噪音强度的估计和去噪效果的评估

若图像有较大的噪音,会影响视觉效果和有效信息的提取。常用的去噪方法在实际应用中都需要借助图像噪音强度去估计或控制去噪的效果。目前,我们常用的噪音强度估计方法中,没有考虑边缘像素点的影响,使估计值不很准确。把图像的边缘提取与噪音强度的估计相结合,提高了噪音强度估计的精度,并由此导出了去噪效果评估的一个新的数值客观标准算法,该评估方法不依赖在现实中不可知的标准图像,通过实验可以看出该标准具有很大的实用价值。

脉冲星信号去噪效果评判标准的探讨

针对目前脉冲星观测信号去噪效果没有明确评价标准的问题,从脉冲星信号在观测和科研中的实际需求出发,提出了基于脉冲到达时间(TOA)测量误差的脉冲星信号去噪效果评价标准.同时,提出基于空间屏蔽滤波器的脉冲星累积脉冲轮廓去噪算法.新的评价标准从TOA测量准确性的角度描述去噪效果的优劣,可以更好地服务于计时、导航等.采用EPN数据仿真实验证明,新的去噪算法虽然在提高信号的信噪比方面不如原有算法,但却可以显著降低TOA测量误差,为后续科研工作奠定基础.

小波基和阈值参数对瞬变电磁信号去噪效果影响

为研究小波基及阈值参数选择对瞬变电磁数据去噪效果的影响,分析阈值去噪原理,针对改进的阈值去噪函数,选取Bior 2.4,Sym 6,Db 4和Coif 3常用小波基分别处理受干扰的瞬变电磁数据,结合各测点信噪比和最小均方差,实现并自动筛选出针对各测点最优去噪小波基和最佳阈值参数,结合工程实例分析验证各种处理效果。结果表明不同小波基对瞬变电磁受干扰的数据阈值去噪结果不同,单一小波基降噪并不适用所有测点,但阈值函数中不同参数对去噪效果影响很小;结合地质资料和钻孔资料,对比分析只变化小波基时改进的时阈值函数处理后绘制的视电阻率-深度断面可知,自动筛选最优小波基去噪效果与实际最相符。因此,使用改进的阈值去噪函数对瞬变电磁受干扰的数据去噪时,建议考虑小波基的不同对去噪效果的影响,合理选择针对每个测点适合的小波基以达到最佳去噪效果。

一种新的去噪效果评估算法

提出了去噪效果评估的一个新的数值客观标准算法,该评估方法不依赖于现实中不可知的标准图像,通过实验可以看出该标准具有很大的实用价值.

心电信号去噪效果的评估与分析

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰。对心电信号的相关去噪算法的效果进行对比分析。首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰。每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较。在此基础上,提出了一种多噪声心电信号的去噪方法并给出去噪流程和效果。研究结果表明:(1)对于基线漂移、工频干扰和肌电干扰分别采用小波变换法、陷波滤波法和小波阈值法的去噪效果最好;(2)当心电信号含两种及两种以上噪声时,按照滤除基线漂移、工频干扰和肌电干扰的去噪顺序滤波效果最好。

多小波预处理方法用于滚动轴承故障信号的去噪效果分析

针对不同预处理方法对多小波的影响问题,探讨了基于不同预处理方法的多小波对滚动轴承信号去噪效果的影响。通过仿真实验,先对GHM多小波、CL4多小波和SA4多小波进行重复行预处理、逼近预处理和平衡多小波处理,并将处理后的多小波应用于滚动轴承故障信号的去噪效果分析中。结果表明:经过平衡多小波预处理的CL4多小波在滚动体故障信号、内圈故障信号、外圈故障信号中的效果最好,相对于经过其他预处理方法处理的多小波的处理效果有明显优势。

变形信号的去噪方法与去噪效果评价指标改进

介绍了闽值去噪的几种方法，根据噪声对信号的影响特点对去噪方法作了改进，并根据变形信号变化平缓的特点，用平滑度指标评价去噪效果，提出了一个计算公式。

基于压缩感知的OMP算法在地震资料中的去噪效果分析

基于压缩感知理论的OMP算法应用于地震资料的噪声压制,以提高地震资料信噪比。首先对含噪的非平稳信号在小波变换域内稀疏表示,以小波变换作为变换基,用随机高斯矩阵为测量矩阵计算传感矩阵,再运用OMP算法的快速收敛性进行信号重构。模型和实际数据处理结果表明,该方法对地震数据中的随机噪声压制效果明显,有效地提高了地震资料信噪比。

基于变分模态分解与小波阈值结合的表面肌电信号去噪分析与研究

针对表面肌电信号易受无关噪声影响的问题,分别利用变分模态分解(Variational Mode Decomposition,VMD)、小波阈值法、VMD与小波阈值结合的方法对表面肌电信号进行伪迹去除。将信噪比、均方误差、自相关系数作为评价指标,对3种去噪方法进行对比分析。比较结果表明:3种方法对噪声信号均具有分离效果,但VMD与小波阈值相结合的方法分离效果更好、稳定性更高、信噪比最大、均方误差最小、自相关系数最高,具有良好的应用前景。

小波支持向量去噪

噪声对图像质量产生不利影响,降低了图像的应用价值,为了更好的消除图像中的噪声,提出一种小波支持向量去噪方法。首先采集大量的激光散斑图像,并将它们划分成为训练图像集和测试图像集,然后将训练图像集输入到小波支持向量机进行学习,将图像中信号划分为噪声和有用信息,最后采用测试图像集对小波支持向量机去噪性能进行测试与分析。实验结果表明,相比于其它激光散斑图像去噪方法,小波支持向量机可以更加有效的去除噪声,可以很好的保护图像边缘细节信息,提高了激光散斑图像的质量。

遥感图像信号不相关随机噪声去除方法研究

遥感图像无论在获取还是在传输中都会受到噪声的干扰,影响图像质量和进一步的数据挖掘。因此,在一般数字图像去噪算法的基础上探讨了对遥感图像信号不相关随机噪声的去除方法。由于小波变换理论在图像去噪处理中的应用广泛且效果显著,在此着重研究基于小波变换的小波阈值去噪算法。进而在coif3小波函数下进行仿真实验,结合仿真结果比较硬阈值和软阈值对噪声滤除的效果,同时还在软阈值的基础上尝试了多级软阈值去噪算法。实验结果表明,软阈值处理后的去噪效果要优于硬阈值,而多级软阈值处理后的效果优于纯软阈值处理的效果。

一种基于小波域的中值滤波去噪法

根据脉冲噪声和高斯噪声在小波变换下的不同特点,结合中值滤波,在小波域内对高频子带图像进行中值滤波.仿真结果表明,此算法不仅能滤除图像中的脉冲噪声和高斯噪声,且能较好的保留图像的边缘细节,可获得较好的去噪效果.

核磁共振图像去噪方法的应用研究

目的探讨核磁共振图像的有效去噪方法。方法分别应用基于小波变换算法和基于Contourlet域的Context模型进行核磁共振图像去噪,比较两种方法的去噪效果。结果应用基于Contourlet域的Context模型进行去噪的核磁共振成像边缘较应用基于小波变换算法更清晰,纹理特征性更强。结论基于Contourlet域的Context模型为核磁共振图像的有效去噪方法,能够明显改善核磁共振图像质量。

水电机组振动信号小波去噪参数优选方法研究

水轮机组振动信号在采集、传输和处理过程中不可避免地会引入噪声,要进一步处理信号必须进行去噪处理。小波去噪过程中小波和分解层数对去噪效果有很大影响,通常都按经验选取。本文提出一种针对具体水轮机组振动信号去噪时选择最优小波基和分解层数的方法。最终确定采用Db4小波分解5层对某机组上机架振动信号进行去噪,取得了良好的效果,分析得到最终去除的噪声为白噪声。

基于MATLAB的小波去噪的研究

小波分析法去噪是当前广泛应用的信号去噪方法,为研究小波分析去噪效果,本文首先对小波分析的基本理论进行介绍,然后介绍了小波去噪原理,最后通过MATLAB对小波去噪效果及影响因素进行实验仿真。仿真结果通过波形、信噪比SNR和最小均方误差MSE进行分析。

小波包分析和FastICA相结合对单通道脑电信号的去噪研究

采用基于小波包分析的FastICA方法对单通道脑电信号进行去噪,由于脑电信号并不是独立的,分离信号和源信号对应关系也不确定,直接采用FastICA对多通道脑电信号进行处理,最终的去噪效果并不理想。因此先用小波包对单通道脑电信号进行分解,从而得到频带较窄的子带信号,可保证源信号具有一定的独立性,有利于噪声独立分量的分离和去除,也为单通道脑电信号的去噪提供了思路。从时域分析、傅里叶变换、功率谱密度分析以及信噪比和均方根误差的角度,对比多导联FastICA的去噪效果,可以发现所提出的方法较为有效。

傅里叶变换在桥梁伸缩缝位移监测数据去噪上的应用

高频噪声对计算伸缩缝累计位移的影响较大,因此为了消除噪声影响,应对位移信号进行傅里叶变换,并将高频噪声部分置零,即可将消除位移信号中由噪声引起的高频位移信号。文章以苏通大桥的伸缩缝位移数据为例,对该去噪方法进行了讨论,结果证明,该方法对伸缩缝位移信号去噪效果明显,能有效地将噪声与实际位移信号分离。

基于Kalman滤波下的高铁隧道沉降变形评估方法

在进行高铁隧道沉降变形评估时,由于隧道的沉降量小,受随机噪声干扰较大,使得原始监测数据的沉降曲线波动较大,出现尖端点现象。本文运用Kalman滤波对原始监测数据进行去噪,根据经过去噪后的原始监测数据进行隧道沉降变形评估。工程实例对比分析表明,经过Kalman滤波去噪之后,可有效地消减原始监测数据中的随机噪声,使沉降曲线更平滑且更逼近真实沉降情况;基于Kalman滤波下的沉降变形评估的相关系数及可靠性较传统的评估方法有所提高,该评估方法在高铁隧道沉降变形评估中体现出更好的优越性及较好的应用效果。