基于阈值决策的小波降噪方法研究及其改进

分别从小波基、阈值的选择等方面详细讨论了基于阈值决策的小波降噪方法及其应用。在此基础上，探讨了对传统的阈值方法的改进，即平移不变小波变换去噪法。实验证明，应用改进后的方法能更好地逼近真实信号。     

一种改进小波阈值图像去噪方法

采用MATLAB进行仿真实验,首先分别对含噪图像使用改进的阈值,改进的阈值函数进行降噪处理,然后将两者结合起来应用于含噪图像。实验结果表明,使用改进后的阈值和阈值函数进行图像降噪,较之现有的经典方法,通常可获得更好的效果。     

基于改进小波阈值和形态学的机械臂振动信号降噪分析

采集现场机械臂振动信号过程中会受到多种外部因素的影响，面临着多种噪声的综合作用。为了提高振动信号降噪精度，设计了一种基于改进小波阈值和形态学方法的机械臂振动信号降噪方法。利用改进小波阈值方法进行去噪时并跟形态学滤波方法进行结合的情况下可以对振动信号误差起到更优的抑制性能。研究结果表明：采用优化阈值-形态学滤波方法则可以获得纯净特征参数。本算法能够达到理想的噪声抑制性能，可以确保特征频率得到充分保留。     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能. 关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值 中图分类号： TN 912.3
文献标志码： A     

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·     

级联自适应局部投影降噪方法

针对具有非线性、非平稳性特征的信号，提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先，利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后，利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明，本方法能够提高信噪比并降低均方误差，并在信号结构失真时恢复其原始吸引子形态，去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性能.     

一种新小波阈值去噪算法

在小波阈值降噪方法当中,硬阈值方法可以很好的保留信号边缘等局部信息。与硬阈值方法相比,软阈值方法具有很好的降噪效果,但是会带来信号的失真现象。在此基础之上,本文提出了一种新的阈值函数,采用新的阈值函数的去噪效果在信噪比增益上和最小均方意义上均优于传统的硬阈值和软阈值函数。克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。通过仿真实验结果,表明该方法的有效性和优越性。     

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。     

基于小波自适应阈值的图像去噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将小波自适应阈值算法同中值滤波相结合的去噪方法.该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声.仿真实验结果表明,去噪后图像的峰值信噪比提高了1～2dB,从而证明了该方法的有效性.     

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.     

改进的小波阈值去噪方法在MEMS陀螺上的应用

针对MEMS陀螺由于结构瑕疵和信号处理技术的不足而导致存在较大的随机误差,采用改进的小波阈值去噪方法以提高MEMS陀螺测量精度。通过对软阈值函数和硬阈值函数的缺陷进行分析,设计了改进的阈值函数。改进的阈值函数相对于硬阈值函数具有连续性的优势,相对于软阈值函数可以减小常值误差。根据不同阈值去噪方案在陀螺静态数据上的去噪效果,确定了最终的阈值去噪方案。将此方案应用在MEMS陀螺的动静态数据中,实验结果表明:MEMS陀螺输出信号的标准差减小了一个数量级,平均值更加接近真实值,所提出的采用改进的小波阀值去噪方法取得了很好的去噪效果。     

基于小波理论谐波减速器振动信号的降噪研究

为满足频率高时窗口窄、频率低时窗口宽的要求,应用小波分析理论对XB-80-134H型谐波减速器的振动信号进行了分析,利用Daubechies小波对振动信号进行小波分解,并结合阈值去噪方法对信号作了消噪处理,即针对振动信号分解的各层小波系数设定相应的阈值,对于小于该阈值的小波系数认为是噪声并置为零,将剩余的小波系数重构,得到消噪后的振动信号.与传统的傅里叶降噪方法比较结果表明,小波降噪远优于傅里傅里叶降噪方法,小波降噪后的信噪比提高了6dB,而傅里叶降噪只提高了1 dB.     

基于小波分析的改进阈值去噪方法

小波去噪是小波分析在信号处理领域的重要应用之一,特别是其中的小波阈值去噪方法更以其操作简单和良好的效果而被广泛应用。本文对常规的软、硬阈值方法进行分析,提出了一种改进的阈值去噪方法。通过实验对比表明,当选取了合适的控制系数 时,该方法比常规的软,硬阈值去噪方法去噪效果更好。     

基于小波阈值收缩的图像降噪

采用双正交小波,利用VisuShrink阈值和BayesShrink阈值,分别通过硬阈值函数和软阈值函数对混入高斯白噪声的图像进行去噪实验.结果表明,硬VisuShrink阈值的降噪效果好于软VisuShrink阈值,软BayesShrink阈值的降噪效果好于硬BayesShrink阈值,并且BayesShrink阈值只有在软阈值函数下才能取得很好的降噪效果.     

基于小波分析的改进软阈值去噪算法

总结了Donoho等人提出的软阈值法和硬阈值法的缺点,并在二者的基础上,提出了一种新的阈值去噪方法--改进软阈值去噪法.该方法很好地结合了软、硬阈值法的优点,同时又可以有效去除低频段的噪声.讨论了改进软阈值法的原理,给出了其模型;通过实验将新方法与传统的软、硬阈值法的去噪效果进行了对比.结果证明,新方法的去噪效果在时域和频域上都优于传统方法,而且信噪比更高.     

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.     

小波变换对汽车发动机异响信号的降噪处理方法

采用小波变换软阈值去噪的方法,对汽车发动机异响的原始信号进行分解和降噪处理。结果表明,小波去噪的方法具有很好的效果,能够满足工程实际的需要,为进一步分析异响信号获得了噪声极小的有效数据。     

基于小波相关性的改进阈值去噪算法

提出了一种基于SSNF算法与阈值去噪相结合的方法,实现了图像去噪.针对统一阈值去噪方法去噪后图像模糊的缺点,利用小波层间相关性提取并保留被"过扼杀"的一部分边缘信息,从而使得去噪图像的细节信息得到更多保留.实验结果表明,改进后算法可以有效地减弱统一阈值的"过扼杀"倾向,对去噪后图像模糊的失真有一定的改善.     

基于自适应的小波阈值和GTEO进行说话人识别

小波压缩是基于小波系数的阈值的一个简单去噪方法.它对于所有的含噪语音,都使用一致的阈值,不仅压缩了噪声,也压缩了部分语音成分,因此滤掉的语音感知质量会受到极大的影响.在小波去噪过程中采用了自适应阈值小波包方法.同时把小波去噪和推广的TEO结合起来,去提高系数的鲁棒性.为了进一步提高识别率,在识别阶段,采用改进的MCE算法.实验结果显示,提出的方法取得了较好的效果.