基于SVD的频域滤波去噪算法

为了解决时域SVD分解算法对非水平同相轴去噪效果不佳的难题,提出了Eigenimage和Cadzow 2种基于SVD分解的频域去噪算法.这2种算法将数据转化到频率域,在频率切片上进行SVD去噪,将信号时移转换为相移,从根本上解决了非水平同相轴的去噪问题,并且有良好的信号保真性.通过模型对其有效性进行验证,结果表明,Eigenimage和Cadzow算法对同相轴均有很好的去噪效果,但相比时域SVD算法,这2种算法计算量较大.     

复杂构造地区的SVD去噪技术

SVD去噪技术对构造简单地区,特别是地层近水平的情况下的地震剖面的去噪效果是十分明显的;对于构造复杂地区,该法往往失效。针对这个问题,作者提出了一种新的技术:它将同相轴的自动追踪与SVD去噪技术有机地结合起来;它将一般的SVD方法是针对整个剖面数据体来计算的,改变为针对每一样点的邻区,选择小时窗和小道窗的数据体来计算;它利用数据体的旋转方法,来实现同相轴始终保持水平方向;并采取了其他一系列的技术措施,使SVD方法在构造复杂地区取得了很好的去噪效果     

LWT-FLP去噪算法在FBG传感器信号处理中的应用

为了提高传感器信号处理的精度,结合提升小波变换和前向线性预测算法优势,提出了一种应用于FBG传感器信号处理的LWT-FLP去噪算法。研究结果表明：信号经FBG处理后展现出显著的去噪效果,且与处理前具有相似的变化趋势,FBG传感器可代替标准电磁流量计使用,具有相同功能。LWT-FLP算法相比于G-FLP算法及FLP算法这两种传统算法,去噪效果更佳。加速度计输出信号经LWT-FLP算法去噪后,不论是方差还是均值相比原始结果下降幅度都很大。     

信息隐藏算法中的去噪

指出了信息隐藏算法中去噪的意义和该算法中去噪与一般意义下去噪的不同点 ,然后讨论了各种滤波对图像去噪的性能 ,最后提出了 2种与尺度有关的小波域自适应去噪算法。大量的实验结果和进一步的分析表明 :在信息隐藏算法中 ,维纳滤波较具优越性 ;均方误差不能作为信息隐藏算法中滤波器去噪性能的度量。     

VMD-HD-KT去噪法在管道泄漏信号中的去噪应用

针对变分模态分解(VMD:Variational Mode Decomposition)难以选取预设尺度K和其分解后难以区分有效模态和噪声模态的问题,提出了一种由豪斯多夫距离(HD:Hausdorff Distance)确定K和肯德尔相关系数(KT:Kendall’s Tau)确定有效模态的联合准则方法(VMD-HD-KT),并将其应用于天然气管道泄漏信号去噪。首先,计算K=2～8 h最后一个模态与原始信号的HD,通过评估HD确定K,然后输入K值进行VMD分解,将原始信号分解成K个具有不同特征时间尺度的固有模态函数(IMF:Intrinsic Mode Functions),选取K_KT大于0.1的IMF作为有效模态,最后进行信号重构。实验结果表明,VMD-HD-KT算法可以准确选取K值和有效模态,对仿真信号和管道泄漏信号有较好的去噪效果。     

边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。     

自适应小波阈值算法在应答器信号去噪中的应用

为了改善应答器信号的去噪效果,利用小波变换具有多分辨分析的特点,在分析硬阈值和软阈值函数小波去噪的基础上,提出了一种改进的自适应阈值量化方法。该方法克服了硬阈值函数存在间断点和软阈值函数存在恒定偏差的问题,能够自动地调节阈值量化规则,具有更好的连续性。仿真结果表明:改进的自适应小波阈值算法对应答器信号进行消噪处理后,信噪比增益、均方差均优于传统的阈值算法和现有的改进阈值算法,并且能很好地保留原始信号的特征信息。     

自适应小波去噪算法及其在偏心补偿中的应用

针对液压自动厚度控制(AGC)系统中轧辊偏心信号的补偿问题,提出一种基于自适应小波阈值去噪算法的补偿方法.该方法根据噪声在小波变换下的特性自适应地确定小波分解的阈值,将去噪信号的信噪比作为性能指标,采用黄金分割法进行寻优,得到最优的阈值参数.仿真结果表明,该方法比原有的阈值去噪方法效果更佳,对液压AGC系统中轧辊的偏心信号具有良好的补偿效果.     

LMD在惯性导航中的去噪应用

根据以往对惯性导航数据去噪方法的不足,本文提出局域均值分解(LMD)与小波去噪相结合的方法对惯性导航产生的随机误差进行去噪处理,这种方法可以自适应地将原始含噪信号分解成若干个具有物理意义的PF分量之和,然后对各个PF分量进行小波去噪,最后将各分量的去噪结果相加得到最终的降噪信号。通过仿真数据与真实高塔测试数据的去噪实验,验证了该方法的有效性。     

基于Wiener自适应滤波算法在语音信号去噪中的研究

主要研究基于Wiener自适应滤波LMS算法与RLS算法在语音信号去噪中的应用。对语音信号与噪声在相关和不相关、平稳和不平稳这四种情况下,分别采用RLS和LMS算法对语音信号进行去噪分析。研究发现,不管信号与噪声处于上面四种情况的任何一种,RLS算法比较优越,而且在处理相关和非平稳的情况下优势更大;对于不相关和平稳的情况,LMS算法的效果较好。     

粒子群优化算法在齿轮箱振动信号去噪中的应用

 以振动频谱分析和粒子群优化算法为主要理论依据,以风力涡轮机齿轮箱为例,提出一种基于一维加速搜索算法和粒子群优化的齿轮箱振动信号去噪方法。利用一维加速搜索算法缩减搜索范围,应用粒子群优化算法提升优化效果,对切比雪夫带通滤波器和Morlet小波滤波器的设计参数进行优化,并对齿轮箱故障振动信号进行滤波处理。仿真实验结果表明,此方法能够实现快速有效滤波去噪,适用于齿轮箱实时故障诊断的研究,具有一定的理论研究价值和实践应用价值。     

基于信号去噪的小波算法研究

小波作为一种数学函数,被应用在很多领域,从信号去噪的角度对小波进行分析研究。首先给出小波的理论介绍,接着在matlab中通过实验对前面的理论进行进一步的阐释,最后鉴于FPGA的查找表的特点和DA算法的思想,硬件实现小波算法。     

基于不动点算法的LLT去噪模型

利用凸分析理论建立关于图像去噪LLT模型的不动点方程, 并用不动点迭代得到关于该方程的数值解. 数值试验结果表明, 该方法比原来的数值方法速度更快、 去噪效果更好.     

盲小波算法在金属矿床地震资料去噪处理中的应用

根据小波分析和盲信号分离原理,提出了一种金属地震资料降噪的盲小波算法。首先将金属地震信号用小波分解为不同频带的信号;其次把不同频带的信号进行软阈值法处理,并进一步对不同频带信号进行盲分离,提取出与源信号相关的信号;最后通过小波重构估计源信号。通过盲小波算法与其他降噪技术对实际金属地震资料进行降噪处理,结果表明盲小波算法能有效消除各种干扰噪声。去噪后的金属地震资料纹理清晰,地震资料剖面信噪比显著提高。     

小波去噪及其在虚拟仪器中的应用

利用小波对信号去噪,是小波理论应用于实际的一个重要方面。在用由虚拟仪器组成的系统进行测试时,经常要对信号进行去噪、分析等后处理。文中介绍了用于一维检测信号去噪的几种常用方法,并在虚拟仪器开发软件LabVIEW中实现了去噪算法,最后对这几种算法的去噪效果进行了比较。     

改进的小波阈值去噪法及其在语音信号去噪中的应用

语音信号是一种非平稳的时变信号,利用小波对非平稳信号处理具有明显的优势。小波阈值去噪算法因其算法简单,计算量小而广泛应用于信号去噪。但是硬阈值函数易造成信号振荡,软阈值函数引入固定偏移从而造成高频信息丢失。基于上述两种方法的不足,提出了一种改进的阈值函数并且对该函数引入的可变参数进行了自适应确定。仿真结果表明该方法在可以有效去除噪声的同时,减少了信号振荡,保留了信号高频成分即保留了信号尖峰点信息,改善了语音质量。     

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。     

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。     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

基于自适应算法的去噪滤波仿真比较

介绍了自适应滤波器的基本原理,对最小均方算法(LMS)和递推最小二乘算法(RLS)这两种自适应算法进行了理论分析和仿真比较.模拟仿真结果和语音去噪系统均表明:两种算法都能有效滤除噪声干扰.相比之下,RLS算法具有更好的收敛性能和稳定性,权噪声小,抑噪能力强.