【信号去噪】基于小波软阈值+硬阈值+改进的阈值实现数字信号去噪（SNR、RMSE附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

为了解决现有小波阈值去噪方法中硬,软阈值函数存在的缺陷,提高小波阈值去噪效果,文章通过研究不同阈值函数的去噪原理,提出一种应用于小波去噪的改进阈值函数,使其同时具有硬,软阈值处理的优点;并利用MATLAB分别对仿真信号和实际车削振动信号进行分析,验证改进阈值函数的可行性.结果表明:相较于传统的硬,软阈值函数去噪方法,该文提出的改进阈值小波去噪方法能更加有效去噪,在保留振动信号原貌特征的同时,提高信噪比(signal-to-noise ratio,SNR)并减小均方根误差(root mean square error,RMSE),适合非平稳振动信号去噪,为后续信号处理和车刀磨损状态识别工作奠定了一定的基础.​

⛄ 部分代码

 %%初始化程序

clear,clc

t1=clock;

 %% 载入7.6日00:15到7.21日24:00的数据

load('SJ76721.mat');%matrix

YSJ= SJ76721;

disp('------7.6日00:15到7.21日24:00的降噪处理结果-------'); 

 % 载入7.6日00:15到7.24日24:00的数据

% load('SJ76724.mat');

% YSJ= SJ76724;

% disp('------7.6日00:15到7.24日24:00的降噪处理结果-------');

 %% 数据预处理

[c,l]=size(YSJ);

Y=[];

for i=1:c

    Y=[Y,YSJ(i,:)];

end

[c1,l1]=size(Y);

X=[1:l1];

 %% 绘制原始信号图像

figure(1);

plot(X,Y);

xlabel('负荷个数/（个）');

ylabel('kW·h');

title('原始信号');

 %% 硬阈值处理

⛄ 运行结果

⛄ 参考文献

[1] 王亚, 吕新华, 王海峰. 一种改进的小波阈值降噪方法及Matlab实现[J]. 微计算机信息, 2006(02X):3.

[2] 李晓飞, 邱晓晖. 基于小波变换的改进软阈值图像去噪算法[J]. 计算机技术与发展, 2016, 26(5):3.

[3] 吴飞, 马晨浩, 程坤. 基于改进阈值的振动信号小波去噪方法研究[J]. 合肥工业大学学报:自然科学版, 2022, 45(7):6.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料