小波去噪中对模极大值的处理

分析信号和噪声的奇异指数，根据函数不同的奇异指数小波变换的局部模极大值具有不同的传播特性的理论，在相邻模极小构成的待选通域中对分析出的噪声局部模极大值所在的选通域进行平滑处理，反变换重建出去噪信号．实验结果表明这种方法计算简单且有较好的去噪效果．     

利用小波变换多尺度传播特性实现地震信号去噪

小波变换可以把时域信号变换到时间尺度域中,在不同的尺度下观察信号不同的局部化特征．由于信号和噪声具有不同的奇异性,它们的二进小波变换模的极大值在不同尺度下的传播特性也不同．文中根据信号和噪声在小波变换域模极大值的多尺度传播特性的不同,以及地震信号相邻道的相关性,提出了一种去除地震信号中随机噪声的方法,实验表明该方法具有较好的去噪效果．     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力，是描述和检测信号局部性质的有效手段；利用小波变换模极大值能检测出信号上的所有奇异点，根据小波变换模极大值随尺度的增、减规律，去除噪声对应的极值点，再由模极大值重构信号，提出了小波变换基于奇异信号的消噪方法，并应用于对一瞬时心率信号进行消噪。     

小波去噪中对模极大值处理

分析信号和噪声的奇异指数，根据函数不同的奇异指数小波变换的中模极大值具有不同的传播特性的理论，在相邻模极步构成的待爱域中对分析出的噪声局部模极大值所在的选能域进行平滑处理，反变换重建出现去噪信号，实验结果表明这处方法计算简单且有较好的去噪效果。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪.     

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.     

小波奇异性分析在滑坡体位移监测降噪中的应用

利用信号奇异性与小波变换模极大值性质间的关系,研究小波变换模极大值法用于滑坡体位移监测曲线去噪的处理方法.介绍了小波变换和信号多尺度分解的基本理论、信号的小波变换模极大值在不同尺度下的传播特性与信号奇异性的关系.并利用实际数据资料,在Matlab下进行滑坡体位移监测曲线去噪试验,取得了理想的效果.实验结果表明,将基于奇异性的小波变换模极大值法用于滑坡体数据处理中是有效的.     

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.     

子波变换多尺度能量相关的边缘提取

针对边缘检测中抗噪能力和精确局域化的矛盾，根据信号和噪声子波变换在多尺度间的相关性不同，提出了多尺度不同方向子波变换的能量相关的边缘提取方法。首先增强了图像的垂直和水平边缘分量，再求合成图像的模量极大值，在有效地抑制噪声的前提下，保持了边缘检测的精确局域人，     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

应用小波变换进行信号消噪处理

小波分析在时域与频域同时具有良好的局部化性质,可以利用信息信号和噪声信号在小波变换下具有截然不同的奇异性来区分信息信号与噪声信号。根据信号与噪声在二进制小波变换随尺度参数减小时信息信号和白噪声信号的小波变换的模极大值点变化的不同性质做消噪处理,然后再重建消噪后的信号。采用本研究所给出的方法对实际数据进行处理,其结果表明应用小波分析可以明显地抑制噪声,提高信噪比。此方法具有很好的实用价值。     

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。     

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.     

微弱信号检测的一种改进小波分析方法

针对小波变换去噪时对微弱信号不敏感,特别是在信号分类检测时检测效果不理想的问题,提出了采用小波熵应用于信号检测的技术.该技术的主要原理是利用小波分析矩阵相应稀疏程度去抑制信号的无关成份,其中小波系数熵确定噪声阈值,小波相关系数熵确定边界轮廓,实现信号准确定位.最后通过数值试验证明其效果好于常规小波变换模极大值的信号检测法,证明了该方法检测微弱信号边缘特性更切实有效.     

基于小波变换的舰船雷达信号去噪方法

由于舰船雷达信号目标环境的复杂性,从强杂波中检测目标异常困难,基于小波变换下奇异信号和随机噪声在多尺度空间中不同的模极大值传播特性,设计了一种实用的小波消噪方法。对舰船雷达回波信号实验检测结果表明,该方法能较好地改善信噪比增益,同时又能保持对突变信号的良好分辨率。     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.