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。     

基于组合广义形态滤波的大地电磁资料处理

针对矿集区大地电磁强干扰的特征,构建组合广义形态滤波器,从时间域波形上探讨组合广义形态滤波对实测大地电磁强干扰的噪声压制效果。给出基于组合广义形态滤波的大地电磁资料处理流程,在人烟稀少、基本无电磁干扰的青海柴达木盆地进行试验研究,对包含比较单一的人工广域电磁干扰源的试验点进行组合广义形态滤波处理,横向对比时间域波形和视电阻率-相位曲线的改善情况。研究结果表明:该方法可以更加精确地勾勒出大尺度强干扰的轮廓特征,视电阻率-相位曲线的整体形态更加光滑、平稳,数据质量得到明显改善;由于该算法能有效提取暂态信号中的奇异信号,且只需进行加、减和比较运算,计算速度快,这对于在矿集区开展大地电磁强干扰的压制及资料处理具有一定应用价值。     

去除漏磁数据中无缝管道噪声的小波域自适应滤波算法

漏磁(MFL)检测是油气管道在线检测中应用非常成熟的一种无损检测技术。将小波变换与自适应滤波技术相结合,提出了一种去除漏磁数据中无缝管道噪声(SPN)的小波域自适应滤波算法。将该算法用于实测漏磁数据的处理,所得结果说明该算法具有良好的去噪效果,可以极大地提高漏磁数据中缺陷信号的可检测性。     

基于小波变换的4种图像噪声滤波方法比较

利用小波变换方法进行图像噪声滤波是使用小波分析理论进行图像处理应用的一个重要内容.本文以MATLAB为平台,给出了最常用的4种基于小波变换的图像噪声滤波方法并进行了仿真效果比较,同时,针对模极大值滤波方法实现时的烦琐和速度慢问题,提出了中值滤波和模极大值滤波相结合的算法改进,简化了运算,提高了运算速度并保证了滤波质量.试验得出小波域尺度相关性和改进后的小波系数模极大值法效果最理想.同时对小波变换方法的进一步改进与完善具有实用意义.     

基于数学形态滤波的大地电磁强干扰分离方法

针对矿集区大地电磁信号采集过程中常引入强噪声干扰等问题,采用数学形态滤波对大地电磁强干扰分离方法进行研究。在仿真信号中加入常见的强干扰来检验形态滤波的降噪能力,根据噪声类型选取不同结构元素尺寸及大小,并将形态滤波应用于实测大地电磁数据的降噪处理。采用非线性共轭梯度法进行反演,考查形态滤波对提高大地电磁测量数据质量的改善情况。研究结果表明:数学形态滤波能有效消除大地电磁强干扰中的大尺度干扰和基线漂移现象,重构信号基本保留原始大地电磁信号特征,改善大地电磁测深数据质量。由于该方法原理简单、并行运算速度快,具有较好的应用价值,适合于矿集区海量大地电磁强干扰分离。     

基于子带噪声的自适应小波阈值算法

该文提出了一种新的小波阈值的算法,它是在传统的Donoho阈值上的改进．传统的Donoho阈值没有考虑小波系数中不同的子带包含的噪声不同,均采用唯一的一个Donoho阈值对小波系数进行判别．这显然是不合适的．因此,作者提出了这种根据子带中的噪声自适应的调整小波阈值的算法,收到了比较满意的效果．     

基于形态滤波的大地电磁去噪效果分析

本文运用形态滤波通过腐蚀．膨胀以及开一闭，闭一开运算对仿真大地电磁数据进行去噪分析，运用组合形态滤波嚣对一段大地电磁信号进行了去噪，并重构了大地电磁信号，结果表明形态滤波具有较好的抑制噪声效果，能够较好的去除大尺度的噪音干扰。     

基于改进型中值滤波算法的图像去噪

去噪算法在图像处理中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在小波软阈值去噪算法的基础上,提出一种基于噪声个数判断的改进型中值滤波算法。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与小波软阈值算法、小波硬阈值算法、中值滤波算法相比,具有更好的去噪性能。     

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     

小波软阈值算法去除SAR图像中的Speckle噪声

在详细分析了Donoho小波软阈值的基础上，应用小波变换技术对SAP图像进行分析处理。使用“小波局部软阈值算法”来计算阈值，对高频小波系数进行阈值确定。求得估计小波系数，对其取小波反变换后，去除SAP图像中的Speckle噪声。实验结果表明此方法对去除Speckle噪声十分有效，可以在含有Speckle噪声为背景的图像去噪中应用。     

基于残余噪声能量的自适应杂波抑制方法

基于残余噪声能量的自适应杂波抑制方法无需对目标信号、杂波与噪声的先验统计信息做假设，权向量值由系统设定的残余噪声决定。计算机仿真结果证实了该方法可以有效地抑制杂波与噪声信号。     

基于非局部均值的混沌映射噪声抑制算法

提出了一种基于非局部均值的混沌映射噪声抑制算法.该算法根据混沌映射的特征,利用实验分析得出非局部均值应用于混沌映射噪声抑制时滤波参数块长、搜索区间和带宽参数的最优取值.仿真结果表明,文中算法对高斯噪声的抑制性能优于现有的相空间估计投影方法、扩展卡尔曼滤波方法和无先导卡尔曼滤波方法,能对不同噪声水平的混沌映射进行有效的噪声抑制.     

小波阈值改进及在光谱信号去噪处理中的应用

针对宽光谱膜厚监控系统输出的光谱信号,通过改进Donoho阈值函数,对阈值加入微调因子,使与噪声幅度相近或小于噪声幅度的信号小波系数阈值减小,有利于其小波系数的保留。另一方面使噪声的小波系数的阈值增大,有利于其小波系数的滤除,使小波阈值滤波算法具有自适应性。通过实验表明该算法有效地抑制噪声,很好地保留了信号的细节信息,信号的峰值误差为0.7%—1.0%,峰位误差为0.1%—0.3%;提高了系统的监控准确度。     

基于形态学和提升小波的心电信号去噪方法研究

心电信号是一种典型的微弱信号,含有大量噪声,还具有强烈的非线性和非平稳性.针对传统小波计算量大,很难同时将心电信号中高频和低频噪声去除的问题,提出一种结合形态学与提升小波阈值去噪的算法,通过形态学滤波器去除信号的低频噪声,提升小波阈值去噪法去除信号中的高频噪声.经过对MIT-BIH心律失常数据库中的心电信号进行仿真,结果表明,结合形态学算法与提升小波去噪算法的去噪方法,能同时有效去除信号中的低频和高频噪声,提高了心电信号的质量.     

一种基于小波变换和数学形态学的边缘检测算法

结合小波变换和数学形态学的优点,提出了一种基于小波变换和数学形态学的边缘检测算法.基于数学形态学的边缘检测,对现有的检测算子进行改进,构造了一种抗噪型边缘检测算子,并使用不同方向的线型结构元素;基于小波变换的边缘检测能有效地保留图像边缘的细节信息,使提取的边缘完整连续.实验结果表明,本研究提出的算法与几种经典边缘检测算子相比,有效抑制了噪声的影响,提高了检测的精度,对各种不同图像具有很好的鲁棒性.     

一种改进的基于柔性形态学的图像边缘检测方法

在介绍柔性形态学的基础上,提出先利用迭代算法得到图像分割的最佳阈值,以增强图像的边缘.再利用多尺度柔性边缘检测算子得到图像的边缘,该方法根据不同尺度边缘图像所含信息量的多少确定边缘的合成,所以能实现图像的自适应边缘检测.实验结果证明:该方法与传统边缘检测算子提取的结果比较,可以更好地抑制噪声,得到的边缘在连续性和平滑方面均得到了提高.     

SURE准则的图像小波阈值去噪

在D．L．Donoho提出的小波阈值去噪的基础上,提出了一种新的阈值函数,其功能与硬阈值函数相当,但是它具有二阶连续可导性．相对于软阈值函数,此函数“硬”特性可以很好保留图像边缘等局部特征;而其可导性为实现图像的自适应去噪提供了可能．本文应用此阈值函数,基于SURE无偏估计,给出了一种小波自适应阈值去噪方法,并用Lenna和Barbara图做了仿真实验,实验结果显示此方法在最小均方误差（LMSE）意义上的优越性．     

一种基于边缘检测的小波阈值图像增强方法

在小波阈值去噪的基础上,提出了基于边缘检测的小波阈值去噪算法,并检验了这一算法的效果。     

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.