基于奇异谱分析的最优分解层数确定算法

将奇异谱分析理论引入小波阈值算法中实现了一种基于奇异谱分析的自适应最优分解层数确定算法。通过对比不同信噪比下带噪信号的奇异谱分布情况,根据小波系数的奇异谱特性来确定最优分解层数。经测试,该算法可以根据带噪信号受噪声干扰情况自适应地确定最优分解层数,有效提高了语音增强效果并且避免了不必要的硬件资源浪费。

多聚焦图像融合中最优双树复小波分解层数的选择

采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分析与重构,是一种高效的融合方法。然而,分解层数的选择是影响该算法性能的重要因素之一。本文提出了一种基于信息熵、互信息量、边缘融合质量和加权融合质量等融合质量评价指标确定最优分解层数的方法。实验结果表明,不同的原始图像用同种融合算法分解重构,最优分解层数不一定相同;相同的原始图像用不同的融合算法分解重构,最优分解层数也不一定相同。因此,只有综合考虑多种代表性的评价指标,才能确定最优分解层数。

小波滤波分解层数的自适应确定方法

针对加性高斯白噪声,根据信号和噪声在小波空间上传播的特性,提出了一种基于Kolmogorov-Smirnov检验的最优分解层数自适应确定算法,对于不同数据长度的信号,可以自适应地选择小波变换的最优分解层数。仿真实验表明,该方法可以得到最优的信噪比及最小均方误差,并且对小波分解边界延拓方式的选择具有较强的适应性。

基于奇异谱分析的高斯噪声降噪改进算法

针对Donohue提出的多分辨分析小波降噪法中存在的恒定偏差、不连续性及重构图像失真等问题,引入奇异谱分析理论(SSA),对直接影响降噪效果的小波基、分解层数的选取和阈值函数进行改进。根据小波分解系数的奇异谱特性确定最优分解层数,通过小波降噪质量评价方法进行反复实验,对比分析选出最佳小波基,提出一种改进的阈值函数。仿真结果表明,针对加性高斯噪声人脸图像,该算法较其它算法能更好地保留有效图像细节信息,提高了算法实用性能,体现出更优越的数学特性和清晰的物理意义,减小了运算量。

自适应非张量积小波紧框架图像去噪

本文研究了图像去噪的问题.利用光滑余因子协调法,构造了样条空间S_6~4(?_(mn)^(2))中的二元六次样条函数,以此作为尺度函数,并基于酉延拓定理,构造了非张量积小波紧框架.利用构造的非张量积小波紧框架,提出了基于香农熵自适应确定最优小波紧框架分解层数以及改进的Normal Shrink自适应阈值算法,并给出了图像去噪实例和结果分析,获得了理想的数值结果,显示了本文方法的有效性.

开关柜局部放电信号降噪与缺陷识别研究

文中采用暂态地电压法(TEV)进行检测,设计了四种典型的缺陷模型并搭建试验平台,分别对局部放电缺陷模型进行了实验。由于变电站现场环境复杂,需要对采集的信号进行信号降噪。针对以往小波降噪都是按照经验采取固定的分解层数的问题,提出一种Mallat算法结合最优分解层数自适应算法对含噪信号进行分离与重构,结果显示该算法可以很好地滤除噪声。对重构后的局放信号提取八种时域特征参数,并采用BP神经网络对开关柜局部放电的类型进行识别,当误差准确率δ=0.002时,放电类型的识别正确率最高,能够达到97%。

提高暂态电压测量精度的自适应小波去噪方法

去除测量系统输出中的噪声对准确获取暂态电压波形具有重要意义。为此,提出一种基于小波分解的去噪方法。通过计算原始带噪信号各层小波系数的能量以及能量增量,确定去噪效果最好的小波分解层数;通过计算各层小波系数的峰效比,确定最佳小波基的选择。对暂态电压信号以及正弦信号进行去噪仿真试验,结果表明所提出的方案能够正确的选出最优小波分解层数和最佳小波基。将提出去噪方案应用于实验室以及变电站现场的暂态电压信号中,结果表明该方案能够在去除噪声的同时,保留信号的高频信号。

改进自适应小波降噪在激光陀螺仪信号处理中的应用

针对传统小波函数处理激光陀螺仪输出信号存在的问题,提出一种含参数的阈值函数、自适应确定最优的分解层数和最优阈值相结合的小波阈值降噪方法。首先提出新的自适应阈值函数,然后基于最大能量熵原则计算小波比例能量熵以自适应确定小波最优的分解层数,并使用SURE(Stein Unbiased Risk Estimator)无偏估计原则与牛顿迭代法的结合方法自适应确定信号随时间变化的最优阈值,最后利用实测数据和Allan方差分析进行实验验证。实验结果表明,无论是静态激光陀螺仪信号还是动态激光捷联惯组信号,改进的自适应小波降噪方法的降噪效果优于传统的小波降噪方法以及标准卡尔曼滤波方法,且该方法处理后的信号精度更高、均方误差更小和噪声系数更小,有效抑制噪声对激光陀螺仪输出信号的干扰。