基于非抽样小波的多阈值去噪

利用小波系数之间的相关关系,对变换后的小波系数进行分类,提出了基于多阈值的去噪方法。该方法利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系,把变换后系数分成与图像细节特征相关的系数、平滑区域相关的系数以及噪声相关的系数,对不同的系数采用不同的阈值处理策略以改进去噪效果。实验结果表明,与其它去噪方法相比,该方法不仅较好的保留了图像特征,而且具有良好的视觉效果,峰值信噪比也有较大幅度的提高。     

基于SG算法的燃煤微分热重曲线平滑去噪

对燃煤微分热重曲线进行平滑去噪处理是获得煤的燃烧特性和热解反应动力学的参数的重要工作之一．运用SG(Savitzky-Golay)算法进行燃煤DTG数据平滑,指出影响平滑效果的主要因素是数据窗口大小、拟合阶数和平滑次数．选用了标准差、信噪比、中位数、极差、四分位间距、李氏指数和时移等作为评价指标,运用最大熵方法对平滑去噪前后的信号进行了频谱分析,对影响平滑效果的因素进行了评判后指出,数据窗口取15左右,拟合阶数取3左右,平滑次数取2左右,可得到较好效果．     

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.     

小波包分析在振动测试信号去噪中的应用

简要阐述了小波分析、小波包分析的基本原理,并在此基础上介绍了利用小波包给信号去噪的一般原理。最后通过计算机仿真,对于一个含有随机噪声的振动测试信号,在默认阈值下比较了小波去噪和小波包去噪效果的不同。     

基于互信息判据的小波去噪

通常的线性滤波技术不能很好地解决非线性时间序列去噪问题，而现有的非线性去噪技术的参数选择往往要依赖于直觉和经验．为此，提出基于互信息判据的小波去噪方法，利用小波进行非线性去噪处理，并以互信忠作为去噪处理截止的判定条件，给出了小波去噪算法，分析了其优势，并进行了仿真实验．仿真结果表明，小波算法能更好地处理不平稳和突发的噪声；互信息所指示的优化截断尺度，既较好地保留了信号的动力结构，又有效地实现了非线性噪声过滤．     

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.