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。     

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.     

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。     

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.     

基于小波阈值的浮动车数据消噪算法

研究通过小波函数选取等策略来构造一种适合于浮动车原始数据去噪的小波阈值去噪算法.数据去噪是浮动车数据进行交通信息研究的基础性工作,小波分析对于掺杂噪声信号的数据去噪有不可比拟的优势,本文通过构造新的阈值及阈值函数进而以信噪比、均方误差为指导对浮动车数据的去噪结果进行分析来确定小波基函数及小波分解层数,以此研究出针对于浮动车数据的小波阈值去噪的有效算法.通过本文构造的小波阈值算法使得浮动车数据去噪前后与遥感微波检测器（RTMS）数据的相关性提高10%以上,能够有效去除浮动车数据中的噪声.      

小波阈值去噪在烟气轮机信号分析中的应用

由于烟气轮机振动信号中含有大量的噪声成分,常使其非线性特征量的提取不准确,因此将基于阈值的小波去噪应用于烟气轮机振动信号分析中。首先介绍了小波阈值去噪的基本原理、阈值和阈值函数的选择方法,并对阈值函数进行了改进;然后分别对含噪Lorenz信号和实测振动信号进行小波阈值去噪实验,计算了其去噪前、后的关联维数。结果表明,小波分解后,不同尺度上信号和噪声的小波系数的分布规律明显不同,通过对其分析可以合理选择小波分解的尺度;在此基础上对小波系数进行阈值处理并重构,能有效地去除信号中含有的噪声,很好地保存信号的局部特征;去噪后信号的伪相图更加规则,关联维数估计值更加合理。该方法能提高信号分析的准确率。     

基于选择因子的GSR信号小波去噪方法

在Galvanic Skin Response(GSR)信号采集过程中,由于环境等因素不可避免地会引入噪声,需要在进行模式识别前对采集信号进行去噪处理。本文利用MATLAB研究不同小波组合对GSR信号的去噪效果,并使用信噪比、均方差为评价指标,提出了一种基于选择因子的GSR小波去噪方法。利用采集得到的已有GSR信号,根据选择因子选择出来的小波组合,对GSR信号去噪处理。实验中采用db5小波对信号进行5 层分解,在sqtwolog或heursure阈值选择方法下对信号进行的去噪处理,从而达到了理想的滤波效果。     

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.     

基于多重同步压缩变换的微震信号去噪方法研究

针对微震信号能量弱、信噪比低的问题,本文提出了一种基于多重同步压缩变换(MSST)与小波阈值“强强联合”的微震信号去噪方法,实现微震信号噪声压制.该方法主要利用小波阈值对多重同步压缩变换系数进行去噪,进而反变换实现信号重构,在仿真信号和实际微震单道记录中均得到验证.仿真结果表明,相较于短时傅里叶变换(STFT)、连续小波变换(CWT)、同步压缩变换(SST),MSST具有更好的时频系数浓缩能力,瑞利熵最小;本文方法信噪比提高3dB,均方误差最小(MSE=0.12),峰值信噪比PSNR最大(PSNR=18.29),平滑度指标SM较小,且计算时间短,仅为50ms,远远小于高阶SST,具有明显的优势.在此基础上,将此方法应用于实际微震单道记录,测试结果表明该方法具有较好的噪声压制能力,具有实用价值.     

基于小波新阈值函数的标记荧光蛋白信号去噪

针对微流控电泳仪采集的微弱标记荧光蛋白信号易受到干扰,影响对样品生物蛋白定性定量分析.提出可调新阈值函数小波去噪,解决了软、硬阈值函数去噪出现的常见问题.通过matlab仿真对比,寻找出去噪质量最佳db7小波基,结合可调新阈值函数处理重叠峰严重的标记荧光蛋白信号,去噪后波形最光滑、信噪比最高、获得最小均方根误差、更能突出真实信号.结果表明,新的阈值函数更适用于重叠峰严重的标记荧光蛋白信号,为后续定性定量分析样品中的生物蛋白含量提供保障.     

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.     

基于选择因子的皮肤电反应信号小波去噪方法

在皮肤电反应(galvanic skin response,GSR)信号采集过程中,由于环境等因素不可避免地会引入噪声,需要在进行模式识别前对采集信号进行去噪处理。利用MATLAB研究不同小波组合对GSR信号的去噪效果;并使用信噪比、均方差为评价指标,提出了一种基于选择因子的GSR小波去噪方法。利用采集得到的GSR信号,选择因子选择出来的小波组合,对GSR信号去噪处理。实验中采用db5小波对信号进行5层分解,在sqtwolog或heursure阈值选择方法下对信号进行的去噪处理,从而达到了理想的滤波效果。     

纳通道内λ-DNA过孔信号的小波去噪及统计分析

针对λ噬菌体中的脱氧核糖核酸(λ-DNA)通过纳米通道时的过孔信号噪音大,强度弱且非平稳的缺点,提出了使用具有良好时频域分辨能力的小波分析方法对其进行去噪处理,并对有效去噪后的λ-DNA过孔信号进行了统计分析.首先根据小波去噪原理,选择合适的小波函数,确定最佳的分解层数并选取合适的阈值,对实验采集到的含噪声信号进行去噪处理.根据最终去噪效果可得,以sym7为小波基函数、分解层数5层、使用默认软阈值可以有效降低信号中的噪声,提高信噪比.然后,对具有48 000个碱基对(48 kbp)的λ-DNA通过60 nm氮化硅(SiN)纳米孔的特征信号进行了统计分析,分析结果表明,阻塞电流和过孔时间分别符合双峰高斯分布和偏正态分布,这为后续DNA分子的辨识工作提供了依据.     

基于改进的小波阈值去噪和二级判断模型的说话人识别

针对目前说话人识别系统中噪声使得识别率严重下降的问题,在特征提取前用小波阈值去噪方法对带噪语音进行去噪处理.对于小波阈值函数以及阈值的选取进行研究,提出一种改进的阈值函数,小波阈值中的噪音方差估计采用基于实际噪音方差估计的谱熵法,将改进的小波阈值去噪结合一种二级判断模型提高噪声环境下的说话人识别率.在不同信噪比条件下进行试验,改进的小波阈值去噪法优于传统小波阈值去噪方法,改进后的阈值函数与二级判断模型相结合的识别率比原始语音DTW模型提高了7.9%,比原始语音GMM提高了4.6%,对于短时语音有较好的识别率.     

基于小波熵的心音信号去噪算法研究

心音信号在采集过程中,易受到干扰混入噪声,常采用小波变换进行心音信号的去噪处理。传统的小波阈值去噪,未根据心音和噪声的特性选择阈值,导致去噪效果不甚理想。针对小波阈值选择问题,提出基于小波熵的自适应阈值选择方法。基于小波熵阈值、极大极小阈值和固定阈值,分别对正常心音、第二心音分裂和含S4的心音信号去噪仿真分析。结果表明,在同信噪比条件下,本文算法的输出信噪比较大而均方根误差较低,该算法的去噪效果优于其他两种小波阈值去噪算法。     

基于混沌蚁群优化小波阈值法地磁信号噪声压制

地磁信号测量广泛应用于资源勘探、地质勘查和管线探测等领域。由于实际测量地磁信号易受到外界环境因素干扰,影响后期地磁数据资料解释。针对常规去噪算法需要获取噪声信号的统计特性,难以达到较好的去噪效果,本文研究基于混沌蚁群优化的小波阈值方法,将信号小波分解后,使用GCV函数选取阈值,结合混沌蚁群算法迭代寻优,确定最优阈值,进而实现地磁信号的噪声压制。通过对合成正弦信号和实测地磁信号进行去噪处理,与常用方法去噪法对比,本文方法去噪效果明显提升。     

基于新的阈值函数的小波阈值去噪方法

在分析了硬阈值、软阈值小波去噪算法存在问题的基础上,构造了一个新的阈值函数,仿真实验结果显示,与硬、软阈值去噪方法相比,基于新的阈值函数的小波阈值方法能够得到较小的均方误差,并提高了重建信号的信噪比,且去噪后的信号与原始信号的近似性也较好.     

一种新的超声导波信号小波阈值去噪方法

在断轨检测中,为了获取有效的超声导波信号,必须对超声导波进行相应的去噪工作,而去噪效果的好坏直接影响到测量结果精度和可靠性。为了进一步提高去噪效果,本文针对传统的阈值函数法的不足,进行适当的改进,即提出一种新的小波阈值函数来提高去噪效果。文中简述了该种小波阈值函数的原理及构建,并进行了相关的仿真和分析;将该种方法的去噪效果与传统的软、硬阈值函数法去噪效果进行比较。结果表明,相对软阈值函数法,新阈值函数方法去噪后信号信噪比提高6%~15%,均方误差降低14%左右;相对硬阈值函数法,新阈值函数方法去噪后信号信噪比提高8%~25%,均方误差降低20%左右,并且新阈值函数方法去噪后信号幅值非常接近原始信号幅值,即该种超声导波小波阈值法相对于上述传统阈值函数法去噪效果有明显提升。     

基于平移不变小波变换的脑电信号去噪

鉴于传统小波阈值法去噪时,硬阈值函数存在不连续性,软阈值函数存在恒定偏差,去噪效果不佳,提出一种基于新阈值函数的小波平移不变量去噪法。首先构造一种任意阶可导的新阈值函数,再采用平移不变小波方法处理脑电信号。在matlab2009平台上分别采用软、硬阈值及改进方法对脑电信号进行去噪,结果表明:改进方法能够更好的保持脑电信号的特征,且具有更高的信噪比和更低的均方根误差。该方法去除脑电信号噪声性能优于传统小波阈值法,有利于准确提取脑电特征参数。     

小波熵阈值的心电信号去噪及R波检测算法

针对心电信号去噪问题,首先利用小波变换分解心电信号,计算小波分解后信号子带区间的小波熵,将小波熵和小波阈值相结合确定各层高频小波系数阈值门限。用阈值门限以及折中指数自适应阈值函数处理带噪的心电信号,并用bior3.7小波对去噪后的心电信号进行R波峰值定位,最后与原信号R波峰值位置对比。用本方法先对MIT/BIH心率失常心电数据库中117号心电信号去噪,之后与无偏风险阈值、固定阈值、启发式阈值和极大极小阈值去噪算法的性能比较。比较结果表明:当输入信噪比为9.724 7 dB时,小波熵阈值去噪法得到信号的输出信噪比为17.294 1 dB,其输入输出信噪比曲线明显高于其他4种传统阈值去噪法的输入输出信噪比曲线,且其R波检测结果更加精确。