基于小波包变换和数学形态学结合的光谱去噪方法研究

对反射光谱数据进行去噪是提高光谱信息准确度的前提。传统时域平滑和频域去噪方法存在诸多缺点,本文首次将广义形态滤波方法用于可见近红外光谱的去噪处理,并提出基于小波包变换和数学形态学结合的光谱去噪方法。使用USGS光谱库中的植被光谱进行实验,采用信噪比(SNR)、均方误差根(RMSE)、波形相似度(NCC)和平滑度(SR)四个指标来评估去噪效果。结果表明,小波包最佳基阈值法和广义形态滤波法都能较好地保持波形和平滑度,广义形态滤波法能较好地消除幅值较大的随机噪声,但其对连续随机噪声中幅值较小的噪声成分不能有效消除; 而小波包最佳基阈值法不能有效消除幅值较大的噪声成分; 二者结合的方法组合了这两者的优点,使得幅值较大、较小的噪声成分都能较好地消除,同时还提高了相似度和平滑度指标,充分表明小波包最佳基阈值与广义形态滤波结合的方法是一种更好的可见光近红外光谱去噪方法。     

基于小波变换的卡尔曼滤波法在ICP-AES中的应用

在ICP－AES中，卡尔曼滤波是一种有效的光谱干扰校正方法，它在强背景、谱线重叠严重的情况下，仍可得到很好的分析结果；并且有比传统分析线法在纯组分试样条件下更低的检出限。然而，噪声的存在影响了卡尔曼滤波的准确度。小波变换因其多分辨分析的特性，近年来被用于分析信号的去噪，而且该方法简单、快速，是一种很有效的去噪方法。本文首先用仿真数据研究了噪声对卡尔曼滤波法的影响；其次，将小波变换引入卡尔曼滤波法，提出了基于小波变换的卡尔曼滤波法，仿真实验结果表明，该方法能有效提高卡尔曼滤波法的分析准确度。     

改进的小波阈值消噪法在湍流信号处理中的应用

湍流数据采集中有用信号往往不同程度地受到干扰噪声的污染,小波阈值消噪法一定程度上能将有用信号的高频成分和噪声区分开,将其应用于湍流信号消噪是相对合理的.针对现有小波阈值消噪法的不足,提出了一种改进的阈值函数和基于小波能量熵的阈值自适应选取方法.仿真实验表明,新方法具备连续性好、偏差小、自适应阈值选取等优点,不但可以实现高信噪比信号的合理消噪,而且能有效检测出强噪声干扰下的微弱有用信号.以两组实测湍流信号的消噪处理为例,考察了新方法在湍流信号处理中的消噪效果.结果表明,该方法能为湍流信号的后处理提供可靠的数据.     

激光云高测量去噪算法研究

针对激光雷达回波信号所含噪声的特点, 对比分析了传统去噪算法的优缺点, 重点就小波自适应阈值去噪方法和独立成分分析去噪方法进行了系统研究。为了验证这两种方法在激光云高测量信号去噪上的有效性和优劣性, 对包含高斯白噪声的模拟仿真信号进行了消噪, 并对半导体激光云高仪实际探测得到的大气回波信号进行了消噪处理, 最后对去噪结果进行了对比分析。仿真结果和实验结果表明, 这两种消噪方法均能够有效降低激光雷达回波信号中所含噪声, 并且独立成分分析消噪效果明显优于小波自适应阈值方法。     

非下采样小波变换红外光谱数据去噪

为了降低噪声对实测红外光谱信号的影响,引入了一种非下采样小波变换的红外光谱数据去噪方法。采用非下采样小波变换对原始光谱信号进行多尺度分解,提取信号的多尺度细节特征;根据光谱信号和噪声在不同尺度上的差异,通过应用变分偏微分方程方法调整分解后的各子带系数;重构各子带就可以将原始光谱信号中真实信号和噪声分离,从而达到剔除噪声的目的。通过两组实验对比传统小波和该方法针对红外光谱数据的消噪效果,实验结果表明:非下采样小波变换在红外光谱数据去噪方面具有明显的优势,不仅能够有效地去除噪声,很好地保持信号的形状,并且均方误差较小;在实际的红外光谱数据处理中能够获得较好的去噪效果。     

基于提升小波变换的雷达生命信号去噪技术

对于噪声干扰严重、非线性、非平稳、多奇异点的微弱雷达生命信号而言,去噪是对有用信号进行分析前的必要手段。基于多普勒效应原理和雷达噪声的统计特性,建立了雷达生命信号的模型,分别用传统小波变换和提升小波变换对强噪声干扰下的生命雷达信号进行了去噪处理,结果表明被强噪声污染的雷达生命信号可以用传统小波变换的方法和提升小波变换法对其有效去噪,提升小波变换去噪效果优于传统小波变换去噪效果,其信噪比(SNR)和均方误差(MSE)两个性能指标均高于传统小波去噪。对雷达生命信号进行去噪处理时,使用的小波基函数是sym8,分解层数为3层。     

基于小波包分析二次阈值去噪图像复原方法

提出了基于小波包分析的二次去噪复原的图像复原新方法。利用小波包分析在信号去噪中对图像信号高频部分更加灵活、更加精确的局部分析能力,针对低信噪比模糊图像,通过选取较小的阈值,交替地进行了两次预去噪处理和复原。采用PML算法,实验比较了小波包阈值一次去噪法和二次去噪法。实验表明,二次去噪法由于阈值取值较小,对退化图像信息的能量分布改变较小,可以获得比一次去噪法更加良好的复原效果。     

基于小波模极大值移位相关的光谱去噪方法

提出一种小波模极大值移位相关滤波算法,用来对吸收光谱进行去噪处理。首先,依据小波变换模极大值理论,识别吸收光谱的二进小波系数中的噪声成分和有用信号成分;然后将其中相邻尺度的有用成分在波数轴上移位对齐,修正模极大值在尺度间的“漂移”现象,并对其中噪声成分进行平滑;最后将预处理后的相邻尺度的小波子带相乘,根据得到的小波系数尺度间的相关度,进一步强化信号的重要特征,同时衰减噪声。相比SSNF及MPTH等去噪方法,新的算法不需要估计噪声强度,可避免引入误差和复杂计算;也不需要进行迭代计算,可消除算法收敛缓慢甚至不收敛的危险;同时,该算法修正了光谱谱峰在不同尺度的模极大值位置的“漂移”,可弥补这一现象造成的谱信息的损失。实验结果证明,提出的滤波算法在保留SF₆气体红外吸收光谱的有用成分的前提下,有效的滤除了噪声。     

自适应小波阈值去噪在光谱信号处理中的应用

在光谱数据的多组分定量分析中 ,噪声的存在往往影响分析的准确度。小波变换的多分辨率分析的特性使它成为一种优良的去噪方法。本文基于 Dohono提出的小波阈值去噪和 Mallat,Xu等提出的空域相关去噪法 ,提出了一种新的自适应小波阈值函数滤噪法。与原来方法比较 ,新法能够在有效去除噪声的同时 ,很好地保留了信号的细节。仿真计算和分析表明了此算法的有效性。     

混沌信号的压缩感知去噪

对非线性时间序列进行噪声抑制是从中提取有效信息的前提. 混沌信号的去噪算法不仅要使滤波后的信号具有较高的信噪比, 也要具有较好的不确定性. 从压缩感知的角度出发,提出了一种新的噪声抑制方法. 该方法包括估计噪声方差, 以及依据动态的稀疏度将观测值往确定的过完备字典上投影. 仿真实验表明, 该方法比常用的小波阈值法和局部曲线拟合法具有更高的输出信噪比, 而原始信号的混沌特性也能得到较大程度的恢复.     

光谱信号的小波去噪新技术

光谱分析中,噪声的存在常影响分析的准确度和检测限。现有滤波方法在光谱信号除噪方面有种种缺陷。文章充分利用小波在信号处理方面的优良特性,提出了Mexican Hat小波滤波算法,它选用Mexican Hat小波函数构造滤波项,利用滤波项与原始信号作用,从而实现信号与噪音的分离。该方法无论对低频或高频信号均适用,除噪完全,即使对信噪比为1的高噪声信号也能获取满意的处理结果。运用这一技术处理光谱信号,简单快速、结果可靠,处理后峰位置、峰高、峰面积误差分别小于0.2%,3.2%,1.1%。大量实验表明,本方法能有效提高光谱分析的准确度。     

提升小波变换与中值滤波结合的红外光谱消噪

在光谱数据的定量分析中,噪声的存在常常会影响结果的准确性。为提高红外光谱分析精度,需要对光谱数据进行去噪处理。将一种光滑阈值函数和一种分层阈值选取方法应用到提升小波域光谱信号的去噪处理中,并对提升小波重构信号进行中值滤波。对某小麦品种的实测光谱信号,添加信噪比为21.17 dB的噪声后采用该方法进行去噪处理,并利用信噪比(SNR)、均方根误差(RMSE)、峰值平均相对误差(AREPV)以及峰位平均误差(AEPP)四项指标对去噪效果进行评价。结果表明,与软阈值法与硬阈值法相比,该方法能更有效地去除光谱信号中的噪声,保留光谱中的有用信息,提高光谱信噪比,降低均方根误差、峰值平均相对误差以及峰位平均误差,提高光谱的分析能力。     

噪声模态单元预判的经验模态分解脉冲星信号消噪

为了改善脉冲星辐射脉冲信号的消噪效果, 提出了一种基于噪声模态单元预判的经验模态分解(EMD) 消噪声方法. 该方法首先利用EMD将含噪辐射脉冲信号分解为一组内蕴模态函数(IMF), 根据IMF系数的统计特性采用局部均方误差准则进行噪声模态单元预判, 并将噪声模态单元置零; 然后对噪声模态单元预判处理后的IMF以模态单元为基本单位进行最优比例萎缩消噪, 从而达到抑制噪声、保留信号的目的. 实验结果表明: 与Sure Shrink小波阈值法、Bayes Shrink小波阈值法和EMD模态单元比例萎缩法相比, 基于噪声模态单元预判的EMD消噪方法可以更有效地去除脉冲辐射信号中的噪声, 同时更好地保留信号突变处的细节信息特征, 在信噪比、 均方误差、峰值相对误差、峰位误差和相位误差等方面都有一定程度的改善. 关键词： 脉冲星信号消噪 经验模态分解 噪声模态单元预判 局部均方误差     

非线性时间序列的小波分频预测

基于噪声的小波变换特点，结合小波包分解和模极大重构来抽取含噪信号的主分量，提出了一种基于最佳尺度分解和Volterra自适应滤波的分频预测算法，使用较少的模型训练样本，同时具有强的抗噪能力.该算法克服了传统小波分解尺度选取的盲目性及单纯Volterra预测器抗噪性能的不足，数值仿真表明，针对含强噪声的非线性信号可进行有效预测. 关键词： 小波分解 Volterra自适应滤波器 分频预测     

变分模态分量降噪后重构的水声弱信号检测

针对能量检测法在低信噪比下对非合作水声探测信号的检测性能显著下降的问题,提出了一种组合变分模态分解和小波变换降噪重构的信号检测方法。以信号分解出的各个本征模态函数的近似熵与互相关系数比值作为分量分类参数,将所得分量分为信号分量、含噪信号分量与噪声分量,然后利用第二代小波变换对含噪信号分量降噪后与信号分量组成重构信号,最后对重构信号进行检测。数值仿真结果表明该方法可以在无先验信息的情况下对CW和LFM信号自适应降噪,信噪比0 dB以下时CW信号重构后信噪比提升约12 dB,宽带LFM信号信噪比提升约8～9 dB,有效提升了低虚警概率下信号的检测概率。湖试结果表明,虚警概率为0.1时检测概率可提升至0.9以上,验证了该方法的有效性。     

用小波变换方法消除ICP-AES分析信号中的噪声

用小波变换方法处理含噪ＩＣＰ－ＡＥＳ分析信号,消除了其中的噪声,得到了平滑的光谱曲线。提高了信噪比和测定结果的准确度、精密度、改善了方法的检出限。     

一种光电容积脉搏信号的峰值点自动识别方法

光电容积脉搏信号的峰值点自动识别直接关系到无创血氧饱和度测量与脉搏波峰-峰间期提取的准确率。提出一种小波联合识别方法：基于小波多分辨率分析原理校正影响脉搏波峰值点幅值的基线干扰,再利用二次样条小波模极大算法自动识别峰值点。将该方法应用到自行研制的光电容积脉搏波测量系统中,对采集的信号进行了校正与峰值点识别,通过在信号中增加随机噪声以评价方法的稳定性与可靠性,然后利用10组实测数据,对比本方法与传统差分阈值法的峰值点识别准确率,进一步评价方法的有效性。结果表明：本方法在较好地消除了基线干扰的基础上,在染噪的信号中仍然会较精确地检测出脉搏波主波峰,具有较好的抗干扰能力,有利于提高血氧饱和度检测及峰-峰间期提取的准确性,从而有助于后期人体呼吸功能评价与心率变异性分析。     

A new paradigm for signal processing of Raman spectra using a smoothing free algorithm: Coupling continuous wavelet transform with signal removal method

Noise removal is considered a primary and inevitable step for background correction in experimentally obtained Raman spectra. Employing an appropriate algorithm for a smoothing‐free background correction technique not only increases the speed but also eliminates unwanted errors from the smoothing algorithms. Herein, we show a new smoothing‐free method for background correction, which we developed by merging continuous wavelet transform and signal removal method, which in combination, could be applied to noisy signals without smoothing. We used wavelet transformation for suppressing the side effects of noise and eliminating peaks from the spectrum, thereby providing spectral sections purely related to the background to be used in the background correction process. We applied a range of statistical analyses to test the performance of this algorithm, wherein a low deviation in background correction procedure was observed. Additionally, when we tested this algorithm for experimentally obtained real Raman spectra, it showed good capability to correct background of noisy signals without the requirement of a smoothing process. Copyright © 2013 John Wiley & Sons, Ltd.     

基于复小波和局部梯度的靶标图像混合降噪

提出了一种有效去除光电成像测量系统中靶标图像噪音的混合降噪法.根据图像像素局部梯度模找出图像中受椒盐噪音污染的像素,使用中值滤波降噪.对去除椒盐噪音的图像,利用复对数Gabor小波提取各像素的相位信息和幅度信息,确定最小尺度滤波器对噪音幅度分布的估计值,从而自动地确定各个尺度上的噪音幅度分布的估计值和噪音萎缩阈值,达到有效降噪的目的.实验表明,该方法的降噪效果明显优于实symlet4小波、中值滤波和单一复对数Gabor小波降噪法.     

近红外“3R”法双谱自适应去噪

针对近红外透射和吸收双光谱提出一种自适应的去噪方法。同步采集样品的近红外透射谱和吸收谱,在相同分解原则下总体经验模态法分解两组光谱,得到单组分特征模态分量。计算特征模态分量与原透射谱、吸收谱之间相关性,以及两组特征模态分量之间相关性,相关性最小模态分量初判为噪声分量。分析该分量在光谱中点处自相关性,若中点处很大,其他点几乎为零或很小,可以判断该分量为噪声。这种基于模态分量相关性的噪声判别方法称为“3R”法则。剔除噪声分量,重构光谱信号,循环上述分解过程,直到不满足“3R”法则,降噪过程结束。构造理想光谱,叠加噪声,“3R”法降噪效果优于EMD和EEMD低通滤波器,略逊于小波分解。真实光谱实验中,经过上述方法降噪处理过的玉米叶片光谱采用3层BP神经网络建立与叶绿素之间预测模型,“3R”法处理模型具有最大校正相关系数和预测相关系数,最小校正标准差和预测标准差。在四种降噪方法中,“3R”法对光谱谱峰位置和峰高的影响最小。实验表明,“3R”双谱去噪方法无需预设迭代次数,不用考虑分解层数,没有基函数,是自适应的,该方法适合近红外光谱去噪。