基于小波变换的微震阈值去噪方法

矿山微震信号是微震分析以及定位的重要基础,但是微震信号常含有大量随机噪声,这些噪声会严重地影响微震信号的分析与处理.在全局阈值的基础上,对阈值函数进行了改进,提出了一种基于小波变换的迭代阈值方法.采用Symlet8作为小波基函数对微震信号进行5层分解,利用全局阈值与迭代阈值分别对微震信号进行去噪处理,对比去噪后信号的波形、差剖面、频谱、信噪比和均方差.结果表明:迭代阈值去噪后的信噪比更高,均方差更小,去噪后的信号更接近原始信号,可以将有用信号与噪声进行有效地分离.     

基于Mel频谱和LSTM-DCNN的矿山微震信号混合识别模型

微震监测是保证矿山安全生产的有效手段，微震信号识别精度直接影响着微震事件的判定及分析结果.鉴于此，以夏甸金矿微震监测数据作为样本，建立了基于Mel频谱和长短时记忆(long short-term memory, LSTM)神经网络与深度卷积神经网络(deep convolutional neural networks, DCNN)混合的矿山微震信号识别模型.首先对监测信号进行预处理，利用Mel时频谱降低干扰频段的权重并减小样本尺寸.然后利用LSTM和DCNN模型分别提取信号的时间特征及空间特征.通过多种模型的对比分析，结果表明本文提出的Mel-LSTM-DCNN混合模型对微震信号识别准确率最高.该模型为矿山准确识别微震信号提供参考.     

基于LCD分解的微震信号分析与识别

 针对矿山微震监测信号识别难,识别速度慢的问题,引入新的非平稳信号的分析方法--局部特征尺度分解法（LCD）,该方法可以自适应地将一个复杂的信号分解为若干个瞬时频率具有物理意义的内禀尺度分量（ISC）之和。与传统的经验模态分解（EMD）相比,LCD 计算的效率更高,并能更好地抑制端点效应。分别对矿山典型的岩石破裂微震信号和爆破振动信号进行LCD,结果表明,2种信号均得到了有效的分解。对各ISC作频谱分析表明,2种信号在频率分布上存在较大差异。对各ISC作Hilbert变换,得到的能量分析结果表明,2种信号在能量分布上也存在较大差异。该方法为快速、准确地识别微震信号提供了新的途径。     

自适应小波去噪算法及其在偏心补偿中的应用

针对液压自动厚度控制(AGC)系统中轧辊偏心信号的补偿问题,提出一种基于自适应小波阈值去噪算法的补偿方法.该方法根据噪声在小波变换下的特性自适应地确定小波分解的阈值,将去噪信号的信噪比作为性能指标,采用黄金分割法进行寻优,得到最优的阈值参数.仿真结果表明,该方法比原有的阈值去噪方法效果更佳,对液压AGC系统中轧辊的偏心信号具有良好的补偿效果.     

自适应小波阈值融合去噪法对采煤机振动信号的处理

提出一种自适应小波阈值去噪方法,该方法综合软、硬阈值函数的优点,构建了改进的阈值函数,赋予融合系数μ非定值表达式,使其具有较好的适应性。针对采煤机振动信号采集过程中的背景噪声较大的问题,采取分段阈值的方式,阈值根据信号分解层数的不同来确定。Matlab仿真实验表明,与软、硬阈值去噪法相比,改进的阈值去噪法去噪能力更强,而且能更好地保留原始信号的特征,对原始信号的重构更为准确。运用该方法对采煤机摇臂所采集的振动信号进行去噪处理,有效地去除了高频噪声信号,保留了齿轮啮合频率所在的低频频段,提高了信号的信噪比。     

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。     

利用小波域平滑和边缘保留的图像去噪算法

提出了一种基于小波域低频信号平滑及高频边缘保留的图像去噪方法.由于图像噪声主要集中在小波高频子图部分,且系数较小,常用的阈值去噪法存在阈值选取过大以致连同丢失掉边缘细节信息的缺陷,因此可以对高频子图提取边缘并保留和进行软阈值去噪处理后再融合;低频子图进行自适应维纳平滑滤波,进而得到重构出的去噪图像.实验结果表明,该方法在有效去噪的同时较好的保留了原有的边缘细节信息,效果明显.     

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.     

小波基下的多分辨率SURE阈值信号估计

根据小波阈值估计理论，通过最小化风险的估计，可计算自适应于数据的阈值，提高估计的信噪比。分析了噪声和信号在小波分解下的特性，提出了小波基下自适应于每一尺度的多分辨率SURE阈值算法，并采用该算法对被噪声污染的信号进行了估计，阈值T选取统一阈值，噪声的标准差由中位公式求出。仿真结果表明，与传统的小波阈值法相比，该算法明显地提高了估计的SNR。     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能. 关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值 中图分类号： TN 912.3
文献标志码： A     

小波分层阈值风机故障信号降噪

为剔除风力发电机故障信号中的干扰噪声,提出一种小波分层阈值降噪方法.通过构建一种在阈值处连续且可导的小波分层阈值函数,在MATLAB中采用仿真信号进行验证,采用不同的降噪方法与本文所用方法进行对比分析.仿真实验结果表明,该方法的信噪比为23.6814 dB,均方根误差为0.0258,均优于其他方法,有更好的降噪效果,比较适合风力发电机故障信号的降噪处理.     

级联自适应局部投影降噪方法

针对具有非线性、非平稳性特征的信号，提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先，利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后，利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明，本方法能够提高信噪比并降低均方误差，并在信号结构失真时恢复其原始吸引子形态，去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性能.     

小波分析在微地震信号处理中的应用研究

通过探究小波分析特性选取适合微地震信号处理的基本小波,并以实测微地震信号为例,论述了利用MATLAB小波工具箱成功实现微地震信号处理的过程。利用对称小波函数sym8、启发式阈值选择规则、软阈值函数、5层分解等参数实现了信号的自动去噪,经检验去噪效果良好。通过尺度-频率转换成功绘制出频率-时间-小波系数图和时间频率谱,为分析信号时频同步特性提供了有效手段。     

一种新的多小波自适应阈值降噪方法研究

为了能更好恢复强噪声中的微弱信号,提出一种多小波的自适应阈值降噪方法。该法首先将多小波引入降噪,克服传统单小波的不足,可以匹配信号中不同的特征信息;其次,在传统软、硬阈值降噪方法的基础上,提出了一种自适应阈值算法,克服每一级尺度上都采用同一阈值的缺点。将本方法和多小波软阈值法、D4小波自适应阈值法进行降噪对比实验,显示该方法不仅有效消除了信号噪声,尤其重要的是更好地保留了原有用信号的信息特征。     

基于自适应门限的分形维数语音端点检测

针对固定门限方法在语音端点检测技术中的局限性,为了提高低信噪比下语音端点检测的鲁棒性和准确率,将自适应门限应用于分形维数的语音检测中,提出了一种新的语音端点检测算法.该算法通过对语音信号产生机制的分析,将分形维数用于语音起止点的检测中,设计了自适应门限,从而有效降低了噪声干扰对检测结果的影响,并实现了实时检测.仿真实验结果表明,在低信噪比的情况下,改进的端点检测算法比传统的短时能量检测算法可更准确有效地实现带噪语音的端点检测,而且对噪声干扰具有更好的鲁棒性.     

基于EMD与1D全变分的地震信号去噪

经验模态分解(Empirical Mode Decomposition,EMD)是一种信号的时频分析方法,该方法在不需要先验知识的条件下,可以将非平稳、非线性信号,依据信号的特征,自适应的分解为多个本征模态函数(Intrinsic Mode Function,IMF)之和,得到高的频率分辨率。然而,一般的去噪方法是将所选择的高频IMF部分取不同的阈值进行滤波或者是直接置为零重构后实现信号的去噪,很显然这会造成高频部分有用信号的损失。1D全变分(Total Variation,TV)是一种有效的信号去噪方法,能够非常好的保护信号边缘信息,但有时也会把噪声当作边缘信息,出现虚假边缘现象。因此,基于EMD和1D-TV的优点提出了一种新的去噪方法,根据对实际金属矿床地震信号处理的结果表明,该算法能有效的消除地震信号中的噪声,并能有效保护地震信号边缘构造信息。     

基于GHM多小波和贝叶斯估计的图像去噪算法

图像信号滤波是数字图像处理领域的重要技术之一。传统的滤波方法存在去除噪声却引起图像边缘模糊的问题，利用GHM多小波变换分析图像信号和噪声的性态，结合贝叶斯估计方法进行非线性阈值和重构，实现了图像信噪分离的目的，提高了信噪比。仿真结果表明，该方法能够有效地抑制噪声，且较好地保留了图像细节。     

基于小波包变换的尺度自适应阈值图像降噪

针对传统小波变换易引起图像边缘模糊的不足,研究了基于小波包变换的尺度自适应阈值图像降噪。利用小波包变换可以同时对图像的高频和低频部分进行进一步的细分,因此可以更好地保留原图像信息的优势,更进一步,克服通用阈值的缺陷,软阈值函数的构造充分考虑了不同尺度层次上的系数的不同特点,产生尺度自适应阈值。通过对加噪图像的实验可以看出,与传统方法相比,本文方法不仅降噪效果有很大的改进,而且有很好的视觉效果,峰值信噪比也有较大幅度的提高。     

一种核信息系统的随机信号降噪处理技术

针对一种核信息系统随机信号的特点及噪声分析,借助于Matlab信号分析工具,通过分别采用FFT频域滤波法、抑制细节系数滤波法、全局阈值滤波法和分层阈值滤波法等对随机核信号进行降噪处理及分析比较,研究结果表明,分层阈值滤波法降噪得到的结果光滑性和相似性都比较好,同时采用最小二乘法对分层阈值降噪后数字核信号进行非线性拟合,获得核信号的理想方程,提高了拟合后的核信号的测量分析精度。