基于改进阈值的低压电力线信道中的小波去噪方法

在电力线信道的小波去噪方法中,应用广泛的是小波变换阈值法.但传统的阈值法阈值单一,且在信号连续性较差的情况下,运用传统阈值法还会产生伪吉布斯现象.为了克服阈值法的不足,在平移不变量小波阈值去噪法的基础上,通过仿真低压电力线信道噪声,对阈值函数进一步改进,使阈值的变化与噪声的小波变换随尺度的变化特性相一致.仿真实验可以看出,该方法可以有效改善信号的信噪比,减小原始信号与估计信号之间的均方根误差,对含噪信号有更好的去噪效果.     

基于不可分离MRA的快速小波去噪图像重建

提出了一种基于不可分离MRA的小波去噪重建算法.算法将投影数据进行二通道的小波分解,从而直接得到小波的近似系数和细节系数,对这些小波系数进行基于小波的阀值化去噪处理,再经过逆小波变换就得到了最终的重建图像.算法降低了复杂度,与可分离MRA重建算法比较速度更快,并且可以去噪.     

瞬变电磁信号去噪方法及效果研究

采样后的瞬变电磁信号数据容易受到各种噪声的干扰，造成数据处理时分辨率较低，进而出现异常解释信息，影响后续工作进程．因此，必须选日蛤适的方法对其进行去噪处理。本文集中对三点指数逼近非线}生平滑去噪、基于小波闽值的信号去噪、基于小波变换模极大值的信号去噪、基于小波包的信号去噪等方法及效呆进行比较，对瞬变电磁法的去噪工作具有一定的现实意义。     

基于小波变换的去噪技术在数字图像边缘识别中的应用

小波变换是空间（时间）和频率的局部变换,因而能有效地对数字图像去噪,并从数字图像中提取局部信息。本文介绍了一种将基于小波变换的去噪技术应用于数字图像边缘识别中去的方法．通过matlab 7．0平台仿真实现,实验证明这种方法抗噪能力极强,提取的边缘定位精确,程序结构合理。     

小波去噪理论及MATLAB实现研究

阐述了小波变换去除信号噪声的基本原理和方法,研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声。然后利用MATLAB软件编制程序实现了基于小波变换的正弦信号的去噪仿真分析,仿真结果表明小波变换去除噪声具有很强的实用性。     

基于小波变换的信号去噪研究

小波变换在信号去噪的应用中有很大的优势,它弥补了傅里叶变换在信号去噪中的局限。小波变换在时间域和频率域都具有良好的局部特性,可以聚焦到信号的任意细节。根据信号的特性利用小波变换的处理方法能够有效的将有用信号与噪声分离开来从而达到去噪的效果。     

基于小波和Kalman滤波对GPS数据的去噪方法分析

根据KaIman滤波和小波分析基本理论及GPS信号噪声特性,将小波分析这一数学工具应用到GPS数据的去噪处理中,同时引入Kalman滤波方法,将其与小波分析方法有机结合,进而提出基于小波分析的扩展KaIman滤波方法进行GPS数据去噪处理。     

基于Context模型的局部阈值小波图像去噪

本文基于小波阈值去噪的基本理论，提出了一种基于Context模型的自适应小波去噪算法。该方法利用Context模型建立图像小波变换后的系数分类模型并根据分类使用不同的阈值去噪。实验结果表明本文提出的算法无论是PSNR值还是视觉效果，都大大优于传统算法。     

基于小波变换的异类传感器机动目标的模糊航迹关联

针对雷达和电子对抗测量对机动目标的航迹关联问题,提出了一种基于小波变换的模 糊航迹关联算法。首先通过小波分析对航迹序列进行去噪、粗关联,然后根据目标的特性建 立模糊因素子集,进行精关联。仿真实验表明：与传统的加权法相比,该算法有效地解决了 机动目标航迹关联问题,并提高了航迹关联的概率。     

基于小波和ARMA模型的时间序列区间预测

提出小波去噪和ARMA模型相结合的预测方法。对上证指数原序列进行小波去噪,然后对去噪后的序列建立ARMA模型,进行95%的置信区间的动态预报。     

采用小波变换建立价格波动幅度的预测模型

股票市场建立一百多年以来,对股票价格的准确预测一直是众多投资者和学者梦寐以求的目标。股票价格的波动可以分解为波动幅度和波动方向。由于中国股票市场中两者具有不同的性质,并且两者在市场中有不同的应用场合,如价格波动幅度表示市场的易变性,是政府和有关监督部门进行风险控制的主要研究对象,另外对投资者制定投资策略也具有同样重要的意义,因为投资者同样需要考虑风险,投资的目标不外乎风险最小的情况下获得最大的收益。价格波动幅度存在线性相关,长期相关性,多尺度相关性以及局部特性,完全可以利用一定的预测工具进行预测。本文通过小波变换,结合神经网络和遗传算法建立股票价格波动幅度预测模型,获得了比其它模型更高的预测精度,提出了平移小波变换克服了现有小波变换方式的预测边界问题。     

采用小波变换建立价格波动幅度的预测模型

股票市场建立一百多年以来,对股票价格的准确预测一直是众多投资者和学者梦寐以求的目标.股票价格的波动可以分解为波动幅度和波动方向.由于中国股票市场中两者具有不同的性质,并且两者在市场中有不同的应用场合,如价格波动幅度表示市场的易变性,是政府和有关监督部门进行风险控制的主要研究对象,另外对投资者制定投资策略也具有同样重要的意义,因为投资者同样需要考虑风险,投资的目标不外乎风险最小的情况下获得最大的收益.价格波动幅度存在线性相关,长期相关性,多尺度相关性以及局部特性,完全可以利用一定的预测工具进行预测.本文通过小波变换,结合神经网络和遗传算法建立股票价格波动幅度预测模型,获得了比其它模型更高的预测精度,提出了平移小波变换克服了现有小波变换方式的预测边界问题.     

基于复小波域维纳滤波与各项异性扩散的图像去噪

提出一种基于复小波与各项异性结合的新图像去噪算法。实验表明：去噪后的峰值信噪比与视觉质量都较复小波去噪或各项异性非线性扩散有较大改善。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换（Discrete Wavelet Transform，DWT）通常用于图像的表示。然而，对于具有不规则形状边缘的图像，尤其是对于纹理和细节信息较多的遥感图像，DWT却很难有效表示，进而影响后续去噪效果。针对该问题，提出了一种基于图形小波变换（Graphic Wavelet Transform，GWT）的图像去噪方法。首先，将图像表示为图形信号，并通过该图形信号的谱表示构造相应的变换矩阵；然后，设计了一种改进自适应阈值的图像去噪方法，在GWT变换域内对图像去噪。实验结果表明，与常用的图像去噪方法相比，所提算法能够提供更好的图像主观质量。采用均方根误差（Root Mean Square Error，RMSE）和峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）作为客观指标，结果表明，采用所提方法得到的重建图像客观质量更优。     

测量船异常数据辨识与误差抑制

为解决蕴含有复杂变形、船摇周期影响的测量船异常数据检测难题,提出了基于小波分析的异常数据的动态识别与修正方法。基于小波分析的多尺度、局部分析等特性,采用具有紧支撑特性的小波去噪方法,根据数据自适应选取阈值,对噪声进行抑制凸显异常,在实现噪声抑制的同时,较好地保留了局部异常特征,显著提高了异常数据的检出率。测试结果表明,该方法切实可行,效果良好。     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

小波分析在小电流单相接地暂态信息分析中的应用

小波分析在小电流单相接地选线中的应用是利用小波变换提取小电流单相接地时有用的故障暂态和稳态信息,通过与非故障线路暂态和稳态信息的比较实现选线。传统的小电流单相接地选线判据是基于故障稳态信息。本文通过对小电流单相接地故障暂态过程的分析,提出基于小波变换提取故障暂态量作为故障选线判据的方法。最后通过MATLAB仿真验证了该方法的可行性与准确性。     

多光谱图像变换域统计量移位鲁棒无损信息隐藏

为了提高鲁棒无损信息隐藏算法容量,利用多光谱图像谱段间的相关性及其小波变换高频系数分块均值的稳定性,提出一种变换域统计量移位的鲁棒无损信息隐藏算法。首先,在光谱方向采用Karhunen Loêve变换(KLT)去相关,然后对得到的KLT本征子图像进行离散小波变换,将小波HH高频系数分块均值作为统计量,通过其直方图移位来隐藏秘密信息,最后将浮点数变换和像素溢出引起的误差嵌入含密图像中以便对恢复的载体图像进行误差补偿。实验结果表明：在图像质量和以往算法相当的情况下,该算法的隐藏容量增加了1倍,并且能抵抗噪声攻击;而与最新算法相比,在隐藏容量相同时,该算法抗JPEG2000压缩倍数平均提高23.9%,误码率平均降低了44.8%。     

最小能量框架的跟踪干扰识别和去噪算法

讨论了基于离散信号空间上的最小能量（小波）框架的跟踪干扰信号识别和去噪算法。利用一组框架对采用相位调制的接收信号进行分解，如果受到跟踪干扰，则未干扰区信号和干扰区信号的3个分解子信号将呈现明显不同的能量分布特征，据此提出了一种跟踪干扰信号识别和自适应阈值去噪算法。理论分析和仿真结果表明，识别算法具备低虚警率和漏警率性能，而去噪算法有效抑制了干扰信号能量，10-2 误包率时，BPSK+1/2 Turbo信号中1/16尾部信号受到干信比值10 dB的高斯噪声干扰后，去噪算法获得了约4 dB的增益；而QPSK+1/2 Turbo信号中1/8尾部信号受到干信比值10 dB的高斯噪声干扰后，去噪算法可以把误包率性能从1降低至约0.67的水平。     

第二代小波在三轴转台实验中的应用

针对三轴转台实验测量数据的处理问题,本文提出了基于第二代提升格式的小波滤波方法。该方法采用多项式拟合进行预测,对含有噪声的数据进行数字滤波。三轴转台试验仿真结果表明该方法应用方便且去噪声效果好,具有广泛的去噪应用前景。