共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
利用在小波变换下奇异信号和噪声在多尺度空间中的模极大值传递特性的不同,对33个小麦样品的近红外光谱信号进行了消噪处理,并利用小波消噪后重构光谱信号对小麦蛋白质含量进行偏最小二乘法交叉验证(PLS-CV).计算实例表明,在最大分解层数不同时,PLS-CV效果各不相同,但大多数的小波消噪重构光谱进行PLS-CV,相关系数R及测定系数R2都有提高,交叉校验预测均方差RMSPCV都有减小,特别在最大分解层数为6时,PLS-CV效果最好,较使用原始光谱进行PLS-CV,相关系数R从0.9222提高到0.9698,交叉校验预测均方差RMSPCV从0.8014减小到0.4983.因此,使用小波消噪方法有消除原始光谱的噪声的作用,从而使最终的PLS模型更有代表性、稳定、稳健,也提高了品质检测时模型预测精度. 相似文献
3.
小波消噪及其在小麦蛋白质含量近红外光谱分析中的应用 总被引：3，自引：0，他引：3
利用在小波变换下奇异信号和噪声在多尺度空间中的模极大值传递特性的不同,对33个小麦样品的近红外光谱信号进行了消噪处理,并利用小波消噪后重构光谱信号对小麦蛋白质含量进行偏最小二乘法交叉验证(PLS-CV)。计算实例表明,在最大分解层数不同时,PLS-CV效果各不相同,但大多数的小波消噪重构光谱进行PLS-CV,相关系数R及测定系数帮都有提高,交叉校验预测均方差RMSPCV都有减小,特别在最大分解层数为6时,PLS-CV效果最好,较使用原始光谱进行PLS-CV,相关系数R从0．9222提高到0．9698。交叉校验预测均方差RMSPCV从0．8014减小到0．4983。因此,使用小波消噪方法有消除原始光谱的噪声的作用,从而使最终的PLS模型更有代表性、稳定、稳健,也提高了品质检测时模型预测精度。 相似文献
4.
介绍了一种基于小波消噪的数字基带系统,利用小波变换的分解与重构对接收的信号进行消噪声处理,从而大大提高了系统的性能。通过在加性高斯白噪声(AGWN)信道中的模拟仿真,其结果说明了此系统的优越性,并通过卷积编码,进一步降低了系统的误码率。 相似文献
5.
6.
《南京农业大学学报》2017,(3)
[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良好的鸟巢蕨植株的电信号。采用双树复小波变换将电信号进行分解,利用层间小波系数具有相关性的特点,将分解后的小波系数进行双变量收缩消噪。通过对植物电信号进行自相关分析,确定迟滞阶数。再通过NAR网络训练消噪信号。[结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少。消噪后的植物电信号前序98个样本点的自相关系数均大于0.8,迟滞阶数98。采用本模型对消噪后的电信号进行预测时相关系数为0.973,均方误差(MSE)为0.593 mv~2。相比于软阈值消噪与硬阈值消噪,本模型的消噪方法信噪比(SNR)最大,MSE最小。对碧玉、白鹤芋2种植物应用本模型,决定系数分别为0.975和0.972,MSE分别为0.112 mv~2和4.459×10~(-2)mv~2。[结论]植物电信号2个相邻时刻间具有很强的关联性,消噪过程对虚部树的影响更大,双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号的原始信息。本模型具有可推广性。 相似文献
7.
为了使数字水印具有较强的鲁棒性和不可见性,提出一种基于独立分量分析（ICA）和离散小波变换（DWT）的自适应鲁棒性盲水印算法.该算法先将载体图像进行小波变换,然后将原始水印进行平铺和置乱,再根据噪声可见函数（NVF）的视觉掩蔽作用,将其自适应地嵌入到载体图像小波变换域的低频系数上,最后利用ICA技术实现了水印盲提取.实验结果表明,该算法的水印不可见性较好,且可抵抗多种常见水印攻击,其中对JPEG压缩、尺度缩放等攻击的鲁棒性较突出,可应用于图像的版权保护. 相似文献
8.
基于小波变换模极大值的信号去噪方法研究 总被引：5，自引：0，他引：5
信号在采集、转换和传输过程中,由于受到设备、环境及人为因素的影响,使信号不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息是信号处理过程中的一项关键技术。对基于小波变换模极大值的信号去噪问题进行了研究,根据信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法。数值实验结果表明了该算法的有效性和可行性。 相似文献
9.
针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明：该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息. 相似文献
10.
拉曼光谱中尖峰及其临近信号频率极高,常规去噪方法难以区分高频噪声与特征峰信号,所以拉曼光谱去噪一直是该领域内研究热点和难点。针对该问题,提出临界分量判别法,该方法通过计算经验模态分解(empirical mode decomposition,简称EMD)分量的归一化自相关函数,将固有模态分量(intrinsic mode function,简称IMF)划分为噪声主导分量和信号主导分量两部分。根据噪声主导分量和信号主导分量的不同特点,分别使用模极大值方法、软阈值滤波方法处理各分量的小波系数,实现光谱信号去噪。仿真数据去噪实验表明,小波去噪法(1、2阶IMF为噪声主导分量)去噪效果优于其他方法(1阶IMF为噪声主导分量,1、2、3阶IMF为噪声主导分量),说明临界分量判别法可以正确识别噪声主导分量和信号主导分量。光谱数据去噪实验表明,应用小波去噪法处理拉曼光谱,信噪比以及均方误差均优于对整条光谱进行模极大值、软阈值和空域相关方法去噪,光谱中噪声几乎得到了完全抑制,突变特征峰信号得到完整保留,获得了最优滤波效果。 相似文献