基于提升小波变换的心音去噪新方法

针对传统的小波阈值函数去噪无法有效滤除信号中的特定噪声,结合软、硬阈值函数的优点,提出了一种基于提升小波新阈值函数算法对心音信号进行去噪.首先利用提升小波变换对心音信号进行分解;然后利用新阈值函数更新其小波系数进行重构;最后与提升小波软、硬阈值函数去噪后的心音进行了希尔伯特包络提取验证其去噪效果.实验结果表明,提出的提升小波去噪新方法较软、硬阈值方法有更好的滤波效果,且提取的曲线包络更加清晰、平滑.     

基于小波熵的最优阈值去噪方法

小波去噪的核心问题是如何选取合适的阈值函数,进而估计出原始信号的小波系数.现有的改进去噪函数中大都含有需要根据经验来确定的待定参数,易用性和去噪效果均不理想.基于信号的小波熵理论,提出了令去噪后得到原始信号和噪声信号的小波熵之和为最大、从而获得了最优的小波软阈值去噪函数.对含噪声的Blocks信号进行仿真分析的结果证实了文中提出方法的有效性,该方法比采用软、硬阈值方法具有更好去噪效果.     

基于自适应阈值小波变换的心音去噪方法

在采集心音信号时,难免会引入一些噪声,对心音信号诊断之前必须对其做去噪处理。由于心音信号是非线性非平稳信号,对心音信号去噪处理常用小波变换去噪方法,但是传统的小波阈值函数去噪方法需要自定义阈值,去噪效果也不理想,且可能会滤除了大量的细节特征,从而无法对心音信号做出正确的判断。为了克服传统小波阈值函数对心音信号去噪处理出现失真的问题,本文在半软阈值函数的基础上提出了基于蚁群算法优化选取阈值的非线性小波变换去噪方法。以原始心音为研究对象,通过选用db6小波并进行6层小波分解,分别选用硬阈值函数、软阈值函数、半软阈值函数、蚁群算法的优化阈值的半软函数等不同的小波去噪处理,并将去噪效果与原始心音进行对比,然后利用蚁群算法的全局搜索性搜索最小均方误差意义下的最佳阈值。仿真结果分析表明:蚁群算法优化选取阈值的心音去噪效果不仅能够去除噪声,还能保留信号细节特征,该方法与传统的硬阈值函数去噪方法相比信号的信噪比(SNR)和均方根误差(RMSE)均得到明显的改善。     

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。     

一种改进型综合去噪算法在心音信号预处理上的研究

比较分析了小波变换去噪法和经验模态分解去噪法在心音信号去噪中的优点和缺点,并且结合它们的优缺点提出了基于EMD分解的小波去噪算法,最后将文中提出的算法分别与小波去噪法和EMD去噪法进行比较分析.实验仿真表明:该算法能有效地实现心音信号中噪声的消除,并且能很好地保留心音信号的高频特征参数,对非平稳噪声的去除表现出独到的优势.     

基于小波熵的航空磁测数据去噪

在小波阈值去噪的基础上引入小波熵概念,利用信号在不同的分解尺度上具有不同的小波熵,自适应地确定高频系数分量的阈值.仿真和试验分析表明,在低信噪比条件下,小波熵阈值的去噪效果优于其他几种阈值,能够有效去除航空磁测数据中的噪声,提高磁异常探测能力.     

小波阈值去噪在烟气轮机信号分析中的应用

由于烟气轮机振动信号中含有大量的噪声成分,常使其非线性特征量的提取不准确,因此将基于阈值的小波去噪应用于烟气轮机振动信号分析中。首先介绍了小波阈值去噪的基本原理、阈值和阈值函数的选择方法,并对阈值函数进行了改进;然后分别对含噪Lorenz信号和实测振动信号进行小波阈值去噪实验,计算了其去噪前、后的关联维数。结果表明,小波分解后,不同尺度上信号和噪声的小波系数的分布规律明显不同,通过对其分析可以合理选择小波分解的尺度;在此基础上对小波系数进行阈值处理并重构,能有效地去除信号中含有的噪声,很好地保存信号的局部特征;去噪后信号的伪相图更加规则,关联维数估计值更加合理。该方法能提高信号分析的准确率。     

基于熵理论的超声波检测信号消噪与缺陷识别

为消除超声检测信号中大量存在的噪声,提高材料内部缺陷诊断的准确性,采用基于熵理论的自适应阈值消噪算法对超声波信号进行消噪处理.分析了基于Shannon熵的最优小波包基搜索算法,提出了用熵表征信号含噪状态,根据小波能谱熵确定小波包不同分解尺度阈值的基本原理.对含缺陷的斯泰尔发动机曲轴的超声信号处理实验结果表明,这种方法对噪声消除比较彻底,能够获得表征缺陷大小、位置的准确信息,提高了材料内部缺陷定量分析的准确度.     

基于改进互补集合经验模态分解的自适应 小波熵阈值地震随机噪声压制算法

针对互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)后不易有效区分有用信号和噪声的问题,以及传统小波去噪阈值选取的不足,提出基于改进CEEMD的自适应小波熵阈值地震随机噪声压制算法。将地震信号进行CEEMD后,基于互信息熵和互相关系数获取高频含噪本征模态函数(intrinsic mode function,IMF);对含噪IMF进行多尺度小波分解,将高频小波系数等分为若干区间计算各区间小波熵,在此基础上得到不同尺度的自适应阈值,同时设计了改进阈值函数进行小波阈值去噪。仿真实验中,去噪残差和频谱分析表明,算法能在保留有用信号的同时有效去除随机噪声,实现保幅去噪。实际地震资料处理表明,相比其他去噪算法,算法能有效提高信噪比(signal-to-noise ratio,SNR) 1 d B以上,降低均方误差(root mean square error,RMSE),具有良好的去噪能力。     

一种基于最优小波包基的电泳荧光信号去噪方法

针对现有电泳荧光信号去噪处理方法的不足,提出一种基于最优小波包基的信号去噪方法.该方法采用Shannon熵准则选择最优小波包基,选取Penalized阈值,用量化后的系数重构得到去噪后的信号.仿真实验表明:基于最优小波包基的电泳荧光信号去噪方法在使信噪比得到提高的同时,电泳荧光信号的峰值误差也进一步减小.     

基于小波变换的多普勒胎儿心率检测研究

为了解决从超声多普勒胎儿心脏回波信号中提取胎音信号时,去除各种干扰和噪声的问题,分析了超声多普勒回波信号的特点,应用了基于小波变换的阈值去噪方法,并对该方法的去噪阈值和原始噪声方差的估计进行了研究.在实际应用中对该阈值算子的系数作了改进,使得该算法能根据实际信号的强度、噪声的方差以及分解的层数,自适应地得到不同尺度的去噪阈值.通过对实际超声多普勒回波信号的处理,信噪比比传统滤波法提高至少5倍以上,能有效地提取出胎儿心音信号,较准确地计算出胎儿心率值.     

基于小波熵的矿用齿轮箱振动信号相关去噪法

 利用真实信号小波系数相邻层间相关性强的特性,将基于小波熵的相关去噪法应用于矿用齿轮箱振动信号的处理,进行有用系数和噪声系数的划分,并对有用的小波系数进行重构,恢复原有真实信号,去噪过程中采用小波熵自适应设定阈值。为比较小波自适应相关去噪和硬阈值与传统相关性去噪的性能,分别对仿真信号和齿轮箱实测振动信号进行去噪处理,通过3种去噪方法的重构波形对比和信噪比与标准差的定量评价,以及实测信号的功率谱分析,表明小波熵相关去噪法有效提高了矿用齿轮箱振动信号的可信度。     

基于改进阈值函数的体震信号平移不变去噪

体震信号微弱,受仪器、环境因素等方面的影响,常常含有大量噪声,研究一种基于改进阈值函数的平移不变法用于体震信号的去噪.针对体震信号选择了合适的小波基,说明了小波分解后各尺度上噪声方差的估计方法,分析了所改进阈值函数的性能及特点,并给出了算法的实现步骤.与基于硬、软阈值函数平移不变法的去噪效果比较,基于改进阈值函数平移不变法去噪后的体震信号波形平滑,特征点幅值无衰减.其功率谱密度与原始信号功率谱密度的对比结果表明,基于改进阈值函数的平移不变法能够在去噪的同时更好地保留原始体震信号的特征.     

基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

基于多重自相关的局部放电信号小波去噪分解层数确定方法

测量系统的白噪声给电气设备局部放电信号的准确测量带来困难.小波阈值法是常用的去噪方法,其分解层数的选择会影响去噪效果.利用小波分析Mallat算法频带划分原理,提出了一种基于多重自相关的小波分解层数确定方法.仿真实验结果证明,针对混有测量系统白噪声的电气设备局部放电信号,基于所提出的分解层数确定方法使用小波阈值法可以取得较好的去噪效果.     

一种基于局部均值分解的小波阈值信号去噪方法

在时频分析中,针对非平稳信号的滤波去噪的问题,鉴于部分传统的去噪方法对于非线性非平稳信号滤波的效果不是很理想。基于Smith提出的局部均值分解法,结合小波阈值,找出了一种自适应时频分析法。通过实例分析,比较小波阈值去噪、基于EMD小波阈值去噪和基于LMD的小波阈值去噪3种算法在进行信号滤波去噪过程中的效果,采用信噪比和均方根误差2种评价因子对该3种算法进行评价,结果表明基于LMD的小波阈值去噪方法能够更好的去除信号噪声,对信号去噪提供了一种新思路。     

基于LabVIEW的小波阈值融合算法去噪分析

采用小波变换进行信号分解处理,通过分析阈值去噪所用的小波尺度及阈值选择法,提出选取BayesShrink自适应阈值估计,构建基于软、硬阈值折衷法和一种新阈值函数的多算法融合阈值处理方法.利用Matlab仿真实验分析该方法的可行性和有效性,在LabVIEW环境下进行实际工程信号的去噪测试.实例分析表明,该方法的主要优点在于它对随机强噪声的降噪效果明显.     

基于二维小波能量阈值的重磁数据去噪算法

研究基于能量阈值的二维小波去噪方法,提出选择小波基函数、信噪分离阶数和去噪阈值3个关键参数的方法,避免依赖经验选择参数。分别针对加性噪声和乘性噪声进行模型试验,并对部分区域的实测磁力数据进行处理。结果表明：与线性滤波器和普通二维小波去噪结果相比,所提方法去噪结果相对误差最小,能够保持异常形态不失真,有利于弱异常信号的识别。     

基于小波阈值的图像信号去噪方法研究

主要对基于小波阈值的图像信号去噪方法展开研究。首先阐述小波分析进行信号分解及重构的算法原理,在此基础上总述了小波阈值进行图像信号去噪的算法原理及流程。最后对去噪效果进行了仿真分析,并将信号去噪结果与均值滤波、中值滤波等经典去噪方法进行比较。仿真结果表明,基于小波阈值的图像信号去噪方法能有效去除一维及图像信号中的噪声,输出信号的信噪比性能较传统滤波去噪方法性能更佳。