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。     

OFDM系统仿真及链路性能比较

在这篇论文中，我们提出一个Orthogonal Frequency Division Multiplexing（OFDM）通信系统的组成结构。在我们提出的系统中，对各个重要的OFDM模块都采用了不同方案以形成对比。我们通过计算机仿真的方式，以具体的仿真数据比较了编码和未编码，卷积编码器采用1／2和1／3码率，维特比解码器采用软判决和硬判决，调制方法16-QAM和QPSK，AWGN和Rayleigh信道环境。通过对各种形成方案的性能进行比较，从而为实际通信系统的架构提供强有力的参考依据。     

基于FFT的快速小波算法

利用FFT实现快速卷积运算,使小波变换的每次卷积计算复杂度从O(N2logN)降为O(NlogN),从而提高快速小波变换的速度.     

小波变换与傅立叶变换在信号消噪中的对比研究

本文介绍了小波变换,阐述了小波消噪的原理。通过仿真,比较了二者在信号消噪方面的优缺点,得到了小波变换在信号消噪方面明显优于傅立叶变换的后记。     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系，针对小波系数估计中硬阈值方法和软阈值方法的缺点，通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法，提出了一种新的小波域局部自适应去噪算法。实验结果表明，该方法既可以去除噪声，又可以较好地保留图像的高频细节特征。     

利用小波分解处理声信号

声信号在实际运用中是一个非常重要的物理参数,声信号测试技术广泛的应用于各种领域。噪声一直是影响声信号测试的准确性和可靠性的主要因素,因此,如何在不丢失有效信号的同时去除噪声成为声信号测试的一个技术难题。小波技术是现代数字信号处理中一种非常重要的方法,本文将小波去噪重构法用于声信号处理中,实现有用信号和噪声的分离,重构声信号曲线。实验资料处理结果表明,此方法更能有效地抑制随机噪声,提供可靠的信号。     

基于FPGA的8K点FFT的设计与实现

采用4K点复数FFT实现8K实数点FFT;数据存储单元采用双口乒乓RAM结构;采用级联结构流水线的设计方式,基4蝶形结构完成前6级的运算,双基2蝶形结构完成最后一级运算;使用块浮点溢出检测.实验结果表明,在时钟周期为8.74ns的正常状态下,采用FFT处理器实现8K实数点FFT仅需要35.799μs,达到了高速运算的目的.     

一种小波阈值的图像去噪的新方法

基于小波变换的图像去噪方法是在运用小波变换对含噪图像进行去噪前,先对图像进行小波级数分解,对其中的低频系数和高频系数进行适当的放大;然后对图像采取局部阈值去噪法进行去噪;最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构。     

一种改进的基于图像阈值的小波去噪算法

介绍了传统小波阈值去噪方法的去噪原理,结合图像本身的特性,提出了一种新的阈值选取方法,将改进阈值和改进阈值函数同时应用于降噪,经实验证明,此综合改进可保持稳定的降噪效果.     

基于小波熵的心音信号去噪算法研究

心音信号在采集过程中,易受到干扰混入噪声,常采用小波变换进行心音信号的去噪处理.传统的小波阈值去噪,未根据心音和噪声的特性选择阈值,导致去噪效果不甚理想.针对小波阈值选择问题,提出基于小波熵的自适应阈值选择方法.基于小波熵阈值、极大极小阈值和固定阈值,分别对正常心音、第二心音分裂和含S4的心音信号去噪仿真分析.结果表明...     

一种小波去噪方法的几点改进

Mihcak M.K,IEEE Signal Processing L etters,1996 ,6 (12 ) :30 0 30 3提出了小波去噪方法 L AWML(L AWMAP) ,并得到了非常好的去噪效果。该文针对其过保留小系数的特点提出了引入阈值处理以减少重建毛刺和提高去噪后信号的压缩率 ;根据小波系数子带能量分布的特点 ,提出对不同尺度不同子带选择不同邻域来提高方差估计的准确性 ;根据子带的方向选择性 ,提出用长方形代替正方形邻域的改进方案。通过实验证明了这些改进可以有效地弥补原先 L AWML (L AWMAP)方法的不足 ,得到更好的去噪效果.     

一种基于小波变换的图像去噪方法

小波去噪方法中最早被提出的是小波阈值去噪方法,它是一种实现简单而效果较好的去噪方法。本文通过小波系数进行阈值处理,在小波变换域中去除低幅值的噪声和不期望的信号,然后运用小波逆变换,从而得到了去噪后的重建图像。     

基于DS-UWB超宽带系统中小波去噪计算机仿真

超宽带系统信号脉冲持续时间极短，功率谱密度极低，传统去噪方法不能满足要求，在超宽带系统中使用小波变换模极大值法抑制噪声效果比较理想，它既能有效抑制噪声，又能保留UWB信号的奇畀性。仿真结果表明该方案算法简便、效果明显。     

小波变换与FFT联合识别乐音

单一音符是规则的周期信号,利用FFT可以获得最佳频域分辨.但由于乐音的谐波成分非常丰富,直接实施FFT无法准确检测基音.笔者首次提出小波变换DWT和FFT结合的乐音音符识别方法,该方法充分利用了DWT的低通分解迅速、低频近似信号的平滑性好等优点,实现了乐音基音频率的精确识别,是乐音音符识别的一个很好的方法.     

基于小波多分辨率分析的信号消噪

小波变换是近10年来迅速发展起来的学科，它与傅立叶变换、Gabor变换相比，是一个时间和频率的局部变换，因而能有效地从信号中提取信息。通过对信号进行多尺度细化分析，解决了傅立叶变换不能解决的许多问题。利用噪声信号小波变换的极大值随尺度的加大而显著减少的特点，运用小波多分辨率分析进行信号噪声的消除，仿真结果表明:小波多分辨率分析的效果，优于传统的傅立叶变换。     

5种小波在心音信号处理中的分析与比较

小波分析凭借其特性,非常适合作为一种工具对心音信号进行分析处理。但由于不同小波各有其特点,导致处理效果存在一定的差别。文中特根据心音信号的特征构造一种小波,并与db5小波、bior5.5小波等4种小波进行比较。结果证明自构小波在进行心音去噪、分解重构以及分类上都有非常良好的效果。并进一步证明了根据一类信号的特点构造一种小波是提高分析效果的可行方法。     

基于短时傅立叶变换和连续小波变换的先天性心脏病心音比较分析研究

介绍了将短时傅立叶变换(STFT)和连续小波变换(CWT)用于先天性心脏病(房间隔缺损、室间隔缺损、动静导管未闭)心音信号进行时频分析、特征提取的研究.两种方法都能较好的识别先天性心脏病人,总有效率为85%.论文对两种方法的优缺点进行了比较.小波变换比短时傅里叶变换能更有效的识别正常人与病人的心音信号的特征,可分性更好.但是短时傅里叶变换能量范围更集中,动态范围变化也更小一些.     

基于LabVIEW的心音采集处理系统设计

本文介绍了一种心音分析虚拟仪器的处理系统方案,为开发出适合个人在PC机上使用的心音分析仪器打下了基础。该仪器是以LabVIEW为硬件开发平台,以HKY06B微音传感器和计算机自带声卡为基础,共包含了心音采集、小波去噪、心音分析三个模块。采用了用傅里叶变换,通过包络,求出两个相邻的最近的机制点的时间差的方法,计算心跳频率和第一心音与第二心音之间的时间间隔,提高了系统的容差能力和计算精度。该仪器突破了传统听诊的局限性,可供医学院的学生们使用,也可作为临床心脏诊断的辅助仪器。     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系,针对小波系数估计中硬阈值方法和软阈值方法的缺点,通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法,提出了一种新的小波域局部自适应去噪算法.实验结果表明,该方法既可以去除噪声,又可以较好地保留图像的高频细节特征.     

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.