利用小波变换消除多相流流型信号中的噪声

通过对油气水多相流流型信号小波变换特性的研究,阐明噪声与多相流流型真实信号小波变换的模极大值特性之间存在着较大的差别,提出一种利用自适应小波变换来区分真实信号和噪声的方法.实验结果显示,该方法能有效地消除多相流流型信号中存在的噪声,提取出真实信号.     

小波变换消除储粮害虫声信号噪声的研究

以小波变换为理论基础,研究有效消除储粮害虫声信号中噪声的方法.根据信号和噪声在小波变换下表现出截然不同的特性,实现信号与噪声的分离.理论分析和实验表明,该方法在获得信噪比增益的同时,能保持对信号突变信息的良好分辨.     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时,也能保留信号的重要特征。     

利用二进小波消除电动机故障信号白噪声

通过对信号奇异点在二进小波变换下特性的研究,阐明了白噪声的性态与电动机故障信号的奇异性态在二进小波变换下的截然不同的性质,总结出简明的判据并据此提出了一种消除电动机故障信号中的白噪声的实用算法。     

基于同步挤压S变换的探地雷达信号消噪方法

为提高对探地雷达低幅度有用信号的识别效果,提出了基于同步挤压S变换的消噪方法.首先将含噪声信号进行S变换,并计算出信号的瞬时频率,再将信号的时频能量进行重新集中,从而获得高分辨率的压缩时频谱.然后根据噪声出现的时间和频率,设计相应的二维滤波器在时频域对信号进行消噪.在消除噪声能量后,再进行反变换得到有用信号.由于在压缩时频谱上可以更好地区分有用信号和噪声,消噪时有效信号的能量可以被尽可能多地保留下来.仿真信号和探地雷达实际信号的处理结果表明,利用同步挤压S变换在时频域进行消噪能够取得很好的效果.     

基于小波变换的爆破地震信号去噪的应用

运用小波变换在不同的尺度下观察信号局部化特征。由于信号和噪声具有不同的奇异性，它们的二进小波变换模的极大值在不同尺度下的传播特性也不相同。在相邻模极小构成的待选通域中分析出噪声局部极大值所在的选通域进行平滑处理，从而得到局部信号的小波系数，将其反变换重建出去噪后的信号。将该方法用于爆破地震信号去噪声，结果表明：这种方法计算简单，且去噪效果较好。     

多频信号的多尺度随机共振检测方法及应用

基于随机共振的基本原理,采用多尺度随机共振变换的方法用于多频微弱信号的检测,通过调节双稳态随机共振系统参数、噪声强度,将单频微弱信号上产生的随机共振效应扩展到多频信号,实现多频信号的同时检测.结果表明,该方法可从高噪声背景中有效地提取出多频信号,尤其对于多频大参数信号的检测,多尺度随机共振变换有着更好的性能.     

基于小波包变换的信号去噪应用研究

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理,可以有效地抑制噪声,很好的重构信号。在平均浮动阈值的基础上,通过计算机仿真,显示了平均浮动阈值下小波包变换信号去噪的效果,结果表明:此方法具有良好的效果。     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

基于广义S变换的信号提取与抑噪

S变换结合了短时傅里叶变换和小波变换的优点,是非平稳信号时频分析的有力工具.为了提高S变换在应用中的实用性和灵活性,该文将S变换改造成时频分辨率可调的广义S变换.广义S变换具有多分辨率特性,利用其高质量的时频分布,在时频域中设计了两种时频滤波器.前者用来实现非平稳信号中特定信号分量的提取,也可滤除处于特定时频平面中的噪声;后者直接应用广义S变换的时频谱实现,用于含高斯白噪声信号的滤波,达到了突出有效信号和压制噪声的效果.几种信号模型的仿真试验显示了它们在信号提取和抑制噪声中应用的有效性.     

基于组合形态滤波与自适应广义形态滤波的ECG去噪算法

针对ECG信号中存在的基线漂移和高频干扰,提出了一种传统线性组合形态滤波与自适应广义形态滤波相结合的新的去噪算法。该算法首先采用传统线性组合形态滤波器滤除基线漂移,然后将无基漂的信号送入采用不同结构元素级联而成的自适应广义形态滤波器滤除高频干扰,最后得到无噪声的ECG信号。结果验证了本文算法的有效性。     

气液两相管流流型信号的小波去噪处理

流型信号能够反映气液两相管流的流动特征,它们往往会伴随着各种随机噪声.为此建立了一座气液两相流的综合试验装置,提取气液两相管流的流型信号.采用小波变换对信号样本的进行多尺度分解,利用信号和噪声在不同尺度上的特性把它们区分开来,消除噪声后再对信号进行重构,得到了较好的去噪效果.     

基于模型数据的噪声能量对叠加、偏移结果的影响分析

地震资料中不可避免地存有噪声,噪信比(噪声能量与信号能量之比)可能对地震成像造成致命的影响。根据自行设计模型,采用正演方法生成138炮记录,在这些单炮上分别加上不同能量的随机噪声和相干噪声,并应用模型速度进行NMO校正、叠加或进行叠前深度偏移;在这些工作的基础上,进行不同能量的随机噪声对叠加结果的影响分析,同能量随机噪声和相干噪声对叠加结果的影响分析,同随机噪声能量对叠加和偏移影响分析及同能量随机噪声、相干噪声对叠前深度偏移结果分析。这种分析建立在信噪比已知、速度已知、叠加及偏移算法已知的背景下,因而具有较高的准确度。最后,根据这些实验分析,得出各种不同噪信比的噪声对叠加、叠前偏移的影响进行给出定量结论,以期对地震资料处理中去噪技术的应用提供帮助。     

高斯与非高斯混合有色噪声中的谐波恢复

提出了一种用于在高斯与非高斯混合有色噪声中进行谐波恢复的新方法。首先利用Hilbert变换将实数观测值变换成复数形式,然后应用一种特殊的高阶累计量识别非高斯噪声的AR参数并对含噪观测值进行预滤波后,再应用基于统计量的方法进行谐波恢复。文中提出的方法能够用来恢复高斯与非高斯混合有色噪声中的一维实数谐波信号,而不用考虑谐波信号是否存在相位耦合和非高斯噪声是否对称分布,仿真实验可以证明。     

基于独立成分分析的强背景噪声去噪方法

由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效，提出应用独立成分分析(ICA)方法对声音信号进行特征提取，并证明了这种ICA变换能增强语音和音乐信号的超高斯性．在此基础上，应用ICA基函数作为滤波器，通过阈值化的去噪方法对含有强高斯背景噪声的声音信号进行去噪仿真实验．结果表明，本方法明显优于传统的均值滤波和小波去噪方法，为强背景噪声下弱信号的检测提供了新的途径．     

基于小波和小波包的信号消噪方法分析

在实际的工程应用中,采集的数据信号存在着大量的电子线路热噪声、环境噪声等系统噪声,小波及小波包对除去噪声信号是非常有效的。采用多种方法对平稳、非平稳信号进行消噪处理,在Matlab环境下比较分析结果,从而找到检测信号的最佳手段。     

一种基于ICA的机械缺陷超声信号提取方法

针对强噪声背景下缺陷超声回波信号检测的问题,利用了基于独立分量分析的方法进行缺陷信号的提取。该方法首先对观测信号进行JADE分解,得出多导独立分量,再根据赫斯特指数,分离缺陷信号和噪声信号。通过对仿真和实测缺陷超声信号的去噪实验研究,结果表明,与小波去噪方法相比,ICA去噪方法能够得到很好的信噪比,有利于强噪声背景下缺陷的去噪处理及微弱信号的提取。     

一种基于神经网络的地震信号去噪的处理方法

在众多的去噪处理方法中，Ｋ－Ｌ变换是去除随机噪声的有效方法．Ｋ－Ｌ变换是利用地震剖面各道在空间方向的相关性来取信号的共同特征，以实现去除剖面中的随机噪声．传统的Ｋ－Ｌ变换是通过矩阵的Ｈｏｕｓｈｏｌｄ变换实现的．其运算量及空间占用量比较大．笔者用一种Ｈｏｐ－ｆｉｅｌｄ网实现对地震剖面进行Ｋ－Ｌ变换的去噪处理，并且给出了该网络的详尽描述及稳定性证明．由于Ｈｏｐｆｉｅｌｄ网能实时进行处理，固而具有实时性．模拟实验的结果表明，这种方法对消除地震剖面的随机噪声是一种行之有效的方法．     

一种滤除心电信号中噪声的形态滤波方法

心电信号在检测过程中，常常会引入噪声和发生基线漂移，这严重影响了对心电信号的进一步分析和处理，采用数学形态学中的形态滤波方法，通过采5有不同尺寸结构元素的开－闭的闭－开运算平均组合，来滤除心电信号中的噪声和校正基线漂移，仿真结果验证该方法的有效性。