航空发动机尾气静电信号去噪方法研究

针对航空发动机尾气静电信号噪声大,信噪比低的状况,研究了静电信号去噪方法。通过对强制软阈值小波去噪、默认阈值小波去噪、自适应提升小波去噪以及经验模态分解去噪四种方法的深入研究。以及基于matlab平台对各去噪方法的实现。对比分析四种方法在航空发动机实际试车中静电信号的去噪效果。结果表明,EMD方法对于尾气静电信号有较好的去噪效果,其他三种方法也可以实现不同程度的去噪。     

基于改进的小波阈值的电能质量信号去噪

针对硬阈值去噪效果不理想,软阈值去噪比较平滑使得信号产生失真的问题,提出了一种新的阈值去噪方法.采用对阈值门限进行改进并结合软阈值的去噪方法对电能质量信号进行处理,实现其去噪的功能.实验仿真表明,新的阈值去噪算法对电能质量信号进行去噪处理后的信噪比增益和均方误差相对于其他文献都有所改善.     

建筑物变形监测数据去噪的LMD方法

将局部均值分解方法 LMD应用于建筑物变形监测数据去噪.首先介绍局部均值分解的基本原理,然后给出其去噪的流程,最后通过一工程的实际数据进行分析.结果表明,其去噪性能优于EMD滤波去噪方法与小波去噪方法.     

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.     

基于最优FRWT的非平稳信号去噪新方法

研究非平稳信号的去噪,提出一种基于最优分数阶小波变换(FRWT)的信号去噪方法.该方法根据输出信号信噪比采用遗传算法寻找FRWT的最优分数阶值,实现非平稳信号的去噪.以带噪语音信号为例的去噪实验结果表明,采用新方法的去噪效果明显提高.     

自适应最佳去噪小波基的构造及其应用

针对给定的带噪信号,在传统小波阈值去噪的基础上结合多分辨分析理论,给出了使其Stein无偏风险估计子最小的最佳去噪小波基的自适应构造方法,再利用该小波基对原始信号做小波阈值去噪处理而得到一种自适应去噪算法,并将此算法应用到地震信号这类典型的非平稳信号的去噪处理中.仿真实验表明,较传统的小波阈值去噪方法,该算法不仅具有较...     

VMD-Wavelet 联合去噪算法研究与应用

为解决天然气管道运行过程中采集到的泄漏声波信号含有大量噪声的问题, 通过研究小波、 经验模态分解、 变模态分解等常见去噪算法, 分析了泄漏声波信号的特点, 将改进小波阈值去噪和变模态分解去噪相结合, 提出了变模态分解-小波变换(VMD-Wavelet: Variable Mode Decomposition-Wavelet) 联合去噪算法。 利用该算法对典型信号进行去噪运算仿真, 结果表明, 该联合去噪算法性能优于常见算法。 最后, 将 VMD-Wavelet 联合去噪算法应用于实际采集的油气管道泄漏声波信号去噪处理, 研究发现, 该去噪算法对强背景噪声下的泄漏声波信号能取得很高的信噪比改善和很小的均方误差。     

LMD在惯性导航中的去噪应用

根据以往对惯性导航数据去噪方法的不足,本文提出局域均值分解(LMD)与小波去噪相结合的方法对惯性导航产生的随机误差进行去噪处理,这种方法可以自适应地将原始含噪信号分解成若干个具有物理意义的PF分量之和,然后对各个PF分量进行小波去噪,最后将各分量的去噪结果相加得到最终的降噪信号。通过仿真数据与真实高塔测试数据的去噪实验,验证了该方法的有效性。     

基于小波阈值的图像信号去噪方法研究

主要对基于小波阈值的图像信号去噪方法展开研究。首先阐述小波分析进行信号分解及重构的算法原理,在此基础上总述了小波阈值进行图像信号去噪的算法原理及流程。最后对去噪效果进行了仿真分析,并将信号去噪结果与均值滤波、中值滤波等经典去噪方法进行比较。仿真结果表明,基于小波阈值的图像信号去噪方法能有效去除一维及图像信号中的噪声,输出信号的信噪比性能较传统滤波去噪方法性能更佳。     

基于连续阈值函数的小波去噪方法

文章分析传统软、硬阈值函数在图像去噪中的缺陷,提出了一个基于连续阈值函数的小波去噪方法.采用不同阈值函数的去噪方法对图像进行去噪处理,结果表明:基于连续阈值函数的方法的去噪效果优于其他非连续阈值函数的去噪方法.     

基于小波变换与傅里叶变换对比分析及其在信号去噪中的应用

本文对比经典的傅里叶变换和小波变换,从理论方面给出了两者的比较分析,对基于小波变换的去噪方法进行了重点分析.对阈值去噪方法,软、硬阈值,阈值选取方式以及阈值的选取做了分析,分别做了四种阈值选取方式的对比实验;软、硬阈值去噪对比实验以及傅里叶去噪与小波去噪对比实验,分析了这些因素对去噪效果的影响,并且对传统傅里叶去噪与小波去噪进行了比较.     

基于EMD的桩基缺陷信号去噪改进研究

针对桩基检测环境复杂,存在复杂噪声的问题.提出一种基于峭度准则和信号相关性分析的经验模态分解(EMD)去噪改进算法,通过峭度准则判断分量包含特征信息的多少,通过信号相关性分析判断分量是否为噪声分量,利用改进EMD时空去噪方法对信号进行第一次去噪,在此基础上,利用EMD小波阈值法对信号进行二次去噪,两次去噪构成本文完整的基于EMD的信号去噪改进算法.实验仿真显示该去噪方法对于桩基微弱信号在保留信号特征信息的前提下取得了显著的去噪效果.信号的去噪效果将直接影响到桩基缺陷信号的识别检测,具有重要的应用价值和研究意义.     

基于最大信息熵的小波图像去噪算法研究

去噪算法在图像处理的过程中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于最大信息熵的小波去噪算法,根据最大信息熵的理论确定了改进型阈值和改进型加权阈值函数中的加权因子。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与Donoho提出的小波阈值去噪算法的去噪效果相比,具有更好的去噪性能。     

一类耦合去噪-分割的新模型在图像处理中的应用

 针对被噪声严重污染的图像的分割结果很不理想的现象, 提出一类耦合去噪-分割的新模型, 先采用一种组合的去噪模型去噪, 然后用新的分割模型进行分割。实验结果表明, 提出的组合去噪模型(采用AOS算法)比现有的一些去噪模型的去噪效果更好; 而在分割方面,文中提出的耦合去噪-分割的方法也显示出有效性和可靠性, 特别是对含有较高噪声的图像分割比CV模型更有优势。     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

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。     

一种基于小波分析的改进阈值图像去噪方法

该文针对图像去噪中的小波阈值图像去噪方法进行了研究,分析了硬阈值去噪和软阈值去噪在实际应用中的优点与不足,结合这两种去噪方法的优点,在硬阈值去噪和软阈值去噪的基础上,提出了一种改进的阈值图像去噪方法。对于大小为256×256的Lena图片,该改进阈值法的峰值信噪比(PSNR)分别比软阈值法和硬阈值法提高了1. 63%和1. 59%。实验结果表明,当选择合适的控制系数值时,与硬阈值去噪方法和软阈值去噪方法相比较,该改进方法能达到更好的去噪效果。     

基于小波的图像去噪技术

本文介绍了小波分析去噪的基本原理,研究了基于小波变换的图像去噪方法;考虑到小波相关去噪方法的优缺点,给出了基于尺度乘积与阈值相结合的去噪方法,并进行了试验验证。结果表明,与常用的图像去噪方法相比,基于尺度乘积与阈值相结合的去噪方法可以很好地保留图像的细节信息,性能优于其他方法。最后,基于对小波去噪问题的理解,提出了对小波去噪方法的一些展望。     

一种新的信号去噪优化算法

针对一维信号去噪问题,给出全变差正则化方法进行信号去噪的内在机理,并在此基础上结合优化理论提出一种新的信号去噪方法.数值实验结果表明所提算法具有良好的去噪效果.     

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.