导读:本文包含了小波维纳滤波器论文开题报告文献综述及选题提纲参考文献，主要关键词:稀疏表示,维纳滤波器,小波变换,正交匹配追踪算法
小波维纳滤波器论文文献综述
赵志鹏,岑翼刚,陈晓方[1]（2012）在《基于小波域维纳滤波器的信号稀疏表示》一文中研究指出经典小波分解对信号稀疏化效果不佳,为此设计了基于小波域经验维纳滤波器的稀疏表示算法.该算法可自适应地衰减每个小波系数,增大系数的稀疏度及可压缩性,从而提高压缩感知算法对信号的恢复质量.仿真结果表明,与传统的基于小波变换的信号稀疏表示及恢复算法相比,该算法较大地提升了对信号及图像的恢复质量.(本文来源于《应用科学学报》期刊2012年06期）
赵志鹏[2]（2011）在《基于小波域维纳滤波器的压缩感知理论及应用》一文中研究指出信息技术的飞速发展使得人们对信息的需求量剧增,奈奎斯特定理指导下的信号采样、传输和存储等已成为目前信息领域进一步发展的主要瓶颈之一。近年来,一种新兴的压缩感知理论(Compressive Sensing, CS)为数据采集技术带来了革命性的突破,该理论采用非自适应线性投影保持信号的结构,通过求解最优化问题准确重构原始信号。另外,它以远低于奈奎斯特频率对信号进行采样,这使其在信号处理领域有着突出的优点和广阔的应用前景。压缩感知理论的叁个要素是信号的稀疏表示,测量矩阵的设计及重构算法,而信号的稀疏性是CS的必备条件。因此,研究信号的稀疏表示对于CS理论尤其重要。本文围绕信号的稀疏表示问题做了以下几方面的工作。1.根据维纳滤波器是具有最小均方误差的线性滤波器的特点,利用小波域经验维纳滤波器的设计方法,提出了基于小波域维纳滤波器的信号稀疏表示及压缩感知恢复算法。通过对一维信号和二维图像的仿真结果表明,该算法对信号的恢复效果要明显优于传统的压缩感知算法。2.提出了基于小波域Wiener滤波器的带噪信号去噪算法。该算法采用Wiener滤波器稀疏表示的小波去噪方法去除噪声。通过对一维信号的仿真结果表明,该方法对信号的恢复效果优于硬阈值去噪算法和原基于小波域Wiener滤波器的去噪算法。3.介绍了基于压缩感知理论的语音信号处理方法。根据压缩感知理论对纯净语音及带噪语音信号重构频谱相似的特点,提出了基于压缩感知的语音识别抗噪方法。实验结果表明,该方法的效果要优于传统的识别方法。(本文来源于《北京交通大学》期刊2011-06-01）
侯建华,田金文,柳健[3]（2007）在《小波域局部维纳滤波器估计误差分析及图像去噪》一文中研究指出对小波域局部维纳滤波算法的估计误差进行了理论分析,推导了估计误差平方期望表达式,得到了一种观测系数局部方差估计的阈值.以此为基础,提出了一种小波域图像去噪算法.先对观测系数做阈值化处理,再进行局部自适应维纳滤波.实验结果表明,该方法提高了真实信号系数方差估计的准确度,在去噪性能上优于Mihcak等提出的LAWML算法.(本文来源于《光子学报》期刊2007年01期）
厉茜[4]（2004）在《基于相关模型的平稳小波维纳滤波器图像去噪算法》一文中研究指出一 引言 在医学成像、图像处理所涉及的众多领域，噪声是引起图像质量降低的一个重要原因。为了提高图像质量及对图像进行压缩、分形等更高层次的处理，对图像进行降噪是必不可少的重要步骤之一。图像降噪中的一个两难的问题是如何在降低图像噪声和保留图像细节上保持平衡。传统的低通滤波方法将图像的高频部分滤除，虽然能达到降低噪声的效果，但会破坏图像的细节。如何构造一种既能够降低图像噪声，又能够保持图像细节的去噪方法一直是一个研究的热点问题。 小波变换是一种强有力的数学分析工具，近年来受到广泛的关注，其应用已遍及信号和图像分析的多个研究领域。小波去噪方法大体可以分成小波萎缩法、投影法、相关法叁类。小波萎缩法是目前研究最为广泛的方法，小波萎缩法又分成如下两类：一类是阈值萎缩。另外一种萎缩方法是比例萎缩。投影法有 Matching Pursuits 法和 MCD(Multiple Compact Domain)或 POCS(ProjectionOnto Convex Set)法两类。相关方法主要是基于相邻尺度信号的小波系数之间具有很强的相关性，而噪声的小波系数则具有弱相关或不具相关的特点来进行去噪的。本论文就是基于相关法中信号和噪声在小波域的特性确立了研究方向，并建立了图像信号自相关指数衰减模型。 二 平稳小波变换 小波变换能够同时给出信号的时（空）域和频域信息，因此，在小波变换域中进行降噪具有空间与频率的双重选择。很多小波图像去噪算法对图像采用正交小波分解后，对子带图像噪声进行阈值处理，以期望达到较好的去噪效果。但是正交小波变换阈值消噪会使重建的图像边缘附近产生振荡，造成图像的边缘失真。特别是噪声较严重时，图像信号多次分解，对多层细节图像阈值处理 ７７ <WP=83>摘 要后会造成图像模糊。 平稳小波是在正交小波基础上提出的一种非正交小波变换，它具有冗余性和平移不变形，因而更适合于处理相关性问题。采用平稳小波变换对图像进行阈值去噪，可以很好的抑制正交小波阈值处理带来的图像 Gibbs 振荡现象，使去噪后的图像较好的保持边缘特特征和视觉效果。 信号平稳小波分解为 ?????Cj+1 = dε HCj +1 Dj = dεGCj上式表明在信号平稳小波变换过程中不采用下抽样处理，每次平稳小波变换的逼近信号和细节信号长度与原信号长度相同。平稳小波变换的逆变换为 1 aj ε1,L,ε = ( ) [R[ (a j] ) [ j]( )] j ,bj + R1 aj ,bj 2 0 j+1 +1 +1 +1信号平稳小波变换后的重建是首先采用变换系数的偶抽样和奇抽样分别进行重建，然后求平均。 叁 基于相关模型的平稳小波维纳滤波器图像去噪算法 据连续观察，自然图像的平稳小波变换系数在同一尺度有聚类的特性。即小波系数的大小和它的邻域点是相依赖的，依赖性是随着距离的增加而快速衰减的。依据上述特性提出指数衰减模型 rm = r0 ρ m2 +n2, (m,n)∈W0 ,n ,0 ,0 若假设信号和噪声不相关，根据正交原则，在均方误差准则下最佳滤波器h是维纳滤波器，它满足 Rss(m,n) = [Rss(m,n)+ Rww(m,n)]?h(m,n) 信号的相关模型由自然图像局部平稳和相关的小波系数构成，以此作为结果的维纳滤波器具有无限冲击响应。为了限制计算的复杂度，避免随着滤波器阶数的增加而出现的灵敏度问题，我们采用指数衰减自相关模型设计的 FIR ７８ <WP=84>吉林大学硕士学位论文 维纳滤波器。由于为小波系数建的模型在每个方向是对称的。如果信号和它的镜像图像交换，图像的统计特性是不应该改变。尤其，对于任意(m,n)∈W0 有 ,0rm = rm 。由于在方程中相关是对称的，所以维纳滤波器也是对称的。即， ,n , n有h(m,n)= h (m )。通过解析参数化方程 , n (R 2 )H 2 s+σn I(2 M +1)2 = σs e0 得到3×3维纳滤波器的解 ? h(1,1)? ? r1 ? ?h ,1 ,0 2 ? r1 ? 2 ?r0 + λ?? ? r0 ? (1,0)?? ασ n ? ,0 ? βσ n ? ,1? ?h(0,1)?= ? α 2 ? 4β2 ? r0 ? α 2 ? 4β 2? r1 ? ??h (0,0)?? ? ,1 ,0 ?r0 ? ?(本文来源于《吉林大学》期刊2004-05-01）
小波维纳滤波器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信息技术的飞速发展使得人们对信息的需求量剧增,奈奎斯特定理指导下的信号采样、传输和存储等已成为目前信息领域进一步发展的主要瓶颈之一。近年来,一种新兴的压缩感知理论(Compressive Sensing, CS)为数据采集技术带来了革命性的突破,该理论采用非自适应线性投影保持信号的结构,通过求解最优化问题准确重构原始信号。另外,它以远低于奈奎斯特频率对信号进行采样,这使其在信号处理领域有着突出的优点和广阔的应用前景。压缩感知理论的叁个要素是信号的稀疏表示,测量矩阵的设计及重构算法,而信号的稀疏性是CS的必备条件。因此,研究信号的稀疏表示对于CS理论尤其重要。本文围绕信号的稀疏表示问题做了以下几方面的工作。1.根据维纳滤波器是具有最小均方误差的线性滤波器的特点,利用小波域经验维纳滤波器的设计方法,提出了基于小波域维纳滤波器的信号稀疏表示及压缩感知恢复算法。通过对一维信号和二维图像的仿真结果表明,该算法对信号的恢复效果要明显优于传统的压缩感知算法。2.提出了基于小波域Wiener滤波器的带噪信号去噪算法。该算法采用Wiener滤波器稀疏表示的小波去噪方法去除噪声。通过对一维信号的仿真结果表明,该方法对信号的恢复效果优于硬阈值去噪算法和原基于小波域Wiener滤波器的去噪算法。3.介绍了基于压缩感知理论的语音信号处理方法。根据压缩感知理论对纯净语音及带噪语音信号重构频谱相似的特点,提出了基于压缩感知的语音识别抗噪方法。实验结果表明,该方法的效果要优于传统的识别方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波维纳滤波器论文参考文献
[1].赵志鹏,岑翼刚,陈晓方.基于小波域维纳滤波器的信号稀疏表示[J].应用科学学报.2012
[2].赵志鹏.基于小波域维纳滤波器的压缩感知理论及应用[D].北京交通大学.2011
[3].侯建华,田金文,柳健.小波域局部维纳滤波器估计误差分析及图像去噪[J].光子学报.2007
[4].厉茜.基于相关模型的平稳小波维纳滤波器图像去噪算法[D].吉林大学.2004