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.     

基于改进阈值的振动信号小波去噪方法研究

为了解决现有小波阈值去噪方法中硬、软阈值函数存在的缺陷,提高小波阈值去噪效果,文章通过研究不同阈值函数的去噪原理,提出一种应用于小波去噪的改进阈值函数,使其同时具有硬、软阈值处理的优点;并利用MATLAB分别对仿真信号和实际车削振动信号进行分析,验证改进阈值函数的可行性。结果表明：相较于传统的硬、软阈值函数去噪方法,该文提出的改进阈值小波去噪方法能更加有效去噪,在保留振动信号原貌特征的同时,提高信噪比(signal-to-noise ratio, SNR)并减小均方根误差(root mean square error, RMSE),适合非平稳振动信号去噪,为后续信号处理和车刀磨损状态识别工作奠定了一定的基础。     

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。     

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。     

抑制震荡的自适应小波阈值去噪方法

分析了小波阈值去噪方法在信号的间断附近产生震荡的原因,根据产生机理的不同将它们分为属于伪Gibbs现象的震荡和由于小波阈值去噪在信号的间断部分因为去噪能力下降而属于噪声残留的震荡.为了消除这些震荡, 结合软、硬阈值方法的特点提出了一种新的阈值函数自适应地处理小波系数.试验表明,该方法有效地抑制了信号间断点处的震荡,获得了优于传统阈值方法的去噪效果.     

自适应阈值的小波去噪改进算法研究

基于小波变换的图像去噪方法在消除噪声的同时,可有效保留图像边缘细节信息,是近阶段图像去噪领域研究与应用的热点.现有的基于小波阈值法的去噪算法多为全局阈值,易引起边缘模糊.因此,在阐述小波去噪基本原理的基础上,将小波变换和多尺度边缘检测两者结合,充分考虑小波分解不同层数的特性,提出一种具有自适应阈值的小波图像去噪改进算法.实验表明,改进算法与传统去噪方法(维纳滤波法)及一般小波阈值法(VisuShrink阂值法、NormalShrink阈值法、BayesShrink阈值法)相比,可有效去除多种程度的加性高斯白噪声,更好保留图像边缘细节信息.     

基于收缩阈值的小波去噪法

信号去噪是信号处理中的常见问题。本文介绍的基于收缩阂值的小波去噪法为该问题的解决提供了一个方便有效的途径。该方法采用小波分解、小波系数阈值修正及小波重构三步即可达到良好的去噪效果。     

小波阈值改进及在光谱信号去噪处理中的应用

针对宽光谱膜厚监控系统输出的光谱信号,通过改进Donoho阈值函数,对阈值加入微调因子,使与噪声幅度相近或小于噪声幅度的信号小波系数阈值减小,有利于其小波系数的保留。另一方面使噪声的小波系数的阈值增大,有利于其小波系数的滤除,使小波阈值滤波算法具有自适应性。通过实验表明该算法有效地抑制噪声,很好地保留了信号的细节信息,信号的峰值误差为0.7%—1.0%,峰位误差为0.1%—0.3%;提高了系统的监控准确度。     

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。     

基于小波阈值的图像信号去噪方法研究

主要对基于小波阈值的图像信号去噪方法展开研究。首先阐述小波分析进行信号分解及重构的算法原理,在此基础上总述了小波阈值进行图像信号去噪的算法原理及流程。最后对去噪效果进行了仿真分析,并将信号去噪结果与均值滤波、中值滤波等经典去噪方法进行比较。仿真结果表明,基于小波阈值的图像信号去噪方法能有效去除一维及图像信号中的噪声,输出信号的信噪比性能较传统滤波去噪方法性能更佳。     

自适应阈值小波在指纹图像去噪中的应用

目前指纹识别技术具有很广泛的应用,但通常指纹图像含有混合噪声,而传统小波阈值去噪算法对含有混合噪声的图像去噪时,存在混合噪声去除不彻底的问题,为此提出了一种改进的自适应阈值和连续型低误差阈值函数的小波去噪算法.首先,算法对含有混合噪声的指纹图像进行一次中值滤波去噪.然后,设计了一种新的自适应阈值,小波分解层数越大新阈值就会越小,就能更好地体现噪声信号在进行小波分解时减小的特征.最后,设计了连续型低误差改进阈值函数,改进的函数是连续的,并且阈值达到极限时误差为0.改进后的算法使得估计的小波系数更加接近真实系数,重构后的图像更接近原始图像.实验结果表明,该算法对含有高斯噪声和椒盐噪声的指纹图像处理时,相比于其他算法,得到了更好的峰值信噪比和均方误差数值,去噪后的指纹图像纹理显示更加清晰.     

基于小波阈值的瑞雷波信号去噪研究

瑞雷波信号的采集与处理是瑞雷波勘探技术的基础,为了使获得的信号具有较高的信噪比,基于小波分析的多分辨率特性,及有用信号和噪声的小波系数在小波分解尺度上有不同的特征和性质,进行了瑞雷波信号去噪的研究.介绍了小波阈值去噪原理和实施步骤,设计了三种方案,基于matlab进行了仿真实验,实验证明了小波阈值去噪的效果明显优于重复采样、多次叠加的去噪效果.最后提出了瑞雷波信号处理技术的进一步研究方向.     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响，提高重力异常测量值的精度，在分析了小波阈值及自适应小波阈值去噪算法的基础上，将其应用到高精度海洋重力仪系统数据处理中，并与自适应卡尔曼滤波做了对比，以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据。理论分析和仿真实验表明，自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响，但在相同情况下，自适应小波阈值去噪方法具有明显的优越性。     

基于小波变换的信号去噪处理

小波变换是信号处理中一个十分有用的数学工具。基于小波分析理论,本文采用软阈值法滤除与有用信号频率相近的噪声信号,取得了很好的滤波效果。并通过实时数字仿真系统验证了这种方法的有效性。     

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.     

浅谈小波阈值去噪方法

<正>随着DSP(Digital Signal Processing)技术的高速发展,人们开始把图像也视为一种重要的信息源。但由于实际中发送设备、传输信道、接收设备的特性不理想,导致在接收端获取的图像掺杂有噪声,噪声的存在使图像质量下降。因此,对于图像     

基于小波熵的矿用齿轮箱振动信号相关去噪法

 利用真实信号小波系数相邻层间相关性强的特性,将基于小波熵的相关去噪法应用于矿用齿轮箱振动信号的处理,进行有用系数和噪声系数的划分,并对有用的小波系数进行重构,恢复原有真实信号,去噪过程中采用小波熵自适应设定阈值。为比较小波自适应相关去噪和硬阈值与传统相关性去噪的性能,分别对仿真信号和齿轮箱实测振动信号进行去噪处理,通过3种去噪方法的重构波形对比和信噪比与标准差的定量评价,以及实测信号的功率谱分析,表明小波熵相关去噪法有效提高了矿用齿轮箱振动信号的可信度。