基于小波变换的一种心电信号去噪算法

小波变换是一种新出现的信号的时间-尺度（时间-频率）分析方法，是一种非常有用的工具。就去噪来说基于小波去噪的方法有多种，本文在心电去噪的过程中提出了一种基于小波阈值去噪的方法，原理简单，计算量小，效果良好。     

基于小波变换的一种心电信号去噪算法

小波变换是一种新出现的信号的时间-尺度(时间-频率)分析方法,基于小波去噪的方法有多种,本文在心电去噪的过程中提出了一种基于小波阈值去噪主要去掉高频噪声的方法,原理简单,计算量小,效果良好。     

基于小波变换与阀值收缩法的图像增强去噪

提出了一种基于小波变换与阀值收缩法的图像增强去噪方法。图像经过小波分解后可以得到一系列不同尺度上的子带图像,在不同尺度的子带图像上进行基于阈值收缩滤波的细节系数增强,再进行小波重构,即可得到增强后的图像。该方法可以有效地去除噪声,增强图像的平均梯度,改善图像的视觉效果。     

矩阵伸缩半正交框架小波

研究了L2(Rd)中A伸缩半正交框架小波,这里的A是行列式取值自然数的任意d×d扩展矩阵.得到了具有附加条件的框架小波为半正交的充要条件,给出了半正交框架小波成立的必要条件.     

小波变换消除储粮害虫声信号噪声的研究

以小波变换为理论基础,研究有效消除储粮害虫声信号中噪声的方法.根据信号和噪声在小波变换下表现出截然不同的特性,实现信号与噪声的分离.理论分析和实验表明,该方法在获得信噪比增益的同时,能保持对信号突变信息的良好分辨.     

基于GMRA的Parseval框架小波

研究L2(Rd)中A伸缩的Parseval框架小波的性质,这里的A指的是行列式值取自然数的任意d×d阶扩展矩阵.首先,给出框架小波为半正交时的充要条件,然后证明Parseval框架小波为半正交的充要条件,得到所有基于广义多分辨分析(GMRA)的Parseval框架小波等价于闭子空间W0的Parseval框架为{TkΨ:k∈Zd}的条件.     

框架小波集和紧框架小波集

引入了L2(R)的约化子空间X的框架小波集和紧框架小波集的概念,证明了一个可测集E是XΩ的框架小波集充分必要条件是E为基本集且所有2nE(n∈Z)的并集为Ω;给出了可测集E为XΩ的紧框架集、小波集的充要条件,从而使DaiXingde等人关于L2(R)的有关结果成为该结论的特例.     

离散正交小波包及其在噪声抑制中的应用

研究有限长序列的小波包处理和噪声抑制的方法,方法用正交共轭滤波器构造有限维内积空间的正交值和分解及有限长离散小波包,分析了噪声的小波包分解系数的特性,并提出小波包变换域降噪的方法。     

毫米波雷达回波信号去噪系统设计

毫米波雷达的回波信号去噪系统以DSP芯片为核心，辅以数模转换及控制部分，包括与PC机的通信，用DSP实现主要的去噪算法．由于回波信号是非平稳的，传统的傅氏变换去噪效果不好，所以采用一种小波均衡阈值法对其去噪．实验结果表明，信噪比及最小均方误差均得到改善．     

基于离散平稳小波变换的心电信号去噪方法

本文提出一种基于离散平稳小波变换的心电信号去噪方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的去噪方案。该方法能有效克服传统离散正交小波变换去噪时容易产生Gibbs现象,从而达到保持心电波形特征且抑制噪声的双重目的。     

小波分析标架理论的几何表述

标架理论是小波分析理论中的一个关键内容。给出了这一理论的一个几何表述，从而深入地揭示了标架理论的实质，进而阐明了稳定性条件，标架常数的意义，分析了Riesz基与标架之间的区别与联系，并给出了对偶标架与重构公式的一个简洁推导。     

利用小波变换技术求解钢筋混凝土框架地震反应

基于离散正交小波变换的快速Mallat算法,用紧支集正交小波db6对地震动加速度时程进行了分解,随后将该分解结果用于求解多自由度弹性体系的地震反应。通过实例计算,发现小波变换法的计算结果与用振型分解法计算的结果较接近,说明该方法用于地震反应分析是可行的。     

应用小波变换实现弱雷达信号的实时探测

为克服干扰环境下雷达识别和跟踪弱目标信号的困难 ,提出了一个基于小波变换的实时探测方法。通过分析目标和干扰的回波特征 ,采用了一种正交导数小波分析信号的局部凸性 ,并根据局部上凸区间的统计概率给出目标信号位置的探测估值。用仿真和试验数据检验方法的有效性 ,结果表明该方法能够有效判定信干比低至 - 5 d B时目标信号的位置。算法简单、稳定 ,是可行的     

煤热重信号的两步法去噪

提出不同于传统方法的两步法小波去除热重信号噪声的方法,即将小波去噪过程分成两步:首先,利用小波的二进制离散变换将信号进行不同层次的分解,分析不同分解层的小波系数,利用方差来区别突变信号的特性,对小波系数和尺度系数进行不同的滤波处理,重构获得除去突变噪声的含噪信号;然后采用传统方法将含白噪声的信号进行消噪处理.将该方法用于河北峰峰变质煤的恒温热重信号消噪,从去噪结果上看:两步法可以有效地滤除掉突变信号的干扰,且较好地保留了信号的基本特征.     

不同小波去噪法处理热重信号的研究

通过对恒温DTG曲线的小波去噪研究,发现采用不同的小波以及小波分解层次都会影响到最终的去噪效果．利用信噪比、均方根误差和李氏指数等指标作为评判标准,比较了不同去噪信号的特征,并确定了最佳的小波去噪参数．同时对过滤得到的噪声信号进行分析,发现这些噪声信号符合白噪声的标准,通过比较小波去噪与相邻点平均法和傅里叶过滤法,证明小波法在处理DTG信号时具有优势。     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

基于小波框架的有限角度CT重建算法

针对有限角度CT重建问题,结合压缩传感相关理论,提出了基于小波框架的有限角度CT迭代重建算法．该算法利用小波框架的冗余性及框架系数稀疏性原理,首先建立了小波框架图像重建模型,通过共轭梯度法求解投影方程,得到重建图像,然后通过分裂Bregman迭代法对重建图像的小波框架系数进行阈值收缩,减小图像L1范数,提高重建精度．实验结果表明在有限的投影数据下该算法重建出的图像内部结构边缘清晰,对比度高,重建误差低,对噪声有一定的抑制作用．     

基于小波神经网络的框架结构损伤识别

以含损伤的框架结构为研究对象,对损伤位置和损伤程度进行识别。运用有限元分析原理,采用Lanczos法得到框架结构的转角模态,对其转角模态进行连续小波变换可以得到结构的小波系数,再由小波系数模极大值确定损伤的位置。以损伤后结构的固有频率作为神经网络输入参数构造神经网络,从而实现对框架结构损伤程度的识别。通过对一平面框架结构的损伤识别计算分析,验证了方法的有效性。     

基于小波去噪的改进型Canny边缘检测法

Canny算子边缘检测算法简单,具有很好的边缘检测性能,对于噪声污染小的图像能取得较好的效果.但对于噪声较大的图像,传统Canny算法不能在噪声抑制和边缘检测之间达到好的平衡.将小波去噪引入到Canny算法中,有效的抑制了噪声在边缘检测中的影响,提高了检测精度.