基于高斯混合模型图像局部自适应去噪算法

针对传统阈值小波去噪方法未考虑小波域尺度内和尺度间系数相关性的问题,采用基于小波域统计模型的新型去噪方法,图像小波域的先验统计模型采用高斯混合尺度模型。在计算信号的协方差矩阵时,对图像分块并用椭圆窗滑动求局部协方差矩阵,以达到局部自适应的去噪目的。实验表明,该方法与在子带内求协方差矩阵的方法相比,去噪效果有所提高。     

一种基于小波模极大值的信号去噪算法

研究了小波变换中噪声和信号的次要的模量极大值曲线对定位信号特征点造成干扰的问题,提出一种基于小波模阈值和模极大值曲线长度阈值的去噪算法,并把该算法与传统小波阈值去噪算法进行了对比。仿真结果表明,该算法可以明显地去掉噪声和信号中次要的模极大值曲线,保留信号主要的模极大值曲线,在定位信号特征点上优于小波阈值去噪算法。     

基于非线性多小波变换的信号去噪方法

介绍了一种基于非线性多小波变换的信号去噪方法。通常子波域去噪中使用的Donoho软阈值法是很有效的，但是，由于忽略了边缘检测，导致在重构信号时丢失了部分的边缘信息，着眼于上述不足，在非线性多小波变换的基础上，提出了一种边缘检测与软阈值去噪相结合的去噪算法，实验证明此算法对提高重构信号的信噪比是非常有效的。     

基于局部方差的模糊小波阈值图像去噪

针对小波阈值去噪中的VisuShrink阈值(统一阈值)“过扼杀”细节系数和SUREShrink阈值(Stein无偏估计阈值)“过保留”噪声系数的特点,提出了一种新的模糊小波阈值去噪方法。该方法根据小波系数局部方差能体现信号受噪声影响程度的特点,在局部方差之间引入模糊区域,通过模糊区域内局部方差的大小来计算相应小波系数的噪声隶属度。根据不同的模糊隶属度在VisuShrink阈值与SUREShrink阈值之间选取去噪阈值,并用软阈值函数消减。实验结果与仿真表明,提出的模糊阈值方法有较好的去噪效果。     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

小波变换在弹射加速度滤波中的应用

小波分析作为一种崭新的信号处理方法,在工程界受到了越来越广泛的重视,已成功应用于信号分析、图像处理及非线性科学等方面。小波变换是去噪的有力工具,能将由各种不同频率成分组成的混合信号分解到不同的频率段上,有效地用于滤波和信噪分离。本文基于小波分解与重构理论,分别对航空弹射加速度信号滤波,与传统的消噪法进行了比较。结果表明小波去噪法用较少的数据就能很好地完成滤波功能,并且滤波的效果优于传统的方法。     

基于多小波变换的GPR图象去噪方法研究

探讨了多小波函数及其预处理方法对探地雷达(ground penetrating radar-GPR)图象去噪性能的影响，在Donoho D L和Johnstone IM提出的小波阈值去噪方法的基础上提出了一个改进的阈值函数，并对实际的GPR图象进行阈值化处理和对比分析，结果表明选取合适的预处理方法，采用DGHM和STT多小波对GPR图象去噪可获得比其他方法更好的效果。     

基于小波变换的Power-Law水声瞬态信号检测研究

水声瞬态信号检测是水声对抗领域的一项关键技术.在分析了传统的Power-Law检测器的基础上,针对水声瞬态信号的特点,提出了一种基于小波去噪的检测方法.该方法利用小波去噪理论抑制信号中的杂散成分,提高信噪比,然后利用Power-Law检测器进行检测.对三种典型水声瞬态信号的仿真结果表明该方法可以在低信噪比条件下有效分辨信号和噪声,检测效果优于传统的Power-Law检测方法.     

锋电位检测信号的EEMD去噪方法研究

神经元锋电位(spike)是研究大脑信息编码的基础,因其宽带、小幅值等特点而极易受噪声干扰。针对spike信号的间歇性及非平稳性,采用经验模态分解(EMD,Empirical Mode Decomposition)的改进算法--整体平均经验模态分解(EEMD,Ensemble Empirical Mode Decomposition)对spike检测信号进行分解并结合小波阈值法进行去噪。EEMD能将信号中间歇性成分有效分离出来,解决了EMD产生的模态混叠问题。基于仿真和实测数据将其与EMD去噪方法及多元小波去噪法进行比较,结果表明:EEMD去噪方法不仅有效提高了spike检测信号的信噪比,而且降低了spike波形的畸变。在3种去噪方法中,EEMD去噪方法效果最为显著,对仿真信号的信噪比平均提高了4.177 2d B。为随后spike信号的分类和信息编码奠定了良好基础。     

基于平移不变量的摩擦焊检测信号降噪方法

平移不变量小波降噪方法，首先对所分析的信号进行循环平移；然后将平移后的信号进行软（硬）阈值小波消噪处理；再将消噪后的信号进行逆平移，通过多次‘平移——去噪——逆平移＇过程，最后平均所获得的结果。它能够有效地消除软闽值小波去噪过程中出现的pseudo-Gibbs（伪吉布斯）现象，提高了信噪比，使去噪结果更加逼近于真实信号。将其应用于对摩擦焊检测信号进行降噪处理，实验证明，具有较好的降噪效果。     

自适应小波阈值在磁记忆信号降噪处理中的应用

用金属磁记忆方法检测时信号常常被各种噪声污染,为了降低噪声的干扰,对传统阈值方法的局限性进行了分析,并在改进阈值函数的基础上提出了一种自适应小波阈值降噪方法。通过仿真实验对该方法的性能进行了验证,然后将其应用于磁记忆信号的降噪处理中,结果表明算法较好地剔除了信号中的噪声,提高了重建信号的噪声抑制率,降低了信号的失真率,是一种可行的磁记忆信号降噪方法。     

基于多小波分布熵的图像检索

为了提高小波直方图的检索性能,提出基于多小波信息分布熵的图像检索算法。对检索图像进行多小波分解,并用滤波器对各个子图进行非线性滤波,计算多小波各子带的能量熵;对各子图的小波能量矩阵进行0/1量化,然后以各子带相同方向子图计算多小波分布熵;针对特征向量进行高斯归一化,利用欧氏距离计算不同图像间的纹理相似度。基于内容的图像检索试验表明,该方法的检索精度比快速小波直方图方法提高了9.7%。     

基于曲波变换的自适应图像去噪算法

曲波变换是一种新的多尺度变换理论,具有各向异性的特征,可以很好地逼近含线奇异的高维函数。利用曲波变换和经验贝叶斯估计的方法,提出一种新的自适应图像去噪方法,在曲波分解的基础上,由贝叶斯决策理论方法来导出估计法则,从而获得贝叶斯估计值。实验结果表明,与其他几种常用的去噪方法相比,本方法去噪后,图像获得较好的视觉效果,同时客观评价指标明显改进,在较大噪声的情况下更能显示出其优势。     

基于移不变二维混合变换的机场雷达噪声抑制

机场跑道异物(foreign object debris, FOD)检测对飞行器的安全起降有着非常重要的意义,而机场跑道异物检测的一个关键环节是很好地抑制机场雷达图像的噪声,因此提出一种基于距离时间维的移不变混合变换以抑制机场雷达图像的噪声。首先,在雷达成像时进行离散傅里叶变换(discrete Fourier transform, DFT)和维纳滤波滤除距离维上的噪声。然后,在雷达成像时进行超分析离散小波变换(hyperanalytic wavelet transform, HWT)自适应滤波去除时间维上的噪声。与传统的成像后去噪算法相比,本文的算法可以有效地去除机场雷达图像噪声,显著地改善图像的视觉效果。最重要的是该算法具有很强的实时性,可以很好地应用到工程实践中。     

多径信道下ZP-OFDM信号的时域参数盲估计

针对低信噪比多径信道下,零前缀正交频分复用（zero prefix orthogonal frequency division multiplexing, ZP-OFDM）信号时域参数估计精度低的问题,提出了一种改进的ZP-OFDM信号时域参数盲估计方法。该方法首先计算信号的功率自相关函数,并利用小波消噪及平滑滤波对其进行预处理,通过检测峰峰值距离的方法完成符号总长度的估计。然后计算单位符号总长度数据的幅度平方值并对其进行小波分解与重构,设定门限提取一个零前缀估计值。最后通过多段数据联合估计确定最终的零前缀估计长度。仿真实验结果表明,在低信噪比多径信道条件下,提出ZP-OFDM信号的时域参数盲估计方法具有良好的估计性能。     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

基于对称小波变换的多层系数乘积去噪算法

为了有效地去除信号中的噪声,提出了一种基于对称小波多层系数乘积的信号去噪算法.该算法利用时称小渡能够反映信号突变位置的特点,把相邻的两层细节系数相乘得到模极大值,再加以阈值化和归一化,然后与低层的细节系数相乘,得到降噪的细节系数,重构后得到去噪信号.给出了应用该算法的具体步骤,并且通过仿真实验证明了该算法的有效性.