排序方式: 共有164条查询结果,搜索用时 507 毫秒
41.
小波去噪及其在虚拟仪器中的应用 总被引:1,自引:0,他引:1
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。 相似文献
42.
为了有效的从超声多普勒胎儿心脏回波信号中提取胎心率,分析了多普勒回波信号的特点,通过空域相关法估计了原始噪声方差,提出了一种自适应去噪阈值计算方法,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,自适应的得到不同尺度的去噪阈值.最后通过对实际超声多普勒回波信号的处理,能有效地降低噪声,提取出胎儿心音信号,较准确地计算出胎儿心率值. 相似文献
43.
44.
基于漏磁检测是油气管道在线检测中应用最广泛的无损检测技术,提出了一种去除漏磁数据中无缝管道噪声(SPN)和系统噪声的新算法.首先利用将小波变换和自适应滤波技术相结合而提出的新型小波域自适应滤波方法去除漏磁数据中的SPN,然后再利用小波系数去噪方法去除小波域自适应SPN消除系统输出漏磁数据中的系统噪声.实测漏磁数据所得结果表明,该算法具有良好的去噪效果,极大地提高了漏磁数据中缺陷信号的可检测性. 相似文献
45.
基于小波分析的全国社会消费品零售总额时间序列预测 总被引:1,自引:0,他引:1
选取2003年1月到2010年3月的全国社会消费品零售总额数据,运用小波分析及Mat-lab,SPSS软件,分析了中国近几年社会消费品发展的变化趋势,用小波方法对原始数据进行消噪、阈值化处理后进行重构,使得消噪后数据更能反映其本质及变化规律,用ARIMA时间序列模型进行建模预测,并作出了实证分析. 相似文献
46.
基于子波奇异性检测的水声信号去噪方法研究 总被引:2,自引:0,他引:2
基于低信噪比、非平稳水声信号中,信号的有效频谱是固定的、噪声的频谱是随机的、信号频谱由代表水声信号特征的各基波和其对应的各次谐波构成的特点,提出了利用子波奇异性检测特性实现水声信号去噪的方法。该方法首先对水声信号进行多分辨分解,求取各尺度上信号的频谱成分;然后,根据最大尺度上最高的频谱幅度,确定该尺度上信号的有效频谱成分,再按照基波与谐波的关系,确定其它各级尺度上的有效频谱成分,去除奇异频谱;最后对去除奇异频谱后的信号进行频域.时域变换及子波重构。经对实测水声信号进行仿真,获得了较好的去噪效果。 相似文献
47.
小波消噪和盲源分离在转子故障信号分析中的应用方法 总被引:1,自引:1,他引:0
针对转子振动信号不可避免地受噪声污染问题,提出了一种基于小波消噪和盲源分离相结合的信号分析方法.该方法首先利用小波滤波器对测试信号进行消噪处理,再利用信号的二阶统计量(SOS)来分离盲源信号.仿真和实验结果表明, 相对于直接对测试信号进行盲源分离的方法,本方法可更有效地提取出转子振动的本质信号特征. 相似文献
48.
分析非采样Contourlet与全变差滤波器在图像去噪中的特点,提出一种基于图像全变差模型的非线性扩散与非采样Contourlet相结合的自适应混合图像去噪算法.该算法在中、低频部分采用全变差扩散,在高频部分采用非采样Contourlet变换,并在此基础上用半软阈值法取代软阈值法.实验结果表明,该算法能够在降低复杂度的同时得到好的滤波效果. 相似文献
49.
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。 相似文献
50.
基于尺度噪声能量估计的自适应语音去噪算法 总被引:1,自引:0,他引:1
摘要:
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能.
关键词:
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值
中图分类号: TN 912.3
文献标志码: A 相似文献