摘要： 等離子體發(fā)射光譜是研究托卡馬克等離子體物理過程的重要診斷手段之一。邊界等離子體中存在著復雜的原子分子物理過程,部分較弱的粒子光譜信號混雜著大量噪聲,能否有效去除噪聲、提高信號質量對后續(xù)利用其分析理解實驗中相關物理過程具有重要意義。以仿真信號和真實托卡馬克實驗中鎢原子光譜數(shù)據(jù)作為研究對象,采用信噪比(SNR)和均方根誤差(RMSE)作為濾波效果的評價依據(jù),對小波閾值去噪處理方法的去噪效果進行了研究。仿真實驗對比分析表明:選取sym8小波基、4層小波分解、啟發(fā)式閾值計算以及漸進半軟閾值函數(shù)進行小波去噪時,可獲得最大信噪比19.2166,最小均方根誤差0.0290。進而將這些最佳匹配參數(shù)應用于實測偏濾器鎢原子光譜信號處理中,也取得較好的去噪效果。結果表明:小波閾值去噪能夠有效地消除偏濾器鎢原子光譜信號中的噪聲,同時較好地保留有用信號,避免信號失真,顯著提高了信號質量。

摘要： 針對信號去噪問題,小波以其獨特的局部時頻分析特性而取得了良好的去噪效果。需要指出的是閾值函數(shù)在小波去噪算法中發(fā)揮著決定性作用。基于此,本文重點討論了常規(guī)軟、硬閾值函數(shù)、已有改進閾值函數(shù)的優(yōu)缺點,引入平滑因子構建了一類新閾值函數(shù)。新閾值函數(shù)不僅可以避免偽吉布斯現(xiàn)象的出現(xiàn),同時還可以有效提高噪聲去除率。通過仿真實驗誤差分析發(fā)現(xiàn)新閾值函數(shù)相對于其他閾值函數(shù)具有更加理想的去噪效果。

摘要： 傳統(tǒng)的圖像復原的方法會造成圖像細節(jié)的丟失,且去噪效果一般,結合二進小波變換、高斯濾波和閾值函數(shù)去噪的優(yōu)點,我們提出了一種基于B-樣條二進小波變換的圖像恢復方法。本文利用小波變換,用新構造的B-樣條二進小波濾波器將方差為0.005的高斯噪聲圖像分解三次,分解得到的每一層高頻系數(shù)分別使用傳統(tǒng)的軟閾值模型進行閾值去噪,僅對第一層分解得到的低頻系數(shù)使用二維高斯濾波器進行去噪,接著,將處理后的高頻低頻系數(shù)利用小波逆變換從第三層重構到第二層,從第二層重構到第一層,從第一層重構到第零層,最后得到復原圖像,結果顯示本文得到的去噪圖像充分保留了原圖像的細節(jié),人物的邊緣,物體的邊緣都能很好地被人眼觀察到,具有很好的實用性。

摘要： 染液的濃度決定了制片技術的好壞,因此對染液濃度的檢測十分重要,然而在實際應用中,染液濃度檢測系統(tǒng)在測取光信號時會存在夾雜噪聲的問題,并且這種噪聲是注定存在的,現(xiàn)采用改進閾值函數(shù)的小波去噪算法來去除噪聲,將傳統(tǒng)的硬閾值函數(shù)、軟閾值函數(shù)和改進型的閾值函數(shù)分別對加噪信號進行處理并做對比。將實驗得到的數(shù)據(jù)導入Matlab中進行處理來驗證改進閾值函數(shù)算法較傳統(tǒng)方法的出色之處,將處理后信號的信噪比(SNR)和均方誤差(MSE)作為評判降噪的性能指標。實驗研究結果表明,改進型的閾值函數(shù)兼并了軟硬閾值函數(shù)的優(yōu)點,去除噪聲的能力也比傳統(tǒng)軟硬閾值函數(shù)去除噪聲的能力強,有較好的降噪效果,具有一定的實用價值。

摘要： 鑒于聲發(fā)射傳感器輸出信號一般為毫伏級,對其進行放大的時候很有可能會把一些噪聲信號進行放大,以及聲發(fā)射傳感器應用環(huán)境的惡劣性,將會直接導致后面處理的信號信噪比降低[1];在此,為了提高聲發(fā)射傳感器傳輸質量,對聲發(fā)射前置放大電路進行優(yōu)化,將傳統(tǒng)的單端輸入轉換為雙端輸入,對共模信號進行抑制,提高信噪比,對各部分電路一一進行分析驗證;此外,對聲發(fā)射傳感器輸出聲信號進行小波閾值去噪,論文選用了是全局閾值去噪和分層閾值去噪,進行擇優(yōu)選取,使得數(shù)據(jù)進一步提高,滿足預定要求。

摘要： 基于調幅調頻分解的經驗包絡法廣泛用于線性和非線性系統(tǒng)參數(shù)識別。然而,在調幅調頻分解中,為獲得純調幅調頻信號而進行的多次包絡迭代,會增大累積誤差。在經驗包絡法中,求導信號不光滑而引起的過包絡,會增大系統(tǒng)參數(shù)識別誤差。分別采用滑窗閾值去噪思想與滑動平均技術解決上述兩個問題,提出了改進的經驗包絡法,并基于該方法對單自由度非線性系統(tǒng)自由衰減振動模態(tài)參數(shù)識別。通過幾個算例參數(shù)識別分析,證實了該方法具有良好的抗噪聲性能與較高的識別精度。

摘要： 在冗雜環(huán)境下,為有效識別無線通信網絡干擾信號,提出基于子波變換的無線通信網絡干擾信號檢測研究。將干擾信號分為單音、多音、調頻等類型,利用射線模型描述通信信道損失,確立噪聲影響下的干擾信號結構,提取信號時頻分布特征;在子波變換過程引入閾值濾波算法,將噪聲投影在不同子波空間中,合理設置閾值,計算新的變換系數(shù),實現(xiàn)信號去噪;采用混沌循環(huán)譜方法,將干擾信號檢測轉換為二元假設檢驗問題,獲取二階時變檢測函數(shù),計算決策量,結合門限值完成干擾信號檢測。實驗結果表明,該方法能夠有效過濾噪聲,檢測出的干擾信號波形與頻率與實際情況相符。

摘要： 圖像信號在獲取傳輸?shù)倪^程中易被噪聲污染,因而圖像去噪一直以來是信息處理領域的熱點之一。文章從空間域和頻率域濾波去噪出發(fā),探究了基于小波變換的模極大值去噪、多種閾值去噪等算法,并對不同去噪算法進行了比較及評價,指出了不同算法在圖像去噪上的優(yōu)勢與不足,為數(shù)字圖像的去噪提供一些新思路與新方法。

摘要： 針對當前圖像分割方法存在的缺陷,設計一種改進輪廓波的圖像分割方法。為提升圖像分割效果,首先,采用改進輪廓波變換對圖像處理,利用改進輪廓波變換可有效消除圖像奇異點位置振蕩情況,在此基礎上利用閾值去噪方式對圖像進行去噪處理;然后,通過形態(tài)學腐蝕后的圖像的目標范圍較小,由此獲取該圖像的種子區(qū)域,依據(jù)圖像光譜差異性度量準則、形狀差異性度量準則進行圖像種子區(qū)域生長;最后,運用差分進化算法對種子區(qū)域生長邊界閾值實施優(yōu)化,根據(jù)閾值實現(xiàn)圖像分割。AUC(area under roc curve)方法數(shù)字和特異度數(shù)值均較高,其中特異度數(shù)值始終表現(xiàn)為平緩狀態(tài),數(shù)值變化不大,而AUC數(shù)值在圖像幀數(shù)為6 000幀后,逐漸呈現(xiàn)下降趨勢,圖像分割相似度依然保持0.95以上,敏感度數(shù)值隨著圖像幀數(shù)的增加而呈現(xiàn)波動趨勢,波動區(qū)間約為0.825~0.86,綜合分析3個衡量魯棒性指標值均較高。實驗結果表明:該方法在以不同元素為分割結構時,未出現(xiàn)過度分割和欠分割情況,種子區(qū)域選擇能力強,圖像脈絡清晰像素高,分割能力強。

摘要： 在具備可測量角度功能的扭矩扳手的設計過程中,選用基于微機電系統(tǒng)(MEMS)陀螺儀來完成角度測算功能。隨機噪聲是影響MEMS陀螺儀精度的重要因素之一,為提高MEMS陀螺儀的測量精度,論文提出了一種改進小波閾值去噪法。該算法兼顧傳統(tǒng)小波閾值去噪法中硬、軟閾值函數(shù)的優(yōu)點,引入可調節(jié)參數(shù)增強閾值函數(shù)的自適應性,選取了合適的小波基函數(shù),確定最優(yōu)分解層數(shù)。通過Matlab進行仿真,對比改進前后信號的信噪比(SNR)和均方根誤差(RMSE)數(shù)據(jù)。實驗結果驗證了該方法可以削弱傳統(tǒng)小波閾值函數(shù)帶來的信號失真程度和信號振蕩程度,提高MEMS陀螺儀輸出數(shù)據(jù)的精度。

摘要： 歷史負荷數(shù)據(jù)中的噪聲會影響以其為基礎所進行的負荷預測的準確性，從而就有必要對負荷數(shù)據(jù)進行去噪處理。考慮到負荷數(shù)據(jù)的橫向連續(xù)性和縱向連續(xù)性，可以先把負荷數(shù)據(jù)按照日期排列成二維數(shù)據(jù)集，經歸一化處理后形成灰度圖像矩陣，然后用基于圖像的二維小波閾值去噪方法進行去噪處理，最后通過反歸一化得到去噪后的負荷數(shù)據(jù)。實例分析結果表明這種方法可行且有效。

摘要： 使用邊緣檢測的方法檢測出圖像的邊緣和紋理細節(jié)，對檢測出的邊緣和紋理細節(jié)圖像進行處理后，將它和含噪圖像分別進行小波變換，然后將其小波系數(shù)對應疊加，最后對疊加之后的小波系數(shù)進行小波自適應軟閾值去噪。實驗證明該方法比較傳統(tǒng)方法在視覺效果和信噪比方面都有較大的改善。

摘要： 航空發(fā)動機是一種復雜的旋轉機械,故障種類多而且難以辨別,為了保證飛行安全,需要對航空發(fā)動機的故障進行正確、快速地檢測.本文使用CF6模型并將發(fā)動機低壓轉子效率的突然降低作為故障,首先進行模擬仿真取得算例信號,然后利用小波分析中的奇異值檢測方法對信號進行分解,并基于閾值去噪后重構信號,對比奇異點處模極大值查找出預設故障點.

摘要： 故障電弧是引發(fā)電氣火災的重要原因,檢測故障電弧是預防電氣火災的迫切要求.本文首先以常見家用電器為負載設計了模擬串聯(lián)電弧的實驗方案,搭建了實驗平臺,采集到不同條件下的故障電弧信號.基于電弧電流的特性,提出了一種的檢測方法:該方法通過相鄰周期波形相減并進行小波閾值去噪和歸一化,利用周期模最大值作為電弧的特征量,以特征量大于參考值的個數(shù)作為故障電弧發(fā)生的判據(jù).最后應用MATLAB對單一負載、組合負載、啟動過程、正常工作以及不同電壓下串聯(lián)故障電弧實驗數(shù)據(jù)進行分析,得到了不同負載下的電弧特征量的公共閾值.結果表明所提方法能夠有效檢測故障電弧的發(fā)生.

摘要： 本文把多閾值方法應用到小波包閾值去噪中，并且根據(jù)噪聲與信號在各頻帶上的小波包系數(shù)具有不同特征的特點，將Stein無偏似然估計閾值、貝葉斯閾值、固定形式閾值與滑動極大極小準則閾值結合使用。仿真結果表明，本文提出的方法具有更好的去噪效果。

摘要： 地震孕育過程中應變能量的積累導致的巖石破裂是構造地震發(fā)生的必要條件,在巖石破裂時會激發(fā)出一種低頻次聲波信號.本文介紹了小波分析原理,并討論了不同類型小波和相同類型的小波不同閾值對震前異常次聲波信號的降噪效果.

摘要： 地震孕育過程中應變能量的積累導致的巖石破裂是構造地震發(fā)生的必要條件,在巖石破裂時會激發(fā)出一種低頻次聲波信號.本文介紹了小波分析原理,并討論了不同類型小波和相同類型的小波不同閾值對震前異常次聲波信號的降噪效果.

摘要： 地震孕育過程中應變能量的積累導致的巖石破裂是構造地震發(fā)生的必要條件,在巖石破裂時會激發(fā)出一種低頻次聲波信號.本文介紹了小波分析原理,并討論了不同類型小波和相同類型的小波不同閾值對震前異常次聲波信號的降噪效果.

摘要： 地震孕育過程中應變能量的積累導致的巖石破裂是構造地震發(fā)生的必要條件,在巖石破裂時會激發(fā)出一種低頻次聲波信號.本文介紹了小波分析原理,并討論了不同類型小波和相同類型的小波不同閾值對震前異常次聲波信號的降噪效果.

摘要： 探討了沉降數(shù)據(jù)的異常值探測和剔除的小波分析思路與實現(xiàn)方法，研究了小波去噪中的閾值選取形式，并結合某市地鐵沉降監(jiān)測數(shù)據(jù)進行分析，取得了較好的異常值探測和剔除效果，實例證明小波分析可以有效地剔除沉降數(shù)據(jù)中的異常值，保存可靠的沉降信息，能夠提高地鐵沉降分析和預報的可靠性。

摘要： 本發(fā)明提出了一種基于空間自適應全變差的CS迭代閾值圖像去噪重建方法，步驟為：初始化重建圖像和初始含噪觀測值；對獲得的重建圖像進行迭代更新獲得估計值；基于優(yōu)化閾值軟閾值算子進行輪廓波變換獲得去噪估計值輪廓波稀疏系數(shù)；將獲得的去噪估計值輪廓波稀疏系數(shù)輸入到基于空間自適應全變差CS重建模型中獲得重建圖像輪廓波系數(shù)；使用基于輪廓波維納濾波算子進行濾波獲得重建圖像輪廓波系數(shù)；將重建圖像輪廓波系數(shù)進行輪廓波逆變換獲得重建圖像。本發(fā)明采用基于優(yōu)化閾值軟閾值算子的輪廓波變換進行稀疏變換，不僅能夠將圖像數(shù)據(jù)與噪聲信息進行有效分離，同時能夠有效去除隱藏在圖像各層中的噪聲信息獲得高質量的圖像稀疏系數(shù)，提高了去噪重建能力。

摘要： 本發(fā)明公開了一種基于自適應估算閾值法的擾動信號去噪方法，包括以下步驟：步驟1：將采集信號x(k)分割為固定長度為L的M個短數(shù)據(jù)序列，相鄰兩數(shù)據(jù)序列之間有重疊；步驟2：對步驟1得到的數(shù)據(jù)序列分為T組，每一組序列組合為一個二維矩陣Ag；分別對矩陣的每一行和每一列進行一維離散余弦DCT變換；得到二維離散余弦變換得到Dg；步驟3：對步驟2得到矩陣Dg的二維DCT系數(shù)進行濾波得到D’g；步驟4：對D’g進行逆二維DCT，得到重構為重構分配相應權重wg；步驟5：根據(jù)步驟4得到的權重和重構矩陣，根據(jù)加權平均方法得到去噪信號；本發(fā)明充分利用了數(shù)據(jù)段之間的相關性，自適應的估計濾波閾值，能在有效去除噪聲的同時，較好的保留信號中的細節(jié)特征。

摘要： 本發(fā)明公開了一種基于小波閾值去噪的IFRA頻響曲線去噪方法，包括步驟：1)將IFRA頻響曲線分為若干頻段；2)找到IFRA頻響曲線上各個頻段的最適分解層數(shù)；3)對含噪的IFRA頻響曲線整體進行多次小波閾值去噪，去噪的次數(shù)與步驟1)分的頻段數(shù)相同，并依次采用步驟2)找到的各個頻段的最適分解層數(shù)作為去噪過程中的小波分解層數(shù)進行小波閾值去噪，獲取每次小波閾值去噪后能夠得到有效去噪的頻段曲線；4)將步驟3)得到的多條有效去噪的頻段曲線依次拼接，即可得到所需的一整條完整的最終去噪后的IFRA頻響曲線。本發(fā)明在保留諧振點位置和幅值信息的前提下有效提升了IFRA頻響曲線的頻率分辨率，提升了IFRA繞組變形檢測的精確度。

摘要： 本發(fā)明公開了一種基于小波閾值去噪的IFRA頻響曲線去噪方法，包括步驟：1)將IFRA頻響曲線分為若干頻段；2)找到IFRA頻響曲線上各個頻段的最適分解層數(shù)；3)對含噪的IFRA頻響曲線整體進行多次小波閾值去噪，去噪的次數(shù)與步驟1)分的頻段數(shù)相同，并依次采用步驟2)找到的各個頻段的最適分解層數(shù)作為去噪過程中的小波分解層數(shù)進行小波閾值去噪，獲取每次小波閾值去噪后能夠得到有效去噪的頻段曲線；4)將步驟3)得到的多條有效去噪的頻段曲線依次拼接，即可得到所需的一整條完整的最終去噪后的IFRA頻響曲線。本發(fā)明在保留諧振點位置和幅值信息的前提下有效提升了IFRA頻響曲線的頻率分辨率，提升了IFRA繞組變形檢測的精確度。

摘要： 基于小波閾值去噪、中值濾波和均值濾波的實時混合去噪方法：(1)首先，根據(jù)系統(tǒng)的實時性要求確定進行小波變換的數(shù)據(jù)處理長度為n(j0∈N，N為整數(shù)集，j0≥1)，剪取長度為n的MEMS傳感器輸出信號的最新一段，并采用小波閾值去噪方法對此段序列進行處理，濾除噪聲，提高信噪比；(2)根據(jù)系統(tǒng)的實時性要求，截取小波閾值去噪后序列的最新的一段，并對此段序列進行均值濾波；(3)對均值濾波后輸出的序列進行中值濾波；本發(fā)明在保證系統(tǒng)實時性要求的條件下，改善了MEMS傳感器的實時去噪的效果，提高了MEMS傳感器的輸出精度。

摘要： 本發(fā)明公開了一種基于EMD結合自適應小波軟硬閾值的光伏直流信號去噪方法，獲取含有噪聲的光伏直流信號；對含有噪聲的光伏直流信號進行經驗模態(tài)分解EMD，得到所有固有模態(tài)函數(shù)IMF分量；分別計算各IMF分量的自相關函數(shù)，判斷噪聲與信號起主導作用的模態(tài)分界點；對判定為噪聲起主導作用的IMF分量進行自適應小波軟硬閾值去噪，得到去噪后的IMF分量，并輸出信噪比最大時軟硬閾值結合情況下的α取值；將去噪后的IMF分量與剩余分量進行累加，完成信號重構，得到去噪后的光伏直流信號。上述方法解決了傳統(tǒng)EMD去噪方法所存在的模態(tài)混疊等問題，能有效分離光伏噪聲環(huán)境下的直流信號，提高光伏直流信號的抗噪性能。

摘要： 本發(fā)明提供了一種處理SCADA系統(tǒng)數(shù)據(jù)的實時小波閾值去噪方法。該方法通過采用滑動窗口實現(xiàn)了在線小波閾值去噪，采用自適應函數(shù)閾值對小波系數(shù)進行處理，不同信號長度下進行不同層次的小波分解。本發(fā)明提供的一種處理SCADA系統(tǒng)數(shù)據(jù)的實時小波閾值去噪方法，計算簡單，去噪效果好，可以實時對SCADA系統(tǒng)數(shù)據(jù)進行處理，為長輸管道在線仿真技術提供基礎數(shù)據(jù)。

摘要： 本發(fā)明公開了一種基于變壓器振動信號敏感IMF的小波閾值去噪方法，涉及變壓器信號處理技術領域；本發(fā)明的方法包括：對帶通濾波后的變壓器本體振動信號進行VMD分解，利用各IMF分量的敏感因子篩選出敏感IMF。采用小波閾值法對非敏感IMF分量進行去噪處理，利用改進的小波閾值函數(shù)對小波系數(shù)進行閾值處理，以提高小波閾值法的降噪能力，降低噪聲干擾，保留變壓器原始振動信號更多的有效信息。本發(fā)明的一種基于變壓器振動信號敏感IMF的小波閾值去噪方法，有效提高變壓器本體振動信號去噪方法的降噪能力，提高去噪效率，同時保留原始信號中的有效信息。

摘要： 本發(fā)明公開了一種疊前地震數(shù)據(jù)小波閾值去噪最優(yōu)小波基選取方法，通過比較疊前地震數(shù)據(jù)與小波基函數(shù)的局部相似性來選取最優(yōu)小波基，包括提取井旁道地震子波，借助測井資料獲取波阻抗曲線；由波阻抗曲線獲取反射系數(shù)序列，反射系數(shù)序列與井旁道地震子波褶積合成井旁道地震記錄，再計算合成的井旁道地震記錄與小波基函數(shù)的相關系數(shù)來選擇最優(yōu)小波基。本發(fā)明方法通過比較合成地震記錄和小波基函數(shù)的局部相似性來選擇最優(yōu)小波基，排除了閾值函數(shù)和分解尺度的影響，只有一個單一變量。實施本發(fā)明技術方案，只需要井旁道地震道資料和常規(guī)測井資料，具有簡單、便捷和準確的特征。

摘要： 本發(fā)明提供一種基于小波變換的TBM掘進參數(shù)時序數(shù)據(jù)閾值去噪方法，用于對掘進參數(shù)時序數(shù)據(jù)進行去噪處理，其特征在于，包括以下步驟：步驟S1，確定掘進參數(shù)，并采集與掘進參數(shù)相對應的含噪的時序數(shù)據(jù)。步驟S2，將含噪的時序數(shù)據(jù)按照正交小波函數(shù)進行小波分解，得到多層小波變換系數(shù)。步驟S3，利用軟閾值函數(shù)對每一層高頻系數(shù)進行非線性閾值處理，得到處理后的高頻系數(shù)。步驟S4，利用通用閾值規(guī)則選取法對處理后的高頻系數(shù)進行選取，得到選取后的高頻系數(shù)。步驟S5，對低頻系數(shù)和選取后的高頻系數(shù)進行重構，得到去噪后的時序數(shù)據(jù)。本發(fā)明利用小波變換對時序數(shù)據(jù)進行處理并利用閾值選取進行去噪，計算量小、分析效率高，滿足在線數(shù)據(jù)實時分析任務的需求。