Удаление нестационарного шума из экспериментальных данных

В статье приводится двухступенчатый метод очистки данных от шума, дисперсия которого изменяется в случайные моменты времени. На первом этапе на основе предложенного метода кластеризации вейвлет-коэффициентов, вычисленных по максимально накладывающемуся дискретному вейвлет-преобразованию, определяются участки шума с кусочно-постоянной дисперсией. На втором этапе производится расчет модифицированных порогов для каждого участка с последующим пороговым удалением шума. Предлагаемый подход по сравнению с традиционными методами очистки от шума, в которых порог рассчитывается по всей выборке данных, позволяет значительно эффективнее удалять локальный шум.