基于改进CEEMDAN在电能质量复合扰动去噪中的应用

为提高噪声环境下电能质量复合扰动识别精度，提出一种基于改进自适应噪声完备经验模态分解（CEEMDAN）去噪算法。首先通过CEEMDAN方法将含噪信号分解为若干本征模态函数（IMF）；然后将改进兰氏距离与多重分形去趋势波动分析（MFDFA）结合，把若干IMF分量分为信号IMF分量、噪声和信号混叠IMF分量、噪声IMF分量。对于混叠IMF分量、噪声IMF分量分别采用改进奇异谱分析（SSA）、小波阈值（WT）去噪；最后，将经去噪处理的IMF分量与信号IMF分量进行重构。实验表明：与对比算法相比，含噪扰动经新算法去噪后，信噪比显著提高，去噪效果良好。     

基于自适应噪声完备经验模态分解的Φ-OTDR信号去噪算法

针对相位敏感光时域反射仪(Φ-OTDR)信号信噪比较低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)的小波信息熵阈值去噪算法。该算法配合CEEMDAN分解,通过小波信息熵阈值去噪,提取扰动位置的高频信息,从而提高系统的信噪比。首先,采用Savitzky-Golay滤波算法对不同光脉冲间的信号进行预处理;其次,采用CEEMDAN将滑动差分后单个脉冲内信号分解为不同的固有模态函数(IMF),并利用连续均方误差准则确定含噪较多的高频IMF分量;然后,采用小波信息熵阈值去噪算法对以上高频IMF分量进行阈值去噪处理;最后,将其与低频IMF分量以及残差分量进行重构。采用自行研制的相干Φ-OTDR系统实测数据进行了验证,结果表明,文中算法与两种传统去噪算法相比,信噪比提升了3dB,这对于系统的实际应用具有重要意义。     

基于CEEMDAN和小波阈值的ECG去噪算法研究

提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与小波阈值的ECG信号去噪新算法。首先对含噪ECG信号进行CEEMDAN分解,得到从高频到低频排序的各个IMF分量,利用自相关法对各IMF分量进行分析,找出以随机噪声为主的高频IMF分量并进行小波阈值去噪;然后统计包括余量在内所有IMF分量的过零率,过零率小于1.5的IMF分量即为基线漂移信号,直接剔除;最后将经过小波阈值去噪的IMF分量与剔除基线漂移之后的其他IMF分量一起进行合并重构,实现ECG信号的去噪和基线校正。用所提算法对MIT-BIH心电数据库中的ECG信号进行去噪处理,结果表明ECG信号中的随机噪声得到很好的抑制,同时获得了良好的基线漂移校正效果。     

CEEMDAN和小波包降噪算法在光纤光栅复用传感网络中的应用

针对被采样的超弱光纤光栅反射光谱中含有干扰噪声的问题,提出一种应用于大容量超弱传感网络的混合组网去噪算法.该算法将具有自适应噪声的完整集成经验模态分解(CEEMDAN)与小波包降噪算法相结合,通过小波包阈值去噪对测量信号进行处理后,将初步处理过的信号进行CEEMDAN;再将分解得到的本征模态函数(IMF)分量和残余分量...     

基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术

针对电网环境噪声导致自适应噪声的CEEMDAN谐波检测精度低的问题,文中提出了一种基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术。利用修正因子T_j自适应调整阈值,通过可调参数τ调节阈值函数软、硬特性,并将改进的小波阈值去噪方法应用于谐波信号的预处理。经预处理的信号再进行CEEMDAN分解,可有效抑制模态混叠束缚。运用相关度判据去除虚假分量,并利用Hilbert变换解调包含谐波特征的分量,准确提取其幅频信息。经MATLAB仿真可知,改进小波阈值去噪与CEEMDAN-HT的融合算法可将稳态谐波检测平均误差被控制在1%以下,暂态谐波检测平均误差被控制在2.1%以下,呈现出良好的抗噪性能。     

一种基于Hilbert-Huang变换的语音去噪方法

在介绍Hilbert Huang变换理论的基础上,提出了一种基于HHT变换的语音去噪算法。首先对带噪语音信号做EMD分解,得到各阶IMF分量,然后对高频的IMF分量用小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert Huang变换在处理非平稳信号中的优越性。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

EEMD与改进小波阈值结合应用于心电信号去噪研究

心电信号监测过程中噪声是不可避免的,目前主要采用EEMD算法对观测信号所带有的噪声进行滤除,但该方法会直接丢弃高频噪声主导的低阶IMF分量或低频噪声主导的余项,导致部分有用信息丢失。为此,文中提出将改进的小波阈值与EEMD相结合,应用于心电信号去噪。改进的阈值方法能有效地去除各IMF分量噪声,再将处理后的各分量叠加,得到去噪的心电信号。通过真实监测信号实验进行验证,结果表明,所提方法具有较好的去噪声和重构效果,能够完整地保留QRS特征。     

EEMD法在激光语音传输系统中的应用

为消除激光语音传输系统中激光器输出功率不稳定对探测信号的影响,提出了一种结合集合经验模态分解(EEMD)与相关系数的方法对信号进行处理.该方法将信号分解为不同的分量,算出不同分量和原信号间的相关系数,再设置固定判定阈值来区分真实信号和趋势项分量.该方法可以克服传统处理方法中存在的模态混叠和需要主观判断趋势分量的缺点,从而达到避免主观判断失误和准确提取趋势的目的.仿真及实验结果表明,使用该方法后再去噪效果优于直接去噪,此外该方法能有效去除激光器功率线性变化和频率小于15 Hz的正弦起伏变化导致的趋势.     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012 a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

自适应阈值函数小波算法的电机振动信号去噪

通常采集的电机振动信号中都含有噪声成分,一般采用小波阈值去噪处理可以达到理想的效果,但是传统软、硬阈值函数存在恒定偏差或不连续等缺点,不能很好的保留有用信息。针对这一问题,文中提出了随分解层数自适应且具有调整参数的阈值函数。改进的小波阈值函数连续、可微且具有渐进性,通过遗传算法做调整参数寻优,在保留大部分原始信号的基础上进行去噪,使得新的小波去噪算法在保留有用信息与去除噪声之间有较好的平衡性。实验中将该方法应用于所采集的电机振动信号,结果显示,该方法具有更高的信噪比与较低的均方根误差,能够更好的滤除噪声,保留原信号的有用信息。     

基于BOTDA的海缆监测系统振动信号降噪方法研究

搭建了基于布里渊光时域分析(BOTDA)的海底电缆(海缆)振动信号监测模拟实验系统,通过实验获得了锚砸、冲刷、摩擦3种工况下的海缆振动信号.针对振动信号含有大量噪声,提出TSA-VMD-MPE降噪方法.利用被囊群算法(Tunicate Swarm Algorithm,TSA)优化变分模态分解(Variational Mode Decomposition,VMD),获取VMD分解层数与惩罚因子的最优值,对振动信号分解获得本征模态函数(Intrinsic Mode Functions,IMF)分量;利用IMF与原始信号的相关性及IMF的方差贡献率联合来确定IMF的多尺度排列熵(Multi-Scale Permutation Entropy,MPE)阈值,对振动实验信号进行降噪.实验结果表明:所提降噪算法使3种海缆振动信号信噪比平均提高了12.0296 dB;将提出的MPE阈值方法应用于EEMD与CEEMD算法也获得了良好的降噪效果.     

改进小波阈值在红外热波无损检测中的应用

近二十年来红外热波无损检测技术迅速发展,并在较多领域都得到了普遍应用,但碍于其易受环境影响和工作元件不均匀的特殊性,非制冷红外热像仪原始热波图总存在一定程度的噪声污染,因此对原始热波图进行去噪处理是该技术的关键步骤。传统的改进小波阈值去噪方法局限于对阈值进行自适应分解尺度的改造,使阈值函数平滑连续保真。在噪声方差估计方面没有针对性的方法,而噪声的方差估计是阈值的关键变量,这决定了小波阈值去噪的效果。本文将根据红外图像噪声特性建立混合噪声模型,在噪声模型的基础上进行噪声方差估计、改进阈值及阈值函数,通过软件获取最佳函数参数,最后对仿真模拟结果进行分析,对真实图像进行处理评价,结果表明经改进后的小波阈值去噪方法相对于传统阈值去噪方法和部分滤波去噪方法具有更好的去噪效果。