小波变换方法在地震资料中去噪和提高分辨率中的应用

以小波变换为基础进行了叠前资料的面波去除处理。从分频处理的思路出发，研究了小波变换Ｆ－Ｘ域拟合去噪。借鉴二维Ｆ－Ｋ编程原理，实现了二维小波的快速算法，给出了噪声在二维小波变换域中的不同特征，进行了相应的处理。在小波变换域中，运用能量补偿方法提高了资料的分辨率。     

小波变换在语音去噪中的应用

提出一种新的基于小波变换的语音去噪算法。利用此特性对信号进行小波域波滤,可从加噪的语音中提取人耳所能接受的频率成份,是一种简单有效的语音去噪算法。     

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。     

小波变换在信号去噪中的应用

本文基于目前常用的小波去噪方法,通过对第三种阈值方法的分析,以及结合小波多分辨率分解的特性,提出了一种基于梯度自适应学习算法计算阈值的去噪方法。仿真分析了对含噪信号在不同尺度下分解的小波变换系数进行阈值处理,得到了很好的还原效果。     

改进的自适应小波变换在信号去噪中的应用

讨论了传统的LNS在信号处理中的不足。基于离散小波变换提出一种自适应去噪方法。该方法利用多分辨率分析理论，把信号和噪声分解在不同的频率范围之内，使信号和噪声的频谱得到简化，从而减少了自适应滤波器的级数，使输入自相关矩阵阶数降低。仿真结果表明，与传统的LMS算法相比，WLNS算法的收敛速度和稳定性得到了显著的提高。     

快速小波变换在信号去噪中的应用

简要地介绍了快速小波变换和小波去噪的原理，快速小波变换采用Daubechies小波，只需有限步分解，利用高阶消失矩，大大地提高了算法的速度．数值实验表明，用快速小波变换去噪，速度快，不会产生虚假尖峰，去噪效果好．说明该方法很适用．     

多小波变换在信号去噪中的应用

运用多小波的基本理论知识,分析了多小波信号去噪方法的原理,提出了一种新的信号去噪的阈值方法,以CL3多小波为实例来具体说明了预处理方法对多小波的重要性,并且利用CL3多小波基给出信号去噪的实例.     

改进的小波变换阈值去噪方法

针对Donoho的阈值去噪方法有时去噪效果不能令人满意的问题,提出了一种二次小波变换阈值去噪的方法--对小波变换各个尺度上的小波系数都进行二次小波变换,并进行去噪处理后重构小波系数,再由重构的小波系数重构原信号,此时原信号中已去除大部分随机噪声,此后再对重构后的原信号进行小波域阈值去噪.仿真结果表明:该方法具有良好的去噪效果,而且对信号的主要细节保留较好.     

小波变换的信号去噪应用

通过对信号与噪声在经过小波变换后的不同特点的分析，讨论了一种对含噪信号进行噪声消除的方法。该方法与传统的低通滤波器相比，在改善信噪比的同时，还保持了很好的时间分辨率。最后通过仿真实验．证明了该方法的有效性。     

基于小波变换的心音信号去噪方法

心音信号在采集的时候常常会受到噪声的干扰,因此对心音信号的去噪声处理成为众多研究者关心的一个问题。本文分析了基于小波变换的心音信号去噪方法的性能,以及小波基函数和分层系数的选择问题。实验表明采用Daubechies小波并进行6层分解,心音信号的去噪效果最优,在保持原始心音信号的成分后还能有效的滤除噪声。     

小波变换在噪声环境下语音识别中的应用

本文讨论了运用小波变换实现语音增强的原理，提出了相应的去除噪声的方法。实验表明，本文方法能有效地提高噪声背景下语音识别系统的性能。     

地震数据的小波包压缩方法

应用二维正交小波包技术对地震信号进行压缩，压缩的效果与选择的正交小波、地震数据以及阈值有关。地震信号压缩２０倍左右，从视觉上是可以接收的，不会引起较大的失真。恢复的剖面是一个小波滤波剖面，比原剖面有更好的信噪比，此方法能同时达到压缩数据和提高信噪比的目的，且计算速度快，稳定性好，自适应性强，能对各种地震数据进行压缩。     

离散小波变换（DWT）在语音处理中的应用

针对语音处理问题对离散小波变换及其性质进行了研究，给出了作为语音处理的小波函数及时间因子（ａ，ｂ）必须满足的条件，利用离散小波变换对语音信号的基音提取、频谱分析和清／浊音分割进行了分析，结果表明，小波变换能准确地提取基音和清／浊音分割，并具有较好的稳健性。     

反演法在提高地震资料信噪比中的应用

t x预测滤波法是噪音衰减的通用且有效的方法 ,但是在噪音背景中存在平行同相轴时将产生假同相轴及出现子波畸变和振幅衰减等现象 ,这是因为噪音的存在影响了滤波器的计算。利用反演法对理论模型和实际数据进行了滤波处理 ,该方法可以有效地消除一般t x预测滤波处理中存在的缺陷。实际应用表明 ,这种方法更能满足对地震资料高分辨率、高信噪比和高保真的要求 ,处理效果更接近实际。     

小波变换在图文电视视频解码中的应用

简单介绍了基于小波变换的图像编码原理,重点描述了小波变换在图文电视视频解码中的应用,给出了解码中的小波变换部分的MATLAB仿真。     

小波变换在信号降噪中的应用及MATLAB实现

针对信号检测中经常存在的噪声污染问题,介绍了小波变换的一般理论以及在信号降噪中的应用,分析了被噪声污染后的信号的特性;利用MATLAB软件进行了信号降噪的模拟仿真实验;分别使用了不同类型的小波和相同类型小波下不同阈值对信号进行了降噪.仿真结果表明小波变换具有良好降噪的效果.     

随机干扰的谱估计及其在重磁数据处理中的应用

本文提供了重磁数据随机误差的一种谱估计及其在评价重磁数据处理结果可靠性方面的应用。如以D_n表示原始随机误差的方差,以D_(nβ)表示处理后的方差,则误差传递系数K可写成 K=[D_(nρ)/D_n]~(1/2)≈[integral from n=-ωN to ωN P_n(ω)|H(ω)|~2dω/integral from n=-ωN to ωN P_n(ω)dω]~(1/2)其中ω_N为折迭波数,H(ω)为变换算子.以上讨论可扩展到二维情况。应用这种方法可以估算波数域各种变换的误差传递系数K,评价处理结果的精度,从而作出较好的地质解释。     

子波变换图象压缩编码技术进展

从１９８８年Ｍａｌｌａｔ将子波变换用于信号处理提出多分辨率分析概念，给出了信号或图象分解为不同频率通道的算法和重构算法。开创了子波变换在图象处理中的应用，子波变换在时域和频域同时具有良好的局部化性能，使子波变换成为视频图象压缩编码的主要技术，专家预计，在１９９６年符合高清晰度电视标准的子波变换视频图象压缩技术将推出问世，本文综述子波变换图象压缩编码技术当前的进展。