自适应滤波器在胎动信号除噪中的应用

设计了一种新的基于小波变换的自适应滤波器,其参考信号选择原始胎动信号经小波分解后与干扰基本无关的尺度信号.该滤波器可有效去除胎动信号中由于呼吸、宫缩等动作带入的低频干扰,对咳嗽、发笑产生的高频干扰也有很好的抑制作用,为提高胎动信号的识别率打下了良好的基础.     

改进的自适应小波变换在信号去噪中的应用

讨论了传统的LNS在信号处理中的不足。基于离散小波变换提出一种自适应去噪方法。该方法利用多分辨率分析理论，把信号和噪声分解在不同的频率范围之内，使信号和噪声的频谱得到简化，从而减少了自适应滤波器的级数，使输入自相关矩阵阶数降低。仿真结果表明，与传统的LMS算法相比，WLNS算法的收敛速度和稳定性得到了显著的提高。     

自适应滤波和子波变换在信号消噪中的应用

研究了RLS(递推最小二乘)自适应滤波器和小波消噪方法的滤波特性,在仿真的基础上选取两者作为实际采集信号的消噪处理方法。为了取得较好的消噪效果,对不同类型的信号采用不同的处理方法,对于特定的信号可采用将两者相结合的方法。处理结果表明,所选用的方法消噪效果明显。     

自适应除噪技术在轧钢机故障诊断中的应用

在试验的基础上，本文提出了把自适应除噪技术（ＡＮＣＴ）用于轧钢机滚动轴承故障诊断的方法。测试分析结果表明，自适应除噪技术能有效地去除在轴承信号中混杂的干扰噪声，提高轴承的信噪比，使轴承的故障特征表现得更为明显     

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。     

一种基于小波变换的迭代自适应图像除噪算法

借鉴卡尔曼滤波的思想,建立了一种基于小波变换的自适应迭代图像除噪算法.实验结果表明,算法是有效的.     

基于小波变换自适应滤波方法的ECG信号消噪

为了减少在用小波变换方法进行心电信号消噪时所产生的心电信息损失,本文在对心电信号进行离散正交小波变换的基础上,进行自适应滤波处理,即以具有最大QRS波能量的尺度上的高频细节信号作为自适应滤波器的参考输入,以噪声干扰对应的分解尺度上的“细节”分量及最大分解尺度上的近似分量所重构的信号作为原始输入.实验证明这种改进的滤波方法可以在有效抑制心电信号中噪声干扰的同时,较好保持心电信号的波形特征及有用的心电信息,达到较好的滤波效果.     

小波去噪及其在信号检测中的应用

基于信号和噪声在小波变换下表现出的截然不同的性质，提出了一种非线性的消噪方法．该方法与传统的消噪方法不同，它并非等价于信号通过一个低通或带通滤波器，而是根据信号与噪声的奇异点性质不同进行滤波，因而在改善信噪比的同时，又保持相当高的时间分辨率．理论分析和实验表明该方法特别适合于弱信号的检测和定位     

基于小波变换的自适应滤波器消除ECG中基线漂移

设计了一种新的基于小波变换的自适应滤波器，其参考信号选择原始信号经小波分解后的高频部分。该滤波器可有效消除心电信号中基线漂移。经ＭＩＴ／ＢＩＨ心电数据库检验，取得满意的结果。     

小波变换在信号消噪中的应用

小波变换是近十年来迅速发展起来的学科,与Fourier变换相比,是一个时间和频率的局部变换.它的主要特点是将信号表示为不同尺度和不同位置的基本单元,而不同的基本单元表示原始信号中的不同信息成分,这种特点使小波变换成为一种高效的信号处理工具.讨论了小波变换消噪原理,通过对信号仿真分析,表明了小波变换在信号消噪应用中的有效性.     

自适应神经模糊推理系统在信号去噪中的应用

介绍了基于自适应神经模糊推理系统的语音去噪方法,这种算法把模糊系统理论和人工神经网络相结合,继承了二者的优点,通过神经网络强大的自学能力,弥补了模糊推理系统非常依赖于操作人员的经验的缺陷。有色噪声是功率谱密度函数不为常数的噪声,很难去除,仿真实验证明:使用自适应神经模糊推理系统能较好的去除测量信号中的有色噪声。     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响，提高重力异常测量值的精度，在分析了小波阈值及自适应小波阈值去噪算法的基础上，将其应用到高精度海洋重力仪系统数据处理中，并与自适应卡尔曼滤波做了对比，以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据。理论分析和仿真实验表明，自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响，但在相同情况下，自适应小波阈值去噪方法具有明显的优越性。     

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。     

基于神经网络的非线性自适应除噪研究

提出一种适用于非线性自适应除噪（ANC）的神经网络方法。当参考通道中的噪声是主通道噪声的非线性变换时，采用线性ANC往往效果不好，此时应采用非线性ANC。由于径向基函数网络具有良好的非线性函数逼近性能，因而可采用基于径向基函数网络的非线性自适应除噪。模拟结果表明，这种方法具有明显的抑制噪声能力。     

基于非均匀五株采样滤波器组的图像阈值除噪

针对传统二维小波缺少多方向特性和传统多方向滤波器组不能进行多尺度分解的缺陷,提出了一种具有多尺度多方向特性的非均匀五株采样滤波器组。该滤波器组每层分解具有一个低频子带和十二个高频子带,并可通过对低频子带的重复分解得到图像的多尺度信息,实现了多方向分解和多尺度分析的统一完成。将提出的非均匀五株采样滤波器组结合统一阈值方法应用于图像除噪。经试验验证,与小波统一阈值除噪相比,所提出的方法对除噪后的图像无论从视觉效果和峰值信噪比(PSNR)上都有较显著提高。     

小波变换的信号去噪应用

通过对信号与噪声在经过小波变换后的不同特点的分析，讨论了一种对含噪信号进行噪声消除的方法。该方法与传统的低通滤波器相比，在改善信噪比的同时，还保持了很好的时间分辨率。最后通过仿真实验．证明了该方法的有效性。     

基于小波变换的自适应阈值微震信号去噪研究

针对矿山微震信号中所包含的随机噪声对微震监测和微震源的准确定位存在着严重干扰的问题,根据前人的研究成果,在分层阈值上增加分层自适应因子,提出一种新的分层自适应阈值方法.该方法根据矿山微震有效信号的低频特性,利用分层自适应因子,将高频部分的噪声信号最大限度地去除,提高矿山微震信号的信噪比;同时,最大程度地保留低频部分的信号.通过实际数据与分层阈值的对比,验证了该方法的有效性与优越性.     

基于径向基神经网络的非线性自适应除噪

提出一种适用于非线性自适应除噪（ＡＮＣ）的神经网络方法．当参考通道中噪声是主通道噪声的非线性变换时,采用线性ＡＮＣ往往效果不好,此时应采用非线性ＡＮＣ．由于径向基函数网络有良好的非线性函数逼近性能,因而可采用基于径向基函数网络的非线性ＡＮＣ．模拟结果表明,该方法具有很强的噪声抑制能力．     

基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.