（VMD）和改进的深度自编码器（DAE）的特征提取算法研究了针对该类信号的处理方法和特征提取方法。首先对目标的地震动信号进行希尔伯特变换,获取信号的平滑包络线,然后对包络线进行变分模态分解,并用相关系数对分解得到的IMF信号进行筛选,并将相关度较高的分量加权合成为高信噪比的中间信号,再对其使用改进的深度自编码器中进行特征提取。最后使用泛化性能好的随机森林算法对信号进行分类,从而实现对人车目标的识别和分类。结果表明：该算法对两类目标综合识别正确率较其他传统算法有较大提高。可见该算法针对该类目标有应用价值。     

低信噪比多径-信道下的OFDM带宽自动估计

针对低信噪比多径-信道条件下正交频分复用(OFDM)信号带宽估计精度低的问题,提出一种基于小波变换的OFDM信号带宽自动估计方法。首先利用修正周期图法(Welch法)得到信号瞬时功率谱,通过多次观察测量并对功率谱曲线进行统计平均。然后对功率谱曲线进行连续小波变换,计算小波变换后时间-尺度平面上同一时间不同尺度能量累计曲线,提取曲线局部峰值位置,进而估计信号带宽。实验仿真结果表明：在不同多径信道且信噪比为-10dB条件下,估计偏差均不超过1.2%,准确度优于传统方法,且鲁棒性较强。     

一种跳频信号跳周期联合估计算法

针对通信对抗中的实际应用,给出了一种联合算法估计跳频信号跳周期,与传统跳周期估计方法不同,该方法通过对信号进行谱图重排变换,然后提取时频脊线并对其进行小波变换,精确定位跳变时刻,最后得到跳周期的准确估计。仿真结果表明,该方法具有较好的抗噪性能,在信噪比大于-1db时能得到准确的参数估计。     

一种基于最优小波包基的电泳荧光信号去噪方法

针对现有电泳荧光信号去噪处理方法的不足,提出一种基于最优小波包基的信号去噪方法.该方法采用Shannon熵准则选择最优小波包基,选取Penalized阈值,用量化后的系数重构得到去噪后的信号.仿真实验表明:基于最优小波包基的电泳荧光信号去噪方法在使信噪比得到提高的同时,电泳荧光信号的峰值误差也进一步减小.     

基于小波变换模极大值的医学图像融合技术

针对目前的融合算法不能有效解决强去噪能力和细节信息保留之间的矛盾,提出一种基于小波变换模极大值特征的窗口区域强度自适应加权平均融合算法.首先,用选定的小波基提取不同尺度下小波变换模极大值特性;然后,利用信号与噪声的Lipschitz指数在局部奇异处呈现不同的表现形式的特性,滤除噪声信号;接着,计算模极大值的局部区域强度,动态地实现在不同尺度的子图像的小波分解系数之间分配权重;最后,将处理后的子图像重建得到融合后的图像.通过对CT和PET图像的融合实验,证明了该方法既可以适应不同特征图像的融合任务,又能达到有效抑制噪声而保留尽可能多的细节信息的目的.     

一种快速重构信号的方法è

从多尺度的思想出发，提出一种由小波变换的模极大值及造成小波变换模极大值眯的信号突变点的正规性快速重构信号的方法，在各尺度下，依小波变换模极大值及造成小波变换模极大值点的信号突变点的正规性来选取基函数拟合信号在该尺度下的小波变换，再作小波反演得重构信号，实验结果表明，它是一种快速而又有较高信噪比的重构方法。