一种基于小波分析的除噪方法

本文利用信号与噪声在小波分析中不同尺度上的传播特性 ,研究了小波技术在涡流无损检测信号除噪中的应用。在分析了除噪后的误差函数之后 ,提出了二次除噪方法。结果表明 ,此方法能使信噪比得到一定程度的改善。

基于小波变换的循环流化床压力波动信号除噪分析

采用基于小波分析和分形理论的除噪方法对压力波动信号进行除噪,并将由此方法得到的信号与常用的Fourier滤波滤去20Hz、40Hz频率以上所得信号进行对比分析,结果表明,所提出的除噪方法能客观、有效地去除噪声,而Fourier滤波方法提取信号不能完全去除噪声的干扰。此外,循环流化床波动频率带随操作条件的不同而有所差异,所以在用压力波动信号对循环流化床混沌特性进行研究时,不能象Fourier滤波那样截去某个频率段。

基于小波包收缩的心电信号除噪方法研究

文章提出了一种新的基于小波包分析的心电信号的除噪方法。讨论了小波包收缩消噪的原理、阈值的选取以及阈值的量化规则。比较了选择不同的阈值以及不同的阈值量化规则对信号消噪的效果。结果表明基于小波包分析的小波包收缩除噪技术在保持信号奇异性的同时能有效的去除心电信号的噪声。

应用多级维纳滤波的OCT图像除噪方法

设计了基于维纳滤波和对比度增强的OCT图像处理方法。对OCT图像的噪声进行了分析，通过多尺度维纳滤波器对图像进行滤波处理来去除噪声干扰，然后根据区域特性采用对比度增强方法提高图像对比度。实验结果表明：经该方法处理后图像的背景方差（BV）较原始图像降低了2～6倍，细节方差和背景方差之比（DV／BV）提高了2～5倍。该方法不仅有效地去除了OCT图像的噪声，而且视觉效果良好，是一种有效的图像后处理方法。

基于小波包除噪的电能质量扰动检测方法

小波包变换能够实现信号频带的均匀划分,在任意频率聚焦,是分析暂态电能质量扰动时频特性的良好工具。但是电气信号中的电磁噪声严重影响了小波包的检测特性。该文提出了一种小波包除噪算法。通过仿真验证,该算法可以消除扰动检测中的噪声影响,从而为噪声环境中电能质量扰动的检测和定位提供了良好的依据。

自适应除噪技术在激光准直中的应用研究

本文根据激光在大气中传播特性的理论，提出了多点监测，综合补偿的准直方法。根据现场采集的数据，用多元逐步回归方法建立适合于当时当地环境的模型。并用自适应除噪技术对激光束漂移、光线弯曲和随机抖动进行了综合修正。修正后光束稳定性误差减小２０％～８０％，１０米内剩余误差在１０μｍ／小时以内。

小波除噪、神经网络与发动机故障诊断

给出了利用起动电压波形来检测气密性这一简单易行的实验原理与方法。并对代表性波形进行小波除噪处理,在此基础上,提出了6个故障信息特征参数,通过对径向基神经网络的训练和检测,证明该神经网络能够成功的进行故障模式的辨识。从而为发动机压缩性故障诊断提供一个较好的方法。

一种信号除噪算法及其在纸浆浓度控制中的应用

基于小波变换的时频分析 ,利用小波变换下有效信号和噪声在多尺度空间中不同的模极大值传播特性 ,给出了一种去除纸浆浓度检测信号中噪声的算法。理论分析和仿真都表明了该算法的有效性。

基于径向基神经网络的非线性自适应除噪

提出一种适用于非线性自适应除噪（ＡＮＣ）的神经网络方法．当参考通道中噪声是主通道噪声的非线性变换时，采用线性ＡＮＣ往往效果不好，此时应采用非线性ＡＮＣ．由于径向基函数网络有良好的非线性函数逼近性能，因而可采用基于径向基函数网络的非线性ＡＮＣ．模拟结果表明，该方法具有很强的噪声抑制能力．

基于多分辨率分析的X荧光能谱的除噪与弱峰检测

在对X荧光谱噪声的分析基础上,阐述了多分辨率分析的基本思想,并将之应用于X射线能谱定量分析中的噪声的消除,取得了良好的效果。利用噪声和信号小波变换的性质随尺度的加大而显著不同的特点,运用小波多分辨率分析进行信号噪声的消除,可提高弱峰的检测能力,实验结果表明,该降噪的方法不仅计算速度快,而且和其它的方法相比,对低含量元素形成的弱峰的定量分析结果也更加理想。

除噪技术及其在汇率数据中的应用研究

应用复杂系统理论研究了汇率混沌数据延时嵌入相空间重构方法及其伪相图的获取技术.通过嵌入空间矩阵的分解来得到混沌时序的奇异谱曲线,依此获取混沌时序的内在本质特征及判定其噪声的组成比例,将混沌数据的除噪技术用于汇率数据非线性本质特征的提取.计算结果表明:伪相图在极大程度上反映了原复杂系统的内在本质特征.这一研究对于汇率混沌数据的除噪、本质特征获取、非线性混沌模型的确立技术等都有着极其重要的理论和实际意义.

基于独立成分分析技术的语音除噪系统

提出了一种基于独立成分分析技术的语音除噪方法.语音信号与其所夹杂的噪声之间,通常都是相互独立的,采集的观测信号是语音信号与噪声之间的混合信号,通过分析混合语音信号特征,建立了基于独立成分分析技术的语音信号模型.以最大化信号独立性特征为依据,分离语音信号与噪声信号.最后利用多选一信号选择器,实现去噪后语音信号的提取,从而达到语音除噪的目的.对系统的语音去噪效果进行了实例仿真分析,研究表明,该系统可达到理想的去噪效果.

通风机振动信号的小波包阈值除噪研究

研究了基于小波包分析的阈值除噪的基本方法,并介绍了几种除噪阈限。利用小波包阈值除噪良好的时频局部化特性滤除信号中大量的噪声。通过对通风机振动信号的除噪和特征提取研究,取得了良好效果,说明小波包阈值除噪方法非常适合于信号的预处理和故障特征提取。

一种基于小波级数分解的LMS自适应除噪方法

将小波级数引入ＬＭＳ算法，利用小波的时频局部特性，将小波级数同ＬＭＳ算法结合，提出了一种新型的基于小波级数分解的ＬＭＳ方法，提高了ＬＭＳ算法的收敛速度，并应用于自适应滤波器，提高了自适应滤波器整体的收敛速度及输出的信噪比。文中给出了算法的推导，并用模拟实验进行了验证。

一种改进的小波除噪方法用于含噪ICP-AES光谱的处理

提出了一种改进的小波除噪方法。它基于噪声具有频率较高和幅度较小的特点 ,先排除信号中频率较高的成分 ,再丢弃余下的系数较小的成分。对模拟的含噪电感耦合等离子体原子发射光谱 (ICP AES)的处理结果表明 ,该法能克服小波平滑和小波去噪的一些缺陷 ,可去除更多噪声 ,而信号强度不受影响。同时 ,基线变得平坦 ,有利于峰高的定量计算。用该法处理实测ICP AES光谱 ,效果满意。

桥梁声发射检测中的噪音特征及除噪技术研究

为了研究桥梁声发射检测中的噪音特征,并得到相应的除噪方法,在一座预应力钢筋混凝土公路桥的箱梁内部进行了声发射试验。通过对环境噪音声发射信号的波形图分析、参数关联分析、以及声发射源平面定位时定位组传感器所接收信号的逻辑分析,得到了环境噪音声发射信号的基本特征,并总结了相应的除噪方法。研究表明,通过设置合适的采集门槛以及采集频率范围,可以达到很好的除噪效果,另外,在进行声发射源定位时,利用声发射信号参数的逻辑关系分析,可以进一步滤除已经形成事件的环境噪音,同时,对定位图进行聚类,可以使聚类中心更趋于声发射源。

基于小波分析的一维含噪信号的除噪方法

阐述了小波去噪的基本原理和方法,利用Matlab提供的小波分析功能函数对一维含噪信号noisbloc进行了除噪分析,分别采用强制去噪、默认阈值处理和指定阈值处理3种方法,完成了信号的除噪处理。结果表明:小波在一维信号除噪中有较好的效果,噪声得到了明显的抑制,且保留了相当的原信号细节,3种方法获得的去噪信号幅值与原信号均存在差异,阈值的选取对除噪效果影响很大。

基于LMS算法的自适应语音除噪性能研究

语音除噪是自适应信号处理研究的重点,通过利用matlab分别实现了基于时域定步长LMS算法、时域变步长LMS算法、基于FFT技术的LMS频域快速算法(FLMS)的自适应语音除噪仿真,并成功应用到带噪语音信号除噪方面。经实验表明,时域变步长LMS算法比时域定步长LMS算法的改善性噪比高1dB左右,与FLMS算法除噪性能相当,但FLMS算法的速度明显快于传统时域算法,而具体时间比的大小与总的样本数目有相关联系。

基于小波变换的脉冲涡流信号除噪

在脉冲涡流无损检测中,缺陷信号包含了许多噪声信号,为了准确分辨出有用的缺陷信息,采用小波变换进行信号除噪处理,提取有用的缺陷信号。文中以MATLAB7.0.1为工具,以sym5为小波基,采用软阈值进行5层小波分解重构来完成信号除噪。取得很好的除噪声效果。

基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.