基于白化检验和3σ准则的小波阈值去噪算法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法。其中,分解层数、门限阈值以及阈值函数的选取是关键。本文分析了白噪声和有用信号的小波变换系数的特点,在此基础上提出了一种分解层数的自适应确定方法以及一种基于3σ准则的各层小波空间阈值的选取方法,并结合硬阈值和软阈值方法各自的优缺点,提出了一种改进的小波系数阈值估计的模型。仿真结果表明,该方法具有较好的去噪效果,尤其适用于强噪声背景下弱信号的检测。

小波阈值降噪算法中最优分解层数的自适应确定及仿真

小波阈值降噪算法是一种有效的从测试信号中去除噪声的方法。通过对有用信号和噪声信号在小波空间上传播特性的不同进行分析,提出了一种基于小波去相关白噪声检验的最优分解层数自适应确定算法。该算法可以根据含噪声信号的特点和信噪比,自适应的选择小波变换的最优分解层数以达到最优的降噪效果。最后,在MATLAB环境下进行了仿真实验,并进行了工程应用。仿真实验和工程应用结果表明,该方法可以有效的确定合理分解层数得到最优的信噪比。

基于改进阈值自适应冗余小波的振动信号去噪

由电主轴动不平衡引起的振动信号在采集的过程中会混入大量强干扰噪声,引起机床主轴系统稳定性差。自适应冗余第二代小波的降噪方法可有效的去除噪声。针对上述方法中存在的传统阈值函数造成小波系数不连续或恒定偏差的问题,引入双变量改进阈值函数,提出了一种改进的自适应冗余第二代小波的振动信号消噪方法。将改进的方法应用于仿真信号及实际采集的电主轴动不平衡振动信号消噪中,结果表明,改进方法融合了自适应冗余第二代小波信号和双变量改进阈值函数的优点,在低信噪比的仿真信号和振动信号消噪中,能很好的保留原信号的特征并且有效的去除噪声,消噪效果更优。

EMAT回波信号提升小波降噪最佳分解层数研究

分析了分解层数不同时重构信号间的最小均方误差变化趋势并根据分析结果结合高频系数白化检验自适应确定了最佳的分解层数。讨论了提升小波变换的提升算法以及新的阈值函数,使用了基于提升小波变换的改进阈值函数的方法和选取了一种最优的阈值方法并结合最佳分解层数对电磁超声回波信号进行了去噪处理,验证了算法的有效性。

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。