基于上下文模型的混合傅里叶-小波图像降噪方法

针对小波变换和傅里叶变换去除图像噪声时各具不同的优点和不足,提出一种基于上下文模型的混合傅里叶-小波图像降噪方法.首先在傅里叶域中估计原始图像的功率谱密度,运用维纳滤波器降噪,降低原始图像噪声水平;再在小波域中通过基于上下文模型的自适应阈值法去除剩余噪声;在小波域中使用平稳小波变换分解图像信号得到分解后的系列小波系数,根据小波系数间的相关性,利用上下文模型求取小波系数的方差,将其代入由GGD模型估计出的阈值表达式得到自适应阈值,再用软阈值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪.仿真结果表明:该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象.     

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.     

二代小波变换在地震信号降噪技术中的应用

小波变换是去除地震信号中随机噪声,提高信噪比的有力工具,但实际去噪效果受到小波基函数、分解层数、门限阈值和阈值函数的影响。将二代小波变换与改进的阈值函数相结合,通过对去除相关成分的小波细节系数进行白噪声检测,确定最佳分解层数。通过仿真实验证明,该方法具有较好的去噪效果。     

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。     

基于小波包变换的信号去噪应用研究

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理,可以有效地抑制噪声,很好的重构信号。在平均浮动阈值的基础上,通过计算机仿真,显示了平均浮动阈值下小波包变换信号去噪的效果,结果表明:此方法具有良好的效果。     

小波奇异值分解的瞬变弱信号检测

研究小波阈值法和奇异值分解法,分析最大分解层数、阈值函数、小波基函数的选取以及窗长和保留奇异值个数等参数的选择,并在此基础上提出小波与奇异值分解相结合降噪检测信号的方法。该方法首先将信号作小波分解,再对小波分解系数作奇异值分解,最后通过阈值法保留小波系数并重建降噪信号,利用重建信号进行信号检测。结果表明:该方法能更好地区分信号和噪声,获得更好的降噪和检测结果。     

改进的小波域阈值去噪方法

针对使用常规小波域阅值去噪方法对含有高频噪声的低频信号或较平稳信号进行处理时，其去噪效果和信号保真度有时不能令人满意的问题，提出了一种对小波变换尺度1上的小波系数进行二次小波变换，并进行去噪处理后重构小波系数的新方法。该方法可去除大部分高频随机噪声。此后，再对重构后的信号进行小波域阈值去噪处理。仿真结果表明：该方法去噪效果明显，且信号主要细节保留较好。     

肌电信号相邻尺度积系数硬阈值滤波

为了消除肌电信号中的噪声,提出了一种基于相邻尺度积系数的硬阈值滤波方法.通过对采集的肌电信号进行小波分解,并对肌电信号的各层噪声方差进行估计,构造一种基于相邻尺度积系数的硬阈值函数,实现了真实信号与噪声的分离.根据保留下的小波系数进行重构,得到滤波后的信号.实验表明该方法能有效消除噪声,且基本保留了真实信号的边缘特征,为提高基于肌电信号的手部动作识别率提供了技术手段.     

改进的阈值法在毫米波目标辐射信号去噪中的应用

根据毫米波目标辐射信号小波变换的特征,使用非负小波系数作信号的小波系数,对于确定的阈 值,令小于阈值的小波系数为零,大于阈值的小波系数减去常数a ,利用信号的方差函数推导了a 的取值方 法,实验表明该方法有良好的去除毫米波目标辐射信号噪声的能力     

一种基于互相关函数的小波系数相关阈值去噪方法

针对传统的小波系数相关去噪方法中,在对含噪信号进行小波变换后,各尺度上的小波系数会产生微小偏移的问题,提出了一种基于互相关函数的小波系数相关去噪方法.采用互相关算法,计算各个尺度与原始含噪信号产生的偏移量,再把偏移后的尺度进行相关分析,得出准确的突变信号;为了去除信号突变附近附带的少量噪声信号,再采用临界阈值去噪方法对...     

基于邻域的小波系数阈值医学图像去噪研究

为有效去除图像噪声并保护图像的细节信息,本文提出了一种基于邻域的小波系数阈值去噪方法,结合图像的邻域信息,通过比较窗口中邻域小波系数对噪声图像进行阈值处理达到有效降噪的目的。实验对比结果表明了该方法的有效性。     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

基于小波熵的航空磁测数据去噪

在小波阈值去噪的基础上引入小波熵概念,利用信号在不同的分解尺度上具有不同的小波熵,自适应地确定高频系数分量的阈值.仿真和试验分析表明,在低信噪比条件下,小波熵阈值的去噪效果优于其他几种阈值,能够有效去除航空磁测数据中的噪声,提高磁异常探测能力.     

基于曲波变换的地震信号去噪方法

根据curvelet变换的性质和阈值去噪原理,提出一种地震信号自适应阈值去噪方法.首先对地震信号进行curvelet变换,利用地震信号的curvelet,变换系数在小同分解层的特点,通过计算curvelet系数统计量的方法来确定自适应阈值,然后采用软阈值折衷方法埘curvelet系数进行处理,最后通过curvelet逆变换得到去噪的地震信号.试验结果表明,该方法在去除噪声的同时能更好地保留信号的细节,其去噪效果要优于传统的小波去噪方法.     

一种新的基于小波变换的图像降噪算法

小波分解后,信号小波系数的绝对值较大,噪声小波系数的绝对值较小,并且不同子带不同方向上噪声的方差不同,方差和信号小波系数的个数存在一定的关系,这样就可以根据信号小波系数的个数确定最佳阈值在小波系数绝对值序列中的位置,得出最佳阈值。实验表明,本方法能得到较好的降噪效果。     

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。     

小波图像去噪的一种小波改进算法

小波阈值去噪算法是去除图像信号中白噪声的有效算法.其中阈值选取关系到图像重建的精确度.软硬阈值函数能够有效地去除噪声,却不能很好地保留细节信息.在传统软硬阈值函数的基础之上提出了一种自适应的阈值函数,能根据分解层次的不同而自动地调节阈值.根据仿真结果,证明该算法进一步继承了硬软阈值函数的优点,改善了其缺点,而且能够较好去掉噪声并且保留图像的细节.     

采用集合经验模态分解和改进阈值函数的心电自适应去噪方法

针对心电信号中存在基线漂移、工频和肌电干扰等噪声对后续的分析和诊断带来干扰的问题,提出了集合经验模态分解(EEMD)改进阈值函数的心电自适应去噪方法。运用EEMD将含噪心电信号分解得到一组由高频到低频分布的固有模态函数(IMF)。采用过零率自适应判断各IMF的噪声类别:若IMF包含高频噪声,采用结合软硬阈值优缺点所提出的改进阈值函数以去除IMF分量中的高频噪声;若IMF包含低频的基线漂移,则采用中值滤波器抑制基线漂移。最后将处理后的IMF分量叠加,即可重构去噪后的心电信号。实验结果表明,与已有的小波阈值法去噪后的信噪比(SNR)和均方根误差(RSME)对比,所提方法对心电信号去噪效果更加显著,而且能完整地保留波形特征。