采用集合经验模态分解和改进阈值函数的心电自适应去噪方法

针对心电信号中存在基线漂移、工频和肌电干扰等噪声对后续的分析和诊断带来干扰的问题,提出了集合经验模态分解(EEMD)改进阈值函数的心电自适应去噪方法。运用EEMD将含噪心电信号分解得到一组由高频到低频分布的固有模态函数(IMF)。采用过零率自适应判断各IMF的噪声类别:若IMF包含高频噪声,采用结合软硬阈值优缺点所提出的改进阈值函数以去除IMF分量中的高频噪声;若IMF包含低频的基线漂移,则采用中值滤波器抑制基线漂移。最后将处理后的IMF分量叠加,即可重构去噪后的心电信号。实验结果表明,与已有的小波阈值法去噪后的信噪比(SNR)和均方根误差(RSME)对比,所提方法对心电信号去噪效果更加显著,而且能完整地保留波形特征。     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

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。     

基于小波变换的新阈值法心电信号去噪的研究

心电信号反映人体的健康状况,在采集过程中容易受到高频、低频等多种干扰,而传统小波去噪方法的效果不是很理想。提出一种基于离散小波变换的新阈值法,与传统的硬、软阈值法比较,该方法在一定程度上有效地抑制各种噪声,能够更好地保持心电信号的特征和波形幅度。并用MIT-BIH数据库对提出的新阈值法进行验证。实验结果表明所提出的算法与传统小波阈值法相比,能更好地保持心电信号的几何特征,具有更高的信噪比,取得良好的去噪效果。     

改进的小波域阈值去噪方法

针对使用常规小波域阅值去噪方法对含有高频噪声的低频信号或较平稳信号进行处理时，其去噪效果和信号保真度有时不能令人满意的问题，提出了一种对小波变换尺度1上的小波系数进行二次小波变换，并进行去噪处理后重构小波系数的新方法。该方法可去除大部分高频随机噪声。此后，再对重构后的信号进行小波域阈值去噪处理。仿真结果表明：该方法去噪效果明显，且信号主要细节保留较好。     

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.     

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。     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

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.     

基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

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。     

小波分析应用于对心电图信号实时处理的研究

简要介绍了小波变换原理和Mallat快速小波变换算法，重点介绍了如何运用小波分析对心电图(Electrocardiogram，ECG)信号消噪，并解决了它所涉及到的问题：小波函数的选取、噪声频段的分析、阈值处理和解决了在ECG信号采样中实时小波滤波所遇到的问题——数据滤波前的分段和滤波后的衔接。通过实验的证明，提出的方法能够很好地滤除ECG信号中的基线漂移、工频干扰、肌电干扰和其它高频干扰，并且在采样过程中小波滤波的实时性也较好。     

基于LabVIEW的心音多功能分析仪

基于LabVIEW开发了一种集心音的采集、多功能处理和心音信号发生器于一体的心音分析仪。该仪器是在普通PC机上开发,使用自制的无线心音采集装置和心音信号采集子系统配合提取心音信号,然后利用小波去噪子系统清除背景噪声,最后可利用时域分析子系统和频域分析子系统对心音信号进行各种分析。心音信号发生器子系统可以根据需要产生一种合成心音信号,供用户学习使用。为使仪器达到最佳使用效果,已经为每一个功能模块中的参数寻找到最佳值并设为默认值,而且每一个参数都是可调节的。实际使用效果证明该仪器能够采集到清晰的心音信号,能有效去除干扰噪声,快速准确地计算出心音的各个特征值,能根据用户参数设置快速生成相应的心音信号并播放。     

基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.     

基于提升小波的脉冲涡流检测信号去噪的研究

脉冲涡流检测是无损检测的一个重要方法.由于检测过程噪声的干扰,信号在测量过程中不可避免的受到不同程度的污染.文章介绍了提升小波的基本原理、阐述了提升小波去噪的算法.利用提升小波对脉冲涡流检测过程中的噪声进行去噪,得到了去噪后的结果波形.实验结果表明,采用提升小波去噪可以使脉冲涡流检测结果信号的信噪比得到显著的提高.     

基于一维小波变换的二维图像去噪算法

根据一维方向数组的小波变换消噪较好地保留方向性边缘细节的特性,提出从水平、垂直、对角线四个方向将二维图像转化为一维数组进行去噪研究的算法.实验结果表明,该算法同文献[5]及二维图像软阈值消噪处理相比,具有更好的去噪和保留边缘细节能力.     

基于多层联合降噪的信号处理方法

针对旋挖钻机钻杆振动信号具有非线性、非平稳的特点,以及多源振动耦合影响,提出了一种基于多层联合信号降噪方法,对振动信号进行降噪处理。首先,采用局域均值分解(local mean decomposition, LMD),得到一系列乘积函数(product functions, PF),根据计算得出的相关系数,挑选出含噪声成分最多的PF分量,舍弃残余分量,实现第一层降噪;其次,利用小波阈值降噪(wavelet threshold denoising, WTD),对挑选分量实现了第二层降噪;最后,将WTD重构信号设为奇异值分解(singular value decomposition, SVD)的前置处理单元,实现第三层降噪。基于MATLAB仿真实验与轴承数据降噪实验,分别使用EMD-SVD、LMD-SVD两种算法对目标信号进行降噪处理,LMD-WTD-SVD方法可以提高信噪比,并对比波形图与频谱图结果表明,此方法是一种更有效的降噪方法。     

小波消噪和盲源分离在转子故障信号分析中的应用方法

针对转子振动信号不可避免地受噪声污染问题,提出了一种基于小波消噪和盲源分离相结合的信号分析方法.该方法首先利用小波滤波器对测试信号进行消噪处理,再利用信号的二阶统计量(SOS)来分离盲源信号.仿真和实验结果表明, 相对于直接对测试信号进行盲源分离的方法,本方法可更有效地提取出转子振动的本质信号特征.     

基于改进阈值函数的体震信号平移不变去噪

体震信号微弱,受仪器、环境因素等方面的影响,常常含有大量噪声,研究一种基于改进阈值函数的平移不变法用于体震信号的去噪.针对体震信号选择了合适的小波基,说明了小波分解后各尺度上噪声方差的估计方法,分析了所改进阈值函数的性能及特点,并给出了算法的实现步骤.与基于硬、软阈值函数平移不变法的去噪效果比较,基于改进阈值函数平移不变法去噪后的体震信号波形平滑,特征点幅值无衰减.其功率谱密度与原始信号功率谱密度的对比结果表明,基于改进阈值函数的平移不变法能够在去噪的同时更好地保留原始体震信号的特征.