|本期目录/Table of Contents|

[1]郑俊褒,饶珊珊.面向交通流信号分析的小波阈值去噪方法[J].浙江理工大学学报,2019,41-42(自科一):92-97.
　ZHENG Junbao,RAO Shanshan.Research on wavelet threshold denosing method  for traffic flow signals analysis[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科一):92-97.
点击复制

面向交通流信号分析的小波阈值去噪方法()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第41-42卷
期数:
2019年自科一期
页码:
92-97
栏目:
出版日期:
2018-12-15

文章信息/Info

Title:
Research on wavelet threshold denosing method  for traffic flow signals analysis
文章编号:
1673-3851 (2019) 01-0092-06
作者:
郑俊褒; 饶珊珊
浙江理工大学信息学院，杭州 310018
Author(s):
ZHENG Junbao;  RAO Shanshan
School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
小波阈值去噪; 交通流信号; 信噪比; 均方根误差
分类号:
TN911.72
文献标志码:
A
摘要:
为了提高交通流信号的去噪效果，提出了一种自适应逐层调整阈值和改进阈值函数的去噪算法。该算法结合自然对数函数的特性，使阈值随小波系数分解层数自适应的改变；加入了指数函数，构造一种介于硬、软阈值之间变化的新阈值函数，使去噪信号和原信号之间的误差减小。实验结果表明：相较于传统硬软阈值去噪，采用改进算法处理的信号直观效果好，且信噪比高和均方根误差小，运行效率高。改进后去噪算法各方面性能都得到了提升，具有较高的应用价值。

参考文献/References:

［1］ 李红伟,陆键,姜桂艳,等.快速路交通事件检测方法［J］.东南大学学报:自然科学版,2013,43(3):649-653.
［2］ 向红艳,刘伟,朱顺应.基于偏差分析的交通事件自动检测算法［J］.中南公路工程,2007,32(2):142-144.
［3］ Chui C K, Lian J A. A study of orthonormal multiwavelets［J］. Applied Numerical Mathematics,1996,20(3):273-298.
［4］ 李健,罗晓,罗蔓.基于小波变换的多模态医学图像融合［J］.中国医学装备,2017,14(11):22-26.
［5］ 赵鸿图,刘云.改进的小波阈值语音去噪算法［J］.河南理工大学学报:自然科学版,2014,33(5):647-650.
［6］ Cetin A E, Tofighi M. Projectionbased wavelet denoising［J］. IEEE Signal Processing Magazine,2015,32(5):120-124.
［7］ 张振凤,威欢,谭博文.一种改进的小波阈值去噪方法［J］.光信号研究,2018,206(2):75-78.
［8］ 周昌顺,张欣,文章,等.一种逐层变化的阈值和改进的小波阈值去噪算法［J］.通信技术,2018,51(3):563-567.
［9］ 殷青松,戴曙光.基于改进的小波阈值图像去噪算法研究［J］.软件导刊,2018,17(1):90-91.
［10］ 杨秀芳,张伟,杨宇祥.基于提升小波变换的雷达生命信号去噪技术［J］.光学学报,2014,34(3):292-297.

备注/Memo

备注/Memo:
收稿日期： 2018-07-27
网络出版日期： 2018-10-09
作者简介： 郑俊褒（1978-），男，浙江常山人，副教授，博士，主要从事智能信息处理与大数据方面的研究
更新日期/Last Update: 2019-03-13