改进的 FEWT 及其在滚动轴承故障诊断中的应用

针对快速经验小波变换(FEWT)中使用软阈值函数造成的频谱划分不合理的问题,提出了一种基于折中阈值函数的改进的快速经验小波变换(MFEWT)方法。方法首先通过傅里叶变换及反变换计算信号频谱的趋势谱,使用小波折中阈值函数去噪方法对趋势谱进行优化;然后根据优化后的趋势谱建立滤波带,融合峭度准则和相关系数分量选取原则,完成EWT经验模态分量的重构和特征分量的筛选,并对重构信号进行最小熵解卷积,进而计算频谱特征频率;最后,通过理论特征频率的匹配,完成滚动轴承的故障诊断。实验结果表明,与FEWT相比较,改进的快速经验小波变换能够获得更理想的信号分解结果,包络频谱中的故障特征频率峰值更为明显;改进方法实现了EWT信号分解的性能的改善,提高了滚动轴承故障诊断的可靠性。     

一种改进阈值法小波去噪的信号包络分析方法研究

根据小波域阅值滤波的降噪特性,把改进的阈值函数方法和平移不变小波变换相结合,提出一种改进阈值法的小波去噪方法.所提方法和包络分析相结合,能够较好地解决由于随机噪声干扰而造成提取的包络信号轮廓信息粗糙的问题,改善包络提取精度.实现方法是先将改进阈值法的小波去噪方法作为包络分析的前置处理手段,再对信号进行包络提取和包络细化谱分析,获得突变特征频率.仿真结果表明,该方法可以有效的抑制噪声,能够较准确地提取信号包络和突变特征频率.     

EWT 算法在姿态解算中的应用

针对陀螺仪存在低频噪声和漂移误差导致姿态测量精度下降的问题,提出采用经验小波变换( empirical wavelet transform,EWT)算法融合陀螺仪、加速度计解算姿态角。 首先运用 EWT 算法对陀螺仪采集的数据进行频谱分割,得到信号的 模态分量;其次采用小波自适应软阈值去噪的方法对信号进行降噪处理并重构信号,得到处理后的陀螺仪数据;然后根据 PID 互补滤波方法,利用加速度计的数据实现对陀螺仪数据的修正;最后利用校正后的陀螺仪数据,结合龙格库塔法解算四元数,从 而通过四元数获得精确的姿态角。 实验结果表明,EWT 算法融合陀螺仪和加速度计,能够将姿态解算精度提高 50%,且降噪效 果良好,满足姿态解算准确性的要求。     

基于改进经验小波变换的局部放电荧光信号去噪

由于现场环境的复杂性,局部放电(partial discharge,PD)检测伴随着大量噪声干扰,易出现PD漏报与误报现象,影响电力设备后续运维工作。文中采用荧光光纤PD检测法,提出了基于谱峭度和改进经验小波变换(empirical wavelet transform,EWT)的自适应PD荧光信号去噪算法。首先利用快速谱峭度图确定荧光信号傅里叶频谱的紧支撑区域边界,随后对含噪荧光信号进行EWT分解并获得荧光信号所在的有用信号分量,最后对有用信号分量采用小波阈值法去除残留噪声,得到去噪后的PD荧光信号。利用该方法对仿真荧光信号进行去噪分析,并将去噪结果与经验模态分解-小波变换(empirical mode decomposition-wavelet transform,EMD-WT)法和EWT法进行对比,结果表明,该方法在信噪比、均方根误差和归一化相关系数等指标方面都有所提升,证明了该方法具有良好的去噪效果。此外,实测信号的去噪结果表明,该方法的降噪率优于EMD-WT法和EWT法,具有较好的噪声抑制能力。     

基于EWT-FC方法的氢-超级电容混合储能功率分配

为平抑风电功率波动,弥补单一储能的不足,引入氢和超级电容构成的混合储能装置平滑风电功率波动。针对传统功率分配方法难以建模,容易出现模态混叠现象等问题,以及为了提高储能系统可靠性,提出了一种经验小波变换EWT（empirical wavelet transform）-模糊控制FC（fuzzy control）策略方法。首先,为了验证EWT算法能实现储能设备间功率精确分配,将EWT算法与经验模态分解EMD（empirical mode decomposition）和小波变换WT（wavelet transform）算法进行对比;其次,采用EWT算法分解重构风电原始功率得到并网功率和混合储能平抑功率;最后,考虑超级电容荷电状态SOC（state-of-charge）和储氢罐压力对系统安全稳定运行的影响,采用模糊控制修正储能元件的充放电功率。仿真结果表明, EWT算法避免了模态混叠,实现了储能设备间功率精确分配。该控制策略能有效平抑风电波动,保证了SOC和储氢罐压力在合理范围内,延长了设备寿命,实现系统稳定运行。     

NATA阈值算法在局部放电波形提取中的应用

目前工程应用中,局部放电小波消噪处理阈值算法广泛应用的是中值阈值算法(MAD-U),易造成有用信号的波形畸变,只适合于离线测量和局部放电脉冲幅值的检测。笔者研究了MAD-U的改进算法——基于噪声特性的自适应阈值算法(NATA)。首先研究了NATA算法的原理和构成;其次,从不同信噪比(SNR)下的阈值误差以及小波重构信号与原始信号误差两方面进行了MAD-U和NATA的比较研究。研究结果表明,MAD-U阈值算法其重构波形与原始脉冲波形的误差随信噪比SNR的增大呈指数倍增大,即高SNR的PD脉冲反而畸变严重。NATA阈值算法的误差较小且不随SNR而变化,不易造成信号波形的畸变,并且对小波分解尺度的依赖性小,适合在线检测和脉冲波形检测。     

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。再利用基追踪去噪算法对得到的小波系数进行优化处理。最后对优化的小波系数进行重构,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。     

使用提升小波进行超分辨率图像重建

介绍了提升小波变换,研究了提升小波的优点,提出了使用提升小波进行超分辨率图像重建的方法。对原图进行旋转、平移、加噪并进行下采样,得到低分辨率图像序列。选取阈值,对低分辨率图像序列进行提升小波前向变换,然后通过提升小波逆变换得到重建以后的超分辨率图像。与传统的几种重建方法进行比较,实验结果表明,本文的方法能够使重建图像有更好的信噪比,而且在像素较大和低分辨率图像数目较多的情况下,有更快的重建速度。     

基于经验小波变换的变压器振动信号特征提取

为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法。首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理。仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况。     

正交小波变换在LabVIEW中的实现

LabVIEW是功能强大的虚拟仪器(VI)开发环境,但小波分析功能有所欠缺。本文分析了Mallat正交小波变换算法的原理,介绍了一种利用LabVIEW的数学运算函数实现Mallat算法的方法。设计了小波一维多尺度分解与重构VI,并通过小波阈值降噪的仿真实验对设计进行了验证。通过对滤波器参数进行设置,本文的设计可适用于多种小波函数。小波变换的引入,扩展了LabVIEW的时频分析功能。     

粒子群优化小波自适应阈值法用于局部放电去噪

为了提高局部放电在线监测中小波去噪的自适应能力,并降低去噪信号的畸变率,提出了一种用于电力设备局部放电信号去噪的粒子群优化小波自适应阈值方法。该方法采用小波对局部放电信号进行分解,在阈值选择时采用基于SURE无偏估计的最优阈值自适应选择方法,结合粒子群优化算法进行全局自适应搜索最优阈值,使最优阈值自适应寻优速度大大提高。为了验证其去噪效果,还引入遗传算法对小波自适应阈值法进行优化计算。对局部放电仿真信号与实测局部放电信号的去噪结果表明,本文与标准软阈值法和遗传算法优化小波自适应阈值法相比,能更好地去除局部放电信号中的白噪声,计算速度更快,具有良好的去噪效果和应用价值。     

遗传算法用于局部放电小波自适应阈值去噪

小波去噪用于局部放电信号在线监测具有良好的效果,阈值选取与局部放电去噪后信号的畸变具有紧密联系。为提高局部放电监测中小波去噪的自适应能力,并降低去噪信号的畸变率,提出一种小波自适应最优阈值去噪算法,用于变压器局部放电脉冲信号去噪。该方法采用小波对局部放电信号进行分解,在阈值选择时采用基于史坦无偏似然估计(SURE)的最优阈值自适应选择方法,并引入一种新的具有多阶导数的阈值函数,结合二进制遗传算法全局自适应搜索最优阈值,使最优阈值自适应寻优速度大大提高。对局部放电仿真信号和现场局部放电信号的去噪结果表明,该方法与Donoho阈值计算公式及标准软阈值法相比,能更好地去除局部放电信号中的白噪声,去噪信号失真度较小,具有良好的应用价值。     

基于EWT-MQE的变压器局部放电特征提取

为了有效提取局部放电信号故障特征,进而对电力变压器故障进行诊断,提出一种基于经验小波变换(Empirical Wavelet Transform, EWT)和多尺度量子熵(Multiscale Quantum Entropy, MQE)的变压器局部放电特征提取方法。首先,该方法利用EWT对局部放电信号进行分解,得到多个不同的固有模态分量(Intrinsic Mode Function, IMF)和残余分量。其次,计算信号分解出的每个IMF的多尺度量子熵序列。然后,对多尺度量子熵序列利用局部切空间排列算法(Local Tangent Space Arrangement, LTSA)进行降维处理。最后,采用层次聚类算法(Hierarchical Agglomerative Clustering, HAC)进行聚类分析,得到不同放电类型的识别结果。通过与不同诊断方法对比,仿真结果及实验数据验证了所提方法的有效性和优越性。     

EWT算法在ECG信号滤波中的研究

针对经验模态分解(EMD)算法存在的模态混叠问题和集合经验模态分解(EEMD)算法实时性不足的缺点,采用EMD与小波分析相结合的EWT算法,对ECG信号的频谱自适应分割,在分割区间上构建小波滤波器组,提取具有紧支撑的单分量成分,剔除直流分量和噪声余项,并将其余分量重构。实验数据来自MIT-BIH数据库中真实的心电图(ECG)信号,仿真结果表明,该算法能有效去除ECG信号中的基线漂移和工频干扰,信噪比(SNR)、均方根误差(RMSE)和自相关系数(AC)优于其他两种自适应算法EMD和EEMD;算法整体运行时间小于1 s,满足了心电监测的实时性与准确性要求。     

基于小波变换模极大值去噪方法的改进

由Mallat的极大值去噪算法出发,与利用尺度间小波变换相似系数的阈值去噪方法结合,提出了一种新的改进去噪算法。该方法克服了模极大值法在信号重构方面计算复杂,重构信号产生偏差的缺陷。通过对局放信号的去噪仿真计算,证明了该方法运算简单,适合局放信号的处理,处理后的局放信号不失真,剔除噪声效果好。     

小波变换 第2讲 离散小波变换

围绕离散小波变换讨论了多分辨分析、尺度函数的概念,介绍了离散小波变换的分解与重构算法-Mallat算法,同时探讨了离散小波变换在电力系统可能的应用。     

改进的小波收缩消噪技术及确定消噪门限的方法

本文阐述了一种改进的小波收缩消噪技术，将在小波系数域进行的收缩改进到模值域上进行，并根据统计知识和李氏指数的理论推导出了噪声各个阶次小波变换模值上界之间的关系及对模值上界的估计方法。进而提出了各个阶次消噪阈值的自动确定技术，实现了无人工干预的小波消噪。     

基于小波收缩的心音降噪最优化分析

基于小波收缩技术提出一种最优化降噪方案用于去除心音信号噪声。依据频带相似匹配原则,分析心音信号频率特征和Haar、Daubechies、Symlets和Coiflets正交小波的特性,基于分析结果选取了Coif5小波并确定最优小波包进行分解重构。另外,提出一种光滑连续的自适应弹性阈值函数,能够克服硬阈值函数间断点问题,并基于4种阈值规则定量评价了其在不同信噪比下的降噪效果。仿真结果表明,当信噪比小于50 d B时,本优化方案配合启发式阈值规则能保留充足的心音细节信息,同时有效去除噪音。     

基于小波包变换的电能质量扰动数据压缩

正交小波包变换可以对信号进行多频带分解，并根据被分解信号的特征，自适应地选择相应的频带，弥补正交小波变换的不足。将正交小波包变换与门限阀值相结合，应用于电能质量扰动数据压缩，并对其中最佳小波包的选取、门限阀值确定、算法实现等问题进行了讨论。对用电消耗信号、电压间断信号及暂态谐波失真信号进行了压缩仿真，并比较了这些信号在不同分解层次和门限限定系数取值时的压缩效果，结果验证了该方法的可行性和有效性。     

基于动态信噪比估计的小波阈值去噪新算法

由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够衰减一部分语音信号中的噪声,但这些算法会不可避免地造成有用语音信号尤其是清音部分的损失,以至于去噪后的语音听觉质量下降,达不到很高的信噪比。针对这一问题,本文介绍了一种基于小波包变换和动态信噪比估计的阈值方法。这种方法可以有效地保护有用信号不被去除,但对于带噪信号在不同尺度下的信噪比,它的自适应性不强,因此本文对这种算法做了一些改进,使之可以达到更好的去噪效果。