基于粒子群优化算法的小波阈值去噪方法研究

doi:10.3778/j.issn.1002-8331.2009.31.036

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (31): 122-124.DOI: 10.3778/j.issn.1002-8331.2009.31.036

• 数据库、信号与信息处理 • 上一篇下一篇

基于粒子群优化算法的小波阈值去噪方法研究

郭晓霞，杨慧中

江南大学通信与控制工程学院，江苏无锡 214122

收稿日期:2008-06-16 修回日期:2008-10-12 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 郭晓霞

Research of wavelet threshold de-noising method based on Particle Swarm Optimization

GUO Xiao-xia，YANG Hui-zhong

School of Communication & Control Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2008-06-16 Revised:2008-10-12 Online:2009-11-01 Published:2009-11-01
Contact: GUO Xiao-xia

摘要/Abstract

摘要： 研究粒子群优化算法的特性，将其应用于小波域，对阈值进行寻优，并使用garrote阈值函数量化小波分解系数，而garrote阈值函数既克服了硬阈值函数的不连续性，也减小了软阈值函数存在的恒定偏差。实验仿真结果表明，提出的方法较传统方法具有更好的去噪效果。

关键词: 粒子群优化算法, 阈值去噪, 阈值函数, 信噪比

Abstract: After studying the characteristics of Particle Swarm Optimization，Particle Swarm Optimization is used in wavelet domain to optimize the thresholds，and garrote shrinkage function is used to process wavelet decomposition coefficients，which overcome the shortcoming of discontinuity of hard-threshold and decreased the fixed bias of soft-threshold.The simulation results show that this new method has better de-noising effects than traditional methods.

Key words: Particle Swarm Optimization, threshold de-noising, threshold function, Signal to Noise Ratio（SNR）

中图分类号:

TP391

郭晓霞，杨慧中. 基于粒子群优化算法的小波阈值去噪方法研究[J]. 计算机工程与应用, 2009, 45(31): 122-124.

GUO Xiao-xia，YANG Hui-zhong. Research of wavelet threshold de-noising method based on Particle Swarm Optimization[J]. Computer Engineering and Applications, 2009, 45(31): 122-124.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[4]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[5]	刘剑锋，李瑞华，刘垚圻，苏泳涛，胡金龙. 无线通信中的信噪比估计算法研究[J]. 计算机工程与应用, 2020, 56(18): 82-89.
[6]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[7]	吉慧芳，贾海蓉，王雁. 改进相位谱补偿的语音增强方法[J]. 计算机工程与应用, 2019, 55(8): 48-52.
[8]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[9]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[10]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[11]	王杰1，杨程程1，莫嘉永2，王敦泽1，王谢谢1. 谐波重构先验信噪比估计算法[J]. 计算机工程与应用, 2018, 54(7): 44-48.
[12]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[13]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[14]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.

基于粒子群优化算法的小波阈值去噪方法研究

Research of wavelet threshold de-noising method based on Particle Swarm Optimization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics