改进的小波阈值消噪法应用于脉冲星弱信号处理

利用小波变换去除噪声的基本原理和方法及消色散方法对毫秒脉冲星极弱信号进行了提取,并对噪声进行了最佳阈值选取实验研究,实现了脉冲星弱信号消色散积累后的检测和抑噪.并研究了阈值函数的几种改进方案,进而对PSR 0437-4715信号用不同方法去噪后的结果进行了分析比较,认为采用改进的阈值函数对脉冲星信号处理较采用传统的软、硬阈值函数处理具有优越性.研究结果表明改进的小波阈值消噪方法是一种提高信噪比、展示噪声和突变信号的优越方法.     

一维小波变换在地震数据噪声抑制方面的应用

本文针对实验数据体的特征和各去噪方法的适用条件,有针对性的选取一维小波变换方法去除地震数据噪声,通过对四种阈值量化方法和六种小波函数进行实验计算和效果分析,得到了合适的小波函数和阈值量化方法。研究结果表明:一维小波变换对地震数据具有一定的去噪效果,可有效抑制噪声,保护和补偿有效信号。     

基于小波熵的最优阈值去噪方法

小波去噪的核心问题是如何选取合适的阈值函数,进而估计出原始信号的小波系数.现有的改进去噪函数中大都含有需要根据经验来确定的待定参数,易用性和去噪效果均不理想.基于信号的小波熵理论,提出了令去噪后得到原始信号和噪声信号的小波熵之和为最大、从而获得了最优的小波软阈值去噪函数.对含噪声的Blocks信号进行仿真分析的结果证实了文中提出方法的有效性,该方法比采用软、硬阈值方法具有更好去噪效果.     

基于小波阈值的地震信号去噪处理

地震信号去噪处理是地震勘探所要解决的一项主要任务,提高地震信号信噪比也相应显得尤为重要。本文提出由heursure选取阈值和软阈值函数对测试信号、合成地震信号及实际地震数据进行二次小波分解分层量化处理,与常规小波阈值去噪相比,对含有高频分量的信号,该方法具有很好的去噪效果。     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

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。     

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...     

使用ICA和小波分析提高信噪比

信号处理的一个基本问题是去噪.小波可以分析信号的时间和频率信息.小波去噪基于阈值,将超过阈值的细节系数去掉.这样就消去噪声,但同时也会去掉一些有用的信息.ICA方法是20世纪80年代初期首先在神经网络建模领域中引入的,主要用于解决盲源分离的问题.利用ICA原理,使用基于负熵的不动点迭代算法,对染污信号进行了分离,然后利...     

改进的小波阈值去噪法及其在语音信号去噪中的应用

语音信号是一种非平稳的时变信号,利用小波对非平稳信号处理具有明显的优势。小波阈值去噪算法因其算法简单,计算量小而广泛应用于信号去噪。但是硬阈值函数易造成信号振荡,软阈值函数引入固定偏移从而造成高频信息丢失。基于上述两种方法的不足,提出了一种改进的阈值函数并且对该函数引入的可变参数进行了自适应确定。仿真结果表明该方法在可以有效去除噪声的同时,减少了信号振荡,保留了信号高频成分即保留了信号尖峰点信息,改善了语音质量。     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

基于小波变换的自适应阈值微震信号去噪研究

针对矿山微震信号中所包含的随机噪声对微震监测和微震源的准确定位存在着严重干扰的问题，根据前人的研究成果，在分层阈值上增加分层自适应因子，提出一种新的分层自适应阈值方法.该方法根据矿山微震有效信号的低频特性，利用分层自适应因子，将高频部分的噪声信号最大限度地去除，提高矿山微震信号的信噪比;同时，最大程度地保留低频部分的信号.通过实际数据与分层阈值的对比，验证了该方法的有效性与优越性.     

小波域阈值滤波在测井信号去噪中的应用

从测井信号噪声特征出发,建立测井数据噪声模型。根据测井信号的特殊性,提出一种运用一维离散小波变换和小波包变换对测井信号进行小波域阈值滤波分析的方法,探讨了几种阈值确定方法。借助MATLAB7.0小波降噪函数,运用MATLAB语言编写了小波滤波程序,对实际曲线分析结果表明,小波域阈值滤波优于传统测井曲线滤波方法。运用小波分析可以有效地去除测井曲线噪声干扰,同时也可较好地保留测井曲线纵向分辨率。     

基于小波变换的离子迁移谱信号处理技术

针对离子迁移谱信号受到噪声干扰的现状,本文提出利用小波阈值降噪的方法对离子迁移谱原始信号进行降噪处理.建立了基于小波变换的阈值降噪模型,以图谱中的1ng TNT信号为实验对象,对阈值计算原则、阈值处理方法以及小波基的选择进行了优化.结果表明：采用sym5小波,将原始信号进行3层分解后,根据固定阈值原则（Universal）获得的阈值,按照软阈值方法对小波系数进行处理并重构,原始信号中的噪声可以得到有效抑制.     

小波包变换在煤与瓦斯突出预测中的应用

针对目前滤噪技术不能很好地使声发射监测得以准确预报的情况,进行了基于小波包变换的去噪研究.该研究利用信号的小波包分析、计算和最优小波包基选取的方法,通过计算机数值计算,模拟了强噪声下声发射信号检测,并通过Sym8小波包与小波变换去噪的比较,证明前者优于后者.用小波包变换进行消噪处理,噪声消除彻底,提高了预警准确性.     

小波域中值滤波器在陀螺寻北仪中的应用

研究了利用小波变换消除陀螺干扰漂移的方法．通过对陀螺寻北仪两位置寻北方案的分析，表明陀螺随机干扰信号是影响系统精度的主要误差源．为此将中值滤波与小波阈值去噪相结合构造了小波域中值滤波器，并应用于陀螺数据处理中．寻北试验结果表明，该滤波器在有效对白噪声滤波的同时也能较好地去除脉冲噪声，与传统的去噪方法相比，寻北精度提高20％，对陀螺各种干扰信号具有很好的抑制作用．     

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.     

小波包分析在振动测试信号去噪中的应用

本文简要阐述了小波分析、小波包分析的基本原理,并在此基础上介绍了利用小波包给信号去噪的一般原理.最后通过计算机仿真,对于一个含有随机噪声的振动测试信号,在默认阈值下比较了小波去噪和小波包去噪效果的不同.     

小波包分析在振动测试信号去噪中的应用

简要阐述了小波分析、小波包分析的基本原理,并在此基础上介绍了利用小波包给信号去噪的一般原理。最后通过计算机仿真,对于一个含有随机噪声的振动测试信号,在默认阈值下比较了小波去噪和小波包去噪效果的不同。     

小波包多阈值去噪的一种改进方法

针对含噪信号中信号与噪声在频域内分布的差异性,通过小波包分解,将得到的小波包按照频率顺序重新排列,经过能量的比较将小波包分为3段进行阈值处理,实现多阈值去噪.仿真结果表明,与常用的Stein无偏似然估计阈值、极大极小准则闽值和固定形式阈值等方法比较,改进方法去噪效果更佳.     

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。