首页> 中文学位 >小波去噪算法及小波分解用于KL变换的研究
【6h】

小波去噪算法及小波分解用于KL变换的研究

代理获取

目录

文摘

英文文摘

东南大学学位论文独创性声明及东南大学学位论文使用授权声明

第一章绪论

1.1信号去噪概述

1.2基于小波的Karhunen-Loeve变换概述

1.3本文内容介绍

第二章小波变换概述

2.1时频局部化

2.2小波函数的特性

2.3多尺度分析与快速小波变换

第三章平移不变的小波变换算法

3.1普通多尺度离散小波变换的时变性

3.2具有平移不变性的多尺度离散小波变换

3.2.1理论描述

3.2.2算法实现

3.2.3实验结果

3.3小波包分解

3.4具有平移不变性的多尺度离散小波包分解

3.4.1理论描述

3.4.2算法实现

3.4.3实验结果

第四章小波去噪

4.1 Wiener线性滤波

4.2非线性估计和门限值去噪

4.2.1理想的非线性估计

4.2.2使用门限值的非线性估计

4.3通过平移不变的小波变换进行门限去噪

4.3.1通过小波变换估计信号方差

4.3.2选取用于平移不变小波变换的度量函数

4.3.3门限值的调整

4.3.4通过平移不变的小波包变换进行去噪

4.3.5通过位移平均法进行去噪

4.3.6对于具有不同平移的含噪信号的去噪仿真

4.4利用Bayes估计进行平移不变的小波去噪

4.4.1对于原始信号的小波分解系数的建模

4.4.2原始信号小波系数的Bayes估计

4.4.3原始信号小波系数的后验概率

4.4.4参数的估计

4.4.5与“Cycle Spinning”算法相结合的去噪算法

4.5通过相关性估计进行去噪

4.5.1通过门限选取相关基

4.5.2从多组正交基中选取相关基

4.6各种去噪算法的仿真和性能对比

4.6.1对于高斯噪声去噪的仿真和性能对比

4.6.2对于非高斯噪声去噪的仿真和性能对比

4.7用于CD音乐光盘去噪的软件开发

4.7.1 CD音乐光盘数据的读取

4.7.2音乐数据的播放

4.7.3通过多线程进行实时的去噪和播放

4.7.4程序操作界面

第五章KL分解通过小波变换的快速估算

5.1 KL分解概述

5.2利用小波变换快速估算KL分解

5.3实验仿真

结论

致谢

参考文献

作者简介

展开▼

摘要

在噪声中如何准确地检测到信号一直是信号处理领域所关心的内容,而多尺度的小波变换由于具有良好的时频局部化特性,能够对各种时变信号进行有效的分解,从而较好地将信号与噪声加以分离,获得满意的去噪效果.但传统离散小波变换的时变特性影响了去噪效果,所以需要使用一种平移不变的算法加以改进.此外小波变换系数的稀疏性也可用于KL分解的简化快速估算.该文的主要工作包括以下几点:1.研究了基于度量函数和最佳位移的平移不变小波和小波包变换算法.2.将以上的平移不变算法,与现有的用于高斯白噪声去噪的门限法,Bayes后验估计等算法相结合,从而在一定程度上克服了传统时变算法的局限性.传统的门限去噪方法对于非高斯噪声效果不是很理想.通过将平移不变的小波包变换算法与相关基提取算法相结合,可以较好地用于某些非高斯噪声的消除.3.进行KL分解时,主要的问题是相关矩阵的维数很大,使得特征向量的求解难度很大.而小波变换导致的系数矩阵稀疏性可以使得我们用较低维数的矩阵来近似估算原来的特征向量.该文对二维图像使用该方法进行了KL分解的估算.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号