基于改进型小波阈值的磁记忆信号去噪研究

磁记忆检测信号易被外界噪声污染,使缺陷信号的可检测性受到极大影响。为消除噪声信号的不利影响,通过优化传统算法进行了磁记忆信号的消噪。硬阈值去噪得到的估计小波系数值连续性差,并会引起重构信号的振荡;而软阈值去噪会与原来的小波系数存在恒定偏差。在软、硬阈值函数的基础上,提出了一种改进型阈值函数,该阈值函数在一定程度上克服了传统方法的不足之处。仿真试验结果表明了改进型阈值函数对去除磁记忆信号噪声的适用性。     

一种新的小波域维纳滤波图像去噪算法

针对传统小波去噪和维纳滤波存在的不足,提出了一种新的小波域维纳滤波图像去噪算法。首先,对含噪图像进行小波分解,依靠对角细节子带小波系数对噪声方差进行估计;然后,引入噪声方差修正因子,并根据不同子带小波系数的统计特性,在低频子带和高频子带分别选择合适的维纳滤波模板尺寸,使维纳滤波在对小波系数进行滤波处理时具备了更加精确的噪声方差估计和更加合理的滤波模板尺寸;最后,对维纳滤波处理后的小波系数进行小波重构,获得了去噪后的图像。试验结果表明:该算法兼具小波去噪的多分辨率分析特性和维纳滤波的自适应特性,能有效提高去噪后图像峰值信噪比,去噪效果优于小波去噪和维纳滤波。     

平稳小波变换的红外图像模糊阈值去噪

提出了一种基于平稳小波变换的红外图像模糊阈值去噪方法.对红外图像进行平稳小波变换后,对小波系数进行模糊阈值处理实现图像去噪.仿真结果表明,与正交小波模糊阈值、平稳小波统一硬阈值和维纳滤波去噪方法相比,该方法具有良好的去噪性能,并且在去除红外图像噪声的同时,能够获得很好的边缘保持效果.     

基于小波变换速变非平稳信号的消噪

本文针对遥测速变数据中噪声干扰有用信号分析的处理问题,提出了基于小波分析理论, 利用二进制小波变换对含噪信号进行小波分解,然后选取适当的阈值,对小波分解系数进行阈值量化,最后再对高低频系数重构,实现信噪分离.并在导弹试验数据中得到了验证.分析结果表明小波变换是非平稳信号消噪一种有效方法.     

基于自适应阈值的提升小波包漏磁信号去噪研究

为了更好地实现对原始漏磁信号噪声的抑制,针对硬阈值函数和软阈值函数中存在的问题,提出一种自适应阈值选择方法,研究了基于该方法的提升小波包降噪算法。采用小波包和提升小波包,分别在硬阈值、软阈值和自适应阈值处理函数下,对含噪信号进行降噪效果的分析和比较,并给出了漏磁信号在自适应提升小波包算法下的降噪效果。仿真结果表明：该方法具有更高的分辨率和近似优化能力,在保留原始漏磁信号有效成分的同时,能更好地去除噪声。     

基于优化小波阈值的轴承振动信号降噪算法北大核心

滚动轴承振动信号能够及时准确地提供机电设备状态特征信息,且可实现在线或离线监测,广泛用于滚动轴承故障诊断。由于滚动轴承工作环境复杂多变,往往掺杂较多噪声,噪声会淹没机电设备状态的有用特征信息。针对传统小波阈值函数对轴承信号降噪不明显的问题,提出了一种用于轴承振动信号降噪的差分进化优化小波软阈值算法,对含噪信号进行小波分解,利用广义交叉验证GCV函数作为新的阈值函数对分解后的小波系数进行处理,结合差分进化算法进行寻优获取最优阈值。实验采用美国凯斯西储大学的轴承数据进行仿真分析,通过与常用降噪方法相比,该方法在较好地保留特征信号的前提下,较大程度地去除了噪声,有效地提高了降噪效果。     

基于改进的软阈值小波包网络的电力信号消噪

为了克服传统软、硬阈值在信号消噪中存在的不足,首先构造了一种新的软阈值函数,并将小波包变换和神经网络相结合;然后,基于改进的软阈值小波包网络对实际采集电力信号进行消噪。MATLAB仿真结果表明:改进的软阈值小波包网络比传统硬、软阈值小波包消噪的信噪比高,且均方根误差小,是一种非常有效的电力信号消噪方法。     

一种新的小波收缩统一阈值函数

提出一种新的小波收缩统一阈值函数,并证明了新阈值函数具有收敛性,通过调节可变参数的取值可以改变新阈值函数的趋向,为图像阈值去噪的自适应处理提供了可能.此外,给出了新阈值函数的期望、方差与风险的关系式.仿真结果表明新阈值函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的灵活性,可以获得更高的信噪比和更好的视觉效果.     

加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。     

基于双树复小波变换的信号去噪算法

为了提高接收信号的质量,在一定程度上消除噪声对信号的影响,提出了一种基于双树复小波变换的信号降噪方法。通过双树结构消除了因间隔采样而丢失的有用信息,对每一层的高频分量的实部和虚部分别计算阈值,依据各自的阈值进行滤波处理。实验结果表明:该方法与离散小波变换消噪方法相比具有平移不变性,处理后的波形较平滑,能够较好地保留信号细节信息,而且其去噪性能也优于离散小波变换。     

离散小波改进算法在机动车辆换挡信号降噪中的应用

针对机动车辆换挡信号中存在大量强电磁及环境振动噪声的问题,同时考虑到实时性和硬件实现性能的需求,基于最小带宽离散小波算法,提出了简化的、适用于工程实现的小波分解层数确定方法;然后利用初始阈值对各层小波系数进行分类,利用各层中各类系数均值差的模及均方差为依据,设计了各层阈值的自适应迭代确定算法,同时改进了阈值的量化函数。仿真对比试验和应用测试结果表明,该算法具有较好的降噪效果,适用于机动车辆的相关信号检测与降噪。     

一种用于声目标识别的小波变换去噪方法

根据受噪声污染信号的小波变换系数中对信号有贡献的仅占其很小一部分的事实,提出了一种基于系数门限值去噪的方法。对不同信号的仿真结果表明该方法去噪效果明显,运算量小,适合用于对声目标识别系统的噪声去除。这对于改善声目标识别系统的抗噪性能是十分有意义的。     

基于改进EMD的信号降噪方法

经验模态分解(Empirical Mode Decomposition,EMD)算法作为新型时频分析方法受到广泛关注,它基于信号的极值特性处理信号,具有自适应强、无需预先确定基函数的优点。但EMD算法本身仍存在模态混叠及EMD强制降噪法易导致信号失真等一系列问题。针对EMD算法的缺陷,提出基于自相关函数的集合经验模态分解方法(Ensemble Empirical Mode Decomposition,EEMD)与小波阈值降噪相结合的改进算法。首先利用自相关函数对高频固有模态函数(Intrinsic Mode Function,IMF)进行选择,然后利用小波阈值降噪法为EEMD设定阈值,最后将改进算法用于信号降噪,并与快速傅里叶变换(FFT)算法、小波阈值算法以及EMD强制降噪算法进行比较。该方法的优点是克服了EMD算法的不足,避免了模态混叠现象,有效地保留了高频信号中分量,降噪效果更好。     

基于EMD的改进小波阈值降噪法在超声信号处理中的应用

针对超声检测回波信号中的大量噪声,分析了超声检测回波信号的特性,考虑经验模式分解（EMD）和小波哗噪的优点,在改进阈值函数基础上提出一种基于EMD的小波阈值降噪方法．该方法利用EMD对超声信号进行分解,对高频分量用改进小波阈值函数方法进行处理,再结合低频分量重构得到降噪信号．仿真实验结果表明,该方法降噪效果优于小波软、硬阂值降噪,进一步提高了重建信号的信噪比,降低了其均方根误差,是一种可行的超声信号降噪方法．     

平稳小波的侧抑制网络边缘提取方法

侧抑制网络具有“突出边框,增强反差”的功能,但其增强反差的同时也增强了噪声,其抗噪性较差。正交小波阈值去噪法对图像噪声有一定抑制作用,然而对于图像中噪声幅度较大的情况下,正交小波变换会使图像边缘失真,甚至模糊。基于平稳小波变换的图像去噪法,可以有效降低噪声的同时较好地保持图像的质量,与基于正交小波变换的阈值降噪方法相比,有明显的优越性。因此利用新Bubb le函数将平稳小波和侧抑制网络结合起来,用平稳小波变换去除噪声、侧抑制网络突出边框,从而准确、有效地提取出图像的边缘。     

模糊小波包在漏磁信号处理中的应用

采用小波包去噪方法解决漏磁信号的噪声抑制问题。针对软、硬阈值处理中存在的缺陷,提出了模糊阈值处理方法,应用该方法对采集的漏磁信号进行消噪处理。实验结果表明,与传统小波包的去噪效果相比较,模糊小波包降噪方法不仅较好地剔除信号中的噪声,而且保留了原始信号中的有效成分,是一种可行的方法。     

小波阈值技术在图像降噪中的应用研究

通过对图像的小波变换系数进行阈值操作，可以有效降低噪声，同时又较好地保持图像细节。在文章中详细讨论了这种小波阈值降噪技术，并给出了在此种降噪方法中阈值选取的几种方法。由实验结果可以知道此种小波阈值方法是一种有效的图像降噪方法。     

强背景噪声下电晕放电辐射信号小波阈值去噪和分析

分析电晕放电信号小波阈值去噪中小波基函数的最优选取、分解层数及阈值的确定,并对实测电晕放电信号进行小波阈值去噪。结果表明,选取db8小波作为最优小波基函数,选取双变量阈值函数作为小波阈值函数对电晕放电信号进行小波阈值去噪,放电辐射信号与背景噪声可以得到有效分离,具有很好的去噪效果。