最大似然估计阈值法对超声回波消噪的研究

针对超声脉冲信号具有的概率密度稀疏分布特性,提出了基于离散小波变换的最大似然估计阈值处理法,并与现有的软阈值处理消噪相比较,表明该方法效果良好．     

小波变换在虹膜图像消噪中的应用研究

针对虹膜图像中存在的斑点噪声,利用小波变换消噪的特点,将虹膜图像进行小波分解,然后分别采用硬阈值、软阈值和小波指数函数三种方法进行消噪处理。结果表明小波指数方法是较优消噪方法,可以有效地降低原图像的斑点噪声并保留图像细节。     

信号的小波阈值法消噪及其在LabVIEW中的实现

介绍了基于小波变换的阈值消噪法,借助Lab VIEW平台,通过仿真试验,对软阈值和硬阈值消噪及采用不同的小波函数消噪进行了比较,证明了小波阈值法消噪的有效性。     

基于Matlab的小波包μ律绝对值阈值消噪算法的研究

为了消除夹杂在doppler信号中的噪声,在小波包领域中分析了传统的软、硬阈值消噪方法后,提出了一种能对doppler信号进行有效消噪的新方法,即小波包μ律绝对值阈值法。为了验证该方法的有效性, 在Matlab7.0软件中编写相关消噪程序并进行了仿真,证明该方法不仅能解决硬阈值消噪不连续的问题,而且还能解决软阈值法中阈值处理前后小波系数存在恒定偏差的缺陷,在消噪的同时能减少信息损失,因而其消噪效果明显优于传统的软、硬阈值法。     

自适应小波阈值算法在应答器信号去噪中的应用

为了改善应答器信号的去噪效果,利用小波变换具有多分辨分析的特点,在分析硬阈值和软阈值函数小波去噪的基础上,提出了一种改进的自适应阈值量化方法。该方法克服了硬阈值函数存在间断点和软阈值函数存在恒定偏差的问题,能够自动地调节阈值量化规则,具有更好的连续性。仿真结果表明:改进的自适应小波阈值算法对应答器信号进行消噪处理后,信噪比增益、均方差均优于传统的阈值算法和现有的改进阈值算法,并且能很好地保留原始信号的特征信息。     

基于小波变换的一种图像增强去噪算法

利用小波变换的自适应特征,将小波的多分辨理论应用于图像的去噪、增强处理中,针对传统的阈值去噪和子带增强的缺点,提出了一种改进的自适应图像去噪增强算法.该算法对图像的噪音进行了估计,采用软阈值和硬阈值相结合的处理方法,利用3次B样条插值函数的特性,设计一个平滑的过渡区,有效地避免了单独使用软阈值或硬阈值处理的缺点,保证了图像达到比较好的去噪效果;同时引入的增益因子,可以自适应地补充图像的弱信息.     

基于改进阈值的小波包图像去噪方法研究

介绍了小波包分解重构的算法及小波阈值消噪的基本原理,并针对软、硬阈值化方法存在的不足,构造了一个新的阈值化函数,该函数采用两个调节参量α和β,通过调整这两个参数,以获得较优的小波系数的阈值估计.经仿真实验表明,新的小波包阈值化方法能对含噪图像进行有效去噪,且较好地克服了原来软、硬阈值存在的振荡和边界模糊等缺陷.统计结果表明,其性能明显优于原有的软、硬阈值化方法,消噪效果较好.图2,表1,参11.     

基于LabVIEW的小波阈值融合算法去噪分析

采用小波变换进行信号分解处理,通过分析阈值去噪所用的小波尺度及阈值选择法,提出选取BayesShrink自适应阈值估计,构建基于软、硬阈值折衷法和一种新阈值函数的多算法融合阈值处理方法.利用Matlab仿真实验分析该方法的可行性和有效性,在LabVIEW环境下进行实际工程信号的去噪测试.实例分析表明,该方法的主要优点在于它对随机强噪声的降噪效果明显.     

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·     

基于稀疏编码的语音增强方法

利用带噪语音经特征基函数矩阵转换后所具有的稀疏特性,用最大似然估计方法对转换后得到的稀疏分量进行非线性压缩去噪,然后再经过反变换和重构恢复出原始语音信号的估计。特征基函数矩阵反映了语音数据本身的统计特性。仿真结果表明,与小波消噪法相比利用稀疏编码方法能极大程度地抑制背景噪声。     

在Matlab中用小波分析实现心电信号去噪

本文描述了通过bior3.5小波变换按照Mallat的快速算法对含有干扰的心电信号进行9尺度分解;通过使用硬阈值和软阈值方法获取默认阈值和使用Stein无偏似然估计阈值进行阈值量化,去除噪声成分;最后根据小波分解的最底层低频系数和各层高频系数进行一维小波重构,从而得到去除噪声的心电信号。     

小波变换用于抑制干扰信号几种方法的比较研究

对小波变换抑制干扰信号提取真实信号的3种方法，即小波滤波器消噪法；软、硬阈值消噪法；基于模极大值的小波去噪方法，进行了比较研究。给出了每种方法的适用范围及具体的算法、仿真结果，对于选用小波变换工具进行信号处理具有一定的理论意义和实用价值。     

基于小波迹和匹配追踪算法的超声波检测信号消噪

针对某大型国有企业的零件在线无损检测工程实际需求,为了提高超声波检测的准确度和精度,引入小波迹理论和匹配追踪算法对超声波检测信号进行消噪处理.首先,在信号的小波变换基础上构建一个小波迹字典;然后,在小波迹域内进行阈值消噪去除信号中的噪声;最后,利用匹配追踪算法通过有限步骤的迭代后,在小波迹字典上用一定数量的小波迹的组合来实现原信号的稀疏描述.小波迹字典内的小波迹具有对信号结构特征无损的描述能力,在小波迹域内消噪克服了传统小波消噪不考虑各尺度之间小波系数的相关性而只进行简单的系数收缩的缺陷.通过仿真试验将本文采用的方法与传统的小波硬阈值和软阈值消噪技术进行了对比,结果表明该方法的消噪效果要优于传统的小波消噪方法.实际超声波检测信号的处理结果也论证了本文所采用消噪技术的优越性.     

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.     

矿山微震信号小波分析与研究

 针对目前人工信号识别技术和傅里叶变换在分析识别矿山微震信号时的局限性,提出Matlab小波工具箱分析方法。首先对矿山实际监测到的干扰矿震信号进行小波变换,对小波分解之后的矿震信号进行频谱分析,结果表明能够准确地观察到信号的突变点,确定矿震信号P波初到时,从而更加精确得出矿震震源的位置和能量大小;其次对受干扰矿震信号进行小波消噪,同时对小波分析的4种阈值降噪方法进行分析对比,发现无偏似然估计阈值效果最好,显示了小波分析的强大消噪功能。研究结果表明,小波分析具有良好的矿震信号识别效果和消噪能力,是矿震信号处理和分析的一种有效方法。     

基于提升小波变换的心音去噪新方法

针对传统的小波阈值函数去噪无法有效滤除信号中的特定噪声,结合软、硬阈值函数的优点,提出了一种基于提升小波新阈值函数算法对心音信号进行去噪.首先利用提升小波变换对心音信号进行分解;然后利用新阈值函数更新其小波系数进行重构;最后与提升小波软、硬阈值函数去噪后的心音进行了希尔伯特包络提取验证其去噪效果.实验结果表明,提出的提升小波去噪新方法较软、硬阈值方法有更好的滤波效果,且提取的曲线包络更加清晰、平滑.     

面向随机振动功率谱估计的小波变换去噪算法理论分析*

 针对随机振动功率谱通常存突变或间断现象,在小波去噪处理中,软阈值法使得估计信号在间断处较模糊, 且整体误差大,而硬阈值法在信号的间断点附近会产生伪Gibbs现象。通过对随机振动谱的统计模型进行分析,建立了对数域振动谱噪声的统计模型,并理论推导出根据噪声小波变换系数而设置的滤波阈值与小波变换尺度之间的非线性关系,为小波变换自适应阈值去噪提供依据,在此基础上提出了基于小波变换的振动谱估计自适应去噪通用算法,通过仿真对比实验,结果表明理论分析的有效性。     

一种基于小波变换的静电探测信号自适应去噪方法

为了实现对静电目标信号的提取和正确识别,本文对静电探测信号的形式以及干扰信号的形式进行了分析.提出采用基于Stein无偏似然估计(SURE)的小波软阈值去噪方法对静电探测信号进行处理.对SURE去噪方法的基本原理和改进方案进行了介绍.提出了自适应调整学习速率的方法,可以在提高运算速度的基础上得到信号的无偏似然估计.通过编写Matlab仿真程序进行验证,获得了较好的去噪结果.通过对几种软阈值去噪方法的仿真结果进行比较,可以看出该方法适用于频率成分较复杂的静电探测信号处理.     

基于一种新阈值函数的小波阈值去噪方法的研究

文章利用D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法,构造了一个新的阈值函数.与传统的硬、软阈值函数相比,该阈值函数克服了硬阈值函数不连续的缺点,且同软阈值函数一样具有连续性,便于进行各种数学处理;同时还克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,它具有硬、软阈值函数不可比拟的灵活性.仿真结果表明,新的阈值函数的去噪效果有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,无论是在视觉效果上,还是在信噪比增益上均优于传统的硬、软阈值方法.     

基于自适应阈值小波变换的心音去噪方法

在采集心音信号时,难免会引入一些噪声,对心音信号诊断之前必须对其做去噪处理。由于心音信号是非线性非平稳信号,对心音信号去噪处理常用小波变换去噪方法,但是传统的小波阈值函数去噪方法需要自定义阈值,去噪效果也不理想,且可能会滤除了大量的细节特征,从而无法对心音信号做出正确的判断。为了克服传统小波阈值函数对心音信号去噪处理出现失真的问题,本文在半软阈值函数的基础上提出了基于蚁群算法优化选取阈值的非线性小波变换去噪方法。以原始心音为研究对象,通过选用db6小波并进行6层小波分解,分别选用硬阈值函数、软阈值函数、半软阈值函数、蚁群算法的优化阈值的半软函数等不同的小波去噪处理,并将去噪效果与原始心音进行对比,然后利用蚁群算法的全局搜索性搜索最小均方误差意义下的最佳阈值。仿真结果分析表明:蚁群算法优化选取阈值的心音去噪效果不仅能够去除噪声,还能保留信号细节特征,该方法与传统的硬阈值函数去噪方法相比信号的信噪比(SNR)和均方根误差(RMSE)均得到明显的改善。