详细介绍了小波分析的基本理论,并将其引入到钢管漏磁探伤信号的分析中,可以去除噪声、压缩数据和检测奇异性,而且为缺陷的定性和定量分析提供了新的判定方法.

在管道超声无损检测中，超声回波信号往往受到电子噪声、结构噪声等噪声的影响，所以在分析缺陷回波信号时，必须对回波信号进行去噪处理．本文提出了一种新型的基于经验模态分解的方法对超声回波信号进行了良好的消噪处理．通过计算，超声回波信号的信噪比大约提高了11dB．

以医用核磁共振自由感应衰减（FID）信号的去噪处理为研究目标，基于小波变换技术，分析了有效信号和噪声的小波变换特性，针对三种去噪方法——模极大值、阈值收缩和平移不变，提出了改进方案，并以阈值收缩去噪方法为例，对临床获取的神经胶质瘤病例的大量数据样本进行了去噪、分析实验，探讨了适用于本类FID信号去噪处理的小波基函数、分解参数、分解层次和阈值策略的选取方法，通过实验建立了最优选取方案。实验结果有效地验证了新方案良好的去噪性能。本研究对于医用磁共振数据的高效处理具有很好的参考价值。

小波阈值去噪算法在信号的奇异点处会产生Pesudo-Gibbs现象。平移不变小波去噪方法是对闽值法的改进，该方法可以有效地抑制Pesudo-Gibbs现象，而且能够减少原始信号和估计信号的均方根误差，提高信噪比。将该方法用于声发射信号的去噪处理，并与闽值法进行了比较。仿真结果表明该研究方法可以有效地去除噪声，提取声发射信号的特征信息，具有较强的工程实用性。

介绍了一种适合于管道应力波检测的基于小波变换的去噪方法。利用小波变换多尺度分析的优点。根据有用信号和噪声在小波变换不同尺度下的传递特性的不同，进行小波系数阈值选取后，对剩余小波系数重建信号，得到有用信号的波形。结果表明，它能较好地抑制噪声，使信号的信噪比明显提高。

研究电动机轴承故障信号准确识别问题，有利于电机设备的安全稳定运行。由于采集的电机轴承故障信号中故障特征频率往往被噪声淹没难以准确识别，而传统小波去噪方法中小波基函数选择困难、阈值选取不确定。传统EMD去噪方法不能有效保留有用信息，提出一种基于果蝇算法优化阈值的EMD去噪方法，并为了进一步平衡其收敛速度和全局搜索能力，提出一种改进的自适应步长的果蝇算法。提出的方法参照小波阈值去噪方法。结合仿生学的全局优化参数选取算法．以信噪比为目标函数，可以快速搜索到最佳阈值，最终实现良好的去噪效果。对正弦信号、blocks信号以及电机轴承外圈故障模拟信号进行去噪，仿真结果表明。改进果蝇算法优化阈值的EMD去噪方法与其它方法相比效果更优。

针对刀具切削加工过程产生的声发射信号进行噪音滤除,以有效监测刀具磨损情况,提高工件加工质量。研究形态滤波与集合平均经验模态分解(EEMD)的有效组合方法,在时域和频域对信号进行降噪处理。首先采用加权级联形态滤波,滤除声发射信号的尖峰脉冲干扰;进而采用EEMD分解处理后的信号,计算所得本征模态分量(IMF)的相关性以去除虚假分量,达到去噪效果。仿真实例分别对模拟加噪声发射信号和实测刀具声发射信号进行处理,并提取去噪前后信号频率特征进行比较,仿真结果说明了此方法的有效性。

针对超声激励检测金属板材内部接触界面类缺陷的红外图像特性，提出一种首先基于高斯滤波和中值滤波对红外图像进行预处理，然后采用二维小波阈值对图像进行去噪的方法。实验结果表明，该方法有效降低了红外图像中的噪声，提高了图像的信噪比。

采取小波算法,运用小波变换阀值法对振动信号进行去噪。对比了传统的软阀值函数和硬阀值函数的优缺点,并在软、硬阀值函数的基础上,提出了一种改进的阀值函数的方法。通过与软、硬阀值函数方法去噪效果的仿真对比分析,新的去噪方法提高了重构信号的信噪比,可以有效去除噪声,并对原始信号的细节特征保留较好。

针对传统基于信号和噪声频谱不同而实现去噪方法的缺陷，研究了小波闽值求解方法和奇异值分解特征选取方法，提出了改进阈值的小波包奇异值去噪方法。该方法将输入信号小波包分解后，进行新闽值去噪，再利用奇异值分解法对重构后的信号进行去噪，改进阈值的小波包奇异值法去噪效果更好。用该方法对齿轮泵的正常状态和侧板磨损故障状态的振动信号进行去噪处理，能有效地抑制噪声。