基于MEEMD小波软阈值函数的去噪方法

结合互补集合经验模态分解(CEEMD)和基于排列熵的信号随机性检测,提出了MEEMD方法。通过采用MEEMD方法将一个含躁信号分解为几个固有模态(IMFS),用软阈值函数来抑制高频固有模态的噪声,提高信号的信噪比(SNR)。对比该方法与基于EEMD和小波软阈值的联合去噪、基于CEEMD和小波软阈值联合去噪等方法得到的信噪比(SNR)和平均平方误差(MSE),发现基于MEEMD小波软阈值去噪方法的去噪效果较好。     

基于EMD和提升小波改进阈值函数的水听器信号去噪研究

在检测水中目标时,使用水听器采集的声波信号中通常掺杂着大量的噪声。为了达到去除噪声的目的,提出一种基于EMD和提升小波改进阈值函数结合的方法。首先利用EMD将含噪的水听器信号分解成有限个固有模态函数(IMF),再用提升小波改进阈值函数分解对高频IMF进行去噪处理,最后将剩余IMF和去噪后的高频IMF重构实现去噪。实验结果表明:该方法在水听器信号去噪方面有一定的参考价值。     

采煤工作面水流声的降噪算法研究

采煤工作面水害事故发生前伴有水流声出现,为减小常见机械设备噪声对水流声识别的影响,提出了一种改进小波阈值降噪法。为了补偿水流声在采集过程中高频信号的损失,对其进行了预加重、分帧、加窗等预处理;采用小波软、硬阈值函数折衷法对阈值函数进行改进,避免了信号处理后带来的附加振荡问题;在固定阈值中引入了分解层数j,变化的阈值可最大程度分离水流声信号与噪声信号。结果表明,改进小波阈值降噪法相较于谱减法、子空间法和小波阈值法的硬阈值函数,输出信噪比提高了1 dB以上,降噪性能提升了15%左右;相较于小波阈值法的软阈值函数,当输入信噪比大于0 dB时,输出信噪比提高1 dB以上,可有效降低水流声信号中的机械设备噪声干扰。     

一种新的基于小波变换的EEG视觉伪信号修正方法

提出了一种在基准EEG信号和视觉信号未知条件下,基于小波阈值去噪的方法来修正EEG信号中出现的视觉伪信号(OA)的新方法。这种方法实现了对原始EEG信号进行平稳小波变换(SW T);对低频系数进行两次阈值去噪;对去噪后的信号进行重构。实验结果表明:这种新方法在基准EEG信号和视觉信号未知条件下能有效去除OA,同时适用于眨眼和眼球运动所产生的伪信号。通过不同方法对采集的信号处理后进行比较,说明该方法的有效性。     

小波域中值滤波器设计的研究

小波阈值去噪方法被广泛地用在信号去噪中,但它主要是针对白噪声或者宽带噪声,对于脉冲噪声就得不到降噪的效果。该文提出了小波域的中值滤波器去噪方法,在Lee的局部滤波器基础上设计了小波域的中值滤波器,它能在有效去除白噪声的同时较好地去除脉冲噪声。     

磁共振图像小波去噪方法的参数选择研究

在小波去噪理论的基础上,对磁共振图像小波去噪过程中所涉及的小波函数、分解层数以及阈值三个参数进行了研究.即在保持其他参数取值不变的情况下,通过实验找出去噪效果最好的某个参数取值,并最终得出了一组适合磁共振图像小波去噪的参数组合.本文的实验结果为磁共振图像小波去噪方法的参数选择提供了有效参考.     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

基于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理。首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程。其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数。在分析对比小波降噪阈值的不同选取方式后,采用广义交叉确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分。最后给出了基于该方法小波变换的随钻测试数据降噪的详细步骤,对实测的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑,证明了本方法的优越性。     

基于改进EMD 的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

遥感图像薄云的小波自适应阈值去除

可见光遥感图像最常见的薄云噪声严重地影响其解译的准确性,因此根据薄云噪声主要影响图像的低频信号,提出单波段遥感图像小波变换自适应阈值去云,图像经小波分解后,薄云噪声与地物信息在低频小波系数的阈值使用遗传算法以广义交叉验证GCV准则作为目标函数自动寻找,然后对小波系数进行阈值化去云。结果表明,该方法可有效去除薄云噪声并保留地物信息,使原来模糊的地物细节信息变清晰,信息熵最高,去云效果优于小波同态滤波,且明显优于同态滤波;不同尺度低频小波系数中薄云噪声与地物信息间的阈值,可用遗传算法和GCV准则有效地自动确定。     

基于SUSAN算法和9／7提升小波图像去噪融合

为了对含噪模糊图像进行有效的去噪增强,并考虑到实时性的要求,本文提出了一种新的基于SUSAN算法和9／7提升小波图像去噪融合方法。首先,对含噪模糊图像进行SUSAN算法处理;同时,对含噪模糊图像利用9／7提升小波进行通用阈值去噪;最后,在对去噪后的图像进行镜像对称延拓处理并与经SUSAN算法处理后的图像进行有效的融合。仿真实验结果表明,该方法不但能够大大提高图像的信噪比,而且能有效提高图像的清晰度。     

基于维纳滤波的小波图像去噪算法研究

图像在采集、获取以及传输的过程中,往往要受到噪声的污染,形成噪声图像。图像去噪是图像处理领域中的一个重要环节。为了对含有高斯白噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于维纳滤波的小波图像去噪算法,利用维纳滤波后剩下的信号来计算噪声的标准方差。仿真结果表明,与Donoho提出的鲁棒中值算法相比,该算法能够有效地抑制高斯白噪声,更好地保留图像的边缘细节。     

基于互相关—峭度和小波软阈值的EEMD降噪方法研究

针对目前EMD分解后IMF分量优选方法的不足,提出了一种基于互相关—峭度和小波软阈值的EEMD降噪方法。该方法利用EEMD对信号进行分解得到IMF分量,计算IMF分量的峭度值、标准差及其与原信号的互相关系数。根据互相关系数、标准差和峭度值,设置优选条件,将选定的IMF分量进行重构。与互相关系数、峭度准则单独作为优选条件的重构结果进行对比,结果表明这种新型优选方法的效果更好,利用基于互相关—峭度和小波软阈值的EEMD降噪方法对滚动轴承微弱故障信号进行处理,能够更精确地提取到轴承故障特征。     

小波变换在轴承故障声发射信号降噪中的应用

噪声消除是小波变换最成功的应用之一，其基本思想是将信号的小波变换系数通过阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Morlet小波．以“小波熵最小”原则确定Morlet小波的波形参数，然后进行连续小波变换。采用软阈值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，噪声得到了很好的抑制，故障脉冲特征明显增强。采用实验数据，通过与离散小波变换的比较，得到了用连续小波变换可以有效降低噪声、提取故障声发射信号特征的结论。     

适于目标检测的宽带回波信号去高频方法

运用变换的方法进行雷达回波信号压缩前,为了减少变换系数的数据量通常要对信号进行去高频处理.针对宽带雷达回波信号小波变换系数数据量大、传统小波算法去高频容易产生漏警和虚警的特点,分析了经验模式分解(EMD)中各内模函数的特性,提出了一种基于EMD算法的宽带数字信号去高频方法,并将其应用于雷达回波宽带数字信号去高频处理,运用脉冲压缩技术比较了该方法和传统小波方法去高频效果.实验表明,该方法不仅有利于宽带数字信号的数据压缩,而且在减少信号高频成分的同时,能较好地保留信号中的目标信息.     

基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。     

小波分析在动态测试信号降噪中的应用

论述了小波分析在动态测试信号降噪中的应用。主要分析如何引入小波变换理论并通过它去除动态测试信号中的白噪声。随后阐述小波分析去除噪声的工程实现方法及其相对FFT除噪方法的优势。对一例加入白噪声的力脉冲信号进行了计算机仿真实验 ,结果表明 ,用小波变换处理含噪信号 ,具有明显效果     

改进的FastICA算法在地震数据去噪中的研究

为了有效去除地震数据的干扰噪声,采用FastICA算法进行降噪处理。地震数据的有效信号和噪声是非线性混合的,不满足FastICA算法使用的线性混合条件,提出了一种改进的FastICA算法进行地震数据降噪。该方法首先利用小波变换将地震数据分解到不同尺度空间上,然后设计了一种新的阈值降噪函数,并将FastICA和小波变换进行有效结合,对不同尺度空间上的噪声进行消除,通过小波重构恢复有效信号,利用仿真实验确定了新算法的分解层数为3。将改进的方法进行实际地震数据降噪处理,结果证明改进的方法能有效去除地震数据的各类干扰噪声,通过信噪比得出改进的FastICA较原始FastICA降噪效果更理想。     

应用 “dmey”小波变换及遗传算法对重叠光谱分离研究

小波变换可以去除噪声信号,遗传算法具有全局搜索能力,可以任意逼近分析信号.本文将小波变换和遗传算法相结合来处理分析化学中的重叠信号,通过对模拟信号和实验信号的处理,结果显示小波变换和遗传算法能将重叠信号去噪、分离,可用于多组分样品信号重叠的分离研究.