CEEMD-SST去噪法在变压器套管引线超声检测中的应用

为了提高超声检测在变压器套管引线检测中的准确性,提出一种CEEMD-SST去噪法,用于超声回波去噪。首先,对信号进行CEEMD分解,对各阶IMF分量作互信息熵计算,区分高低频信息;然后,对高频信息进行SST变换,分离有效高频信息;最后,将压缩处理后的IMF分量与剩余分量重构,完成去噪。经仿真与实例验证,去噪后保留了超声回波信号起振位置等细节信息,信号信噪比提高,均值误差减小将本算法应用到变压器套管引线超声检测中,可提高超声信号质量与检测精度,更好地获得套管引线状态,具有一定应用价值     

超声回波去噪算法在变压器套管引线检测中的应用

变压器套管引线在运行中受力的作用极易产生形变,影响变压器的安全运行,因此可通过超声检测技术实现变压器套管引线的定期检测。超声回波信号在进行采集时极易受到噪声干扰,需通过高效的去噪算法实现去噪。针对传统去噪算法阈值大小、信号分解层次难以确定和去噪效率低等缺点,提出一种全新去噪方法,将改进小波变换与EEMD分解去噪算法结合,使用改进小波去噪法进行信号预处理,然后对处理后的信号进行EEMD分解去噪二次处理,提升去噪效果与信号的信噪比。经试验验证,处理后超声回波信号信噪比显著提高,提高了超声检测的精度,达到了较为理想的效果。     

基于改进CEEMDAN和小波阈值的雨声信号去噪算法研究

为了从混杂着各种噪声的雨声信号中提取到较为纯净的雨声信号，本文提出基于改进完全自适应噪声集合经验模态分解（CEEMDAN）和小波阈值相结合的雨声信号去噪方法。方法引入互相关函数寻找CEEMDAN的最优分解层数F值，并通过CEEMDAN算法按最优分解层数F层分解，将信号分解成多个频率由高到低的本征模态分量（IMF）;利用小波阈值，滤除高频IMF分量中的噪声分量，最后将去噪后的高频IMF分量和未经去噪的低频IMF分量进行信号重构，提取出较为纯净的雨声信号；实验表明，本文选用方法的去噪效果相对于经验模态分解（EMD）去噪算法、小波阈值去噪算法等传统方法具有一定的优势，去噪后的雨声信号能够准确反映出环境雨情的特征，提高雨情分析的精确度。     

基于CEEMDAN与小波自适应阈值的去噪新方法

一维电能质量信号中通常含有不同程度的白噪声,高效去噪是对电能质量信号进行检测与识别的重要前提。为了能有效地消噪并完整还原信号的奇异点等真实信息,提出了基于自适应白噪声的完备总体经验模态分解(CEEMDAN)与小波自适应阈值的去噪新方法。首先通过自相关法对CEEMDAN分解得到的含噪高频固有模态函数(IMFs)进行筛分;然后对这些高频分量进行小波自适应阈值降噪,这样就保留了高频部分的有效信息;最后与低频IMFs进行信号重构。仿真结果表明该方法去噪效果好,有效地保留了高频成分中的真实信息,为电能质量信号去噪提供了新思路。     

基于ITD和改进小波阈值的超声检测信号去噪

超声检测信号是一种非线性、不平稳信号,且由于材料结构的复杂性,超声回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法的不足,提出固有时间尺度分解(ITD)和小波阈值去噪相结合的方法对信号进行去噪处理。通过将带噪声的原始检测信号进行ITD分解,获得一系列固有旋转分量(PRC)和一个单调趋势项,去除高频分量后重构部分主要的PRC分量,然后采用改进阈值的小波软阈值方法对其进行去噪,该方法融合了小波去噪和ITD方法的优势,信噪比、均方根误差和相关性等参数都比较满意,去噪效果明显。     

基于POA-VMD-WT的MEMS去噪方法

针对MEMS传感器所测得的加速度和角速度输出信号噪声较大问题,提出一种基于鹈鹕优化算法(pelican optimization algorithm, POA)的变分模态分解(variational mode decomposition, VMD)结合小波阈值(wavelet threshold, WT)的去噪方法。首先利用POA对VMD的参数组合进行优化选择,然后应用POA-VMD将含噪信号自适应、非递归地分解为一系列本征模态函数(intrinsic mode function, IMF)。再通过计算每个IMF的余弦相似度对IMFs进行分类,根据计算结果将IMFs分为噪声主导分量与信号主导分量,对分类后的噪声主导分量进行改进小波阈值去噪处理,最后对处理后的噪声分量与信号主导分量进行重构,获得降噪后的MEMS传感器信号。静态和动态实验结果表明,该方法去噪处理后信号的信噪比分别提高12和10 dB,均方误差分别降低75.5%和46.6%,去噪效果显著,能够提高MEMS传感器的精度。     

基于变分模态分解的变压器有载分接开关振动信号去噪分析

针对变压器有载分接开关振动信号中的环境噪声影响后续特征提取与识别的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)与小波包阈值的去噪算法。首先对信号进行VMD分解,得到一系列窄带、中心频率区分度较好的模态分量。然后对各模态分量分别进行小波包阈值处理,利用均方根误差、信噪比及平滑度构成的复合评价指标确定最佳分解层数,得到最优的去噪效果。最后重构得到去噪后的振动信号。在变压器有载分接开关模拟试验平台上进行试验,并对采集的振动信号进行去噪分析,结果表明该方法的效果优于常用的去噪方法。     

基于小波自适应阈值滤波的VMD降噪方法

本文提出了一种基于小波自适应阈值滤波的可变分模式分解（VMD）降噪方法。该方法降噪过程为：先将含噪声信号进行VMD分解,进而将VMD分解分量中含大部分噪声的高频模态分量进行小波自适应阈值滤波降噪,滤波降噪后的分量与其他模态分量重构降噪信号。三个实例表明：所提方法能有效减低信号噪声,适应性广。 关键字：可变分模式分解（VMD）;小波变换; 自适应阈值     

一种基于S_VMD与Sdr_SampEn的局部放电信号去噪方法

交联聚乙烯(XLPE)电缆作为“双碳”目标中电力传输的重要工具,在使用一定年限后绝缘性能会下降,局部放电(Partial Discharge, PD)检测作为评估XLPE电缆绝缘状态的重要手段已广泛应用。针对PD信号中存在的各类噪声问题,提出了一种基于Spearman变分模态分解(Spearman Variational Mode Decomposition, S_VMD)与空间相关递归样本熵(Spatial Dependence Recurrence Sample Entropy, Sdr_SampEn)的局部放电信号去噪方法。首先通过S_VMD将信号分解为K个最优本征模态分量(Intrinsic Mode Function,IMF),然后通过计算各IMF的Sdr_SampEn值来判定其是噪声主导分量还是PD主导分量;再对分类后的IMF分别采取改进小波阈值去噪和Savitzky-Golay (SG)滤波去噪,最后进行重构得到去噪后的PD信号。利用该方法对仿真与实测PD信号进行去噪处理,并与自适应变分模态分解(Adaptive VMD, AVMD)等去噪算法进行对比分析,结果表明该方法能有效抑制PD信号中的噪声,具有一定的工程价值。     

改进VMD和阈值算法在局部放电去噪中的应用

为解决局部放电检测中存在白噪声和周期窄带干扰的问题,提出一种结合改进变分模态分解（VMD）和阈值算法的局部放电去噪法。针对VMD在实际应用中难以自适应选取分解参数的问题,提出以能量偏差最小为原则确定分解个数,通过天牛须搜索算法（BAS）优化各分量对应的惩罚因子,以峭度准则筛选出有效分量,从而去除掉窄带干扰噪声;利用3σ准则确定阈值,结合阈值函数进一步去除有效分量中残留的白噪声,重构有效分量。通过对仿真、实测信号去噪分析,并与提升db4小波法、集合经验模态分解（EEMD）阈值法对比。结果表明,该方法具有更好的去噪效果,去噪后波形相似度更高,噪声抑制比更高,能够保留更多的局部放电特征。     

基于毫米波传感器的呼吸检测与去噪方法研究

利用毫米波传感器测量较远人体目标的呼吸信号时,容易受到环境杂波的干扰,导致信号中含有较多噪声。因此提出了一种新的GA-VMD-WT去噪方法。方法针对呼吸信号的特点,借助排列熵设计适应度函数,采用GA算法优化VMD参数,以获得最优模态分量个数K和惩罚因子α,再用优化得到的VMD参数对噪声信号分解,然后对分解结果小波阈值去噪,最后重建得到去噪信号。该方法不仅避免了VMD分解时出现的过分解问题,并且仿真实验显示,与各传统的去噪算法相比较,信噪比分别提高了8.5025dB,7.6642dB,3.3637dB。实测信号实验结果表明,所提方法去噪效果好,可以保留更多有用信号的信息。     

基于EEMD自适应阈值去噪的电能质量扰动检测与定位研究

为了改善电能质量扰动信号的去噪效果,实现扰动信号的检测与准确定位,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)自适应阈值的电能质量扰动信号去噪方法。首先利用集合经验模态分解将含噪的扰动信号分解成一些相互独立的固有模态函数(Intrinsic Mode Function,IMF)分量,然后对所得的IMF进行自适应阈值去噪,从而抑制噪声干扰。采用希尔伯特黄变换(HHT)提取去噪后扰动信号的起止时刻、瞬时频率和幅值信息。相比于小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值等方法,该方法在去噪的同时减少了信息损失,信噪比SNR和均方误差MSE均有明显提高。仿真结果验证了该方法在电能质量扰动检测与定位中的有效性和可行性。     

基于CEEMD-WPT和Prony算法的谐波间谐波参数辨识

由于传统Prony算法对噪声极为敏感,因此采用互补集合经验模态分解(CEEMD)和小波包变换(WPT)相结合的去噪方法改善信号,提高Prony参数辨识的精度。首先对信号进行CEEMD分解得到固有模态函数(IMF),并对得到的IMF分量计算其排列熵(PE)值,根据排列熵值提取出含噪声较大的分量进行小波包去噪。然后将去噪重构后的IMF分量与剩余IMF分量重构信号。最后用Prony算法辨识重构后信号的参数。对所提算法进行仿真,并与已发表文献中的结果进行比较。仿真与比较结果表明,该算法是有效的,而且具有较好的辨识结果。     

基于快速EEMD的自适应滤波算法在输电线路激光测距中的应用

为提高输电线路激光测距的精度,提出一种基于快速集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的自适应滤波算法。首先,应用EEMD对含噪的激光测距信号进行分解,得到了激光测距信号的本征模态函数(Intrinsic Mode Function,IMF)分量。同时,对EEMD进行改进,加设阈值筛选IMF分量,提高算法的运行速度。再次,采用基于最小均方算法(Least Mean Square,LMS)的自适应滤波器对分解得到的IMF分量进行去噪。然后,将所得到的IMF分量重构,得到了去噪后的激光测距信号。最后,经模拟试验,结果证明应用该方法得到信号的去噪效果好,确实能提高输电线路激光测距的精度。     

基于统计特征与EMD算法的有载分接开关振动信号去噪

有载分接开关(OLTC)切换过程中的振动信号与其机械状态密切相关,是监测分析OLTC运行状态的重要依据。为降低噪声干扰对OLTC振动信号分析结果的影响,本文提出了一种基于统计特征与经验模态分解(EMD)算法相结合的OLTC振动信号去噪方法。首先通过高斯性检测验证了OLTC振动信号中所含噪声干扰的随机性,然后根据OLTC振动信号的EMD分解结果,基于Hurst指数选取了高频本征模态函数(IMF)分量并对其进行了多次乱序重排,通过对重排和滤波后的IMF分量进行重构得到了去噪后的OLTC振动信号。依据去噪评价指标对实测OLTC振动信号的分析结果表明,所提出的去噪方法能有效抑制OLTC振动信号中的噪声干扰,且优于现有的基于EMD算法和小波阈值的去噪方法。研究结果可为提高OLTC机械状态振动监测技术的应用提供重要依据。     

基于二次 CEEMD 与时域特征分析的去噪方法

为克服经验模态分解(EMD)去噪方法存在的模态混叠以及噪声分量与信号分量区分困难问题,本文提出了一种基于二次互补集合经验模态分解(CEEMD)与时域特征分析的去噪方法。该方法利用CEEMD来克服模态混叠问题,同时基于对CEEMD本征模态函数(IMF)的时域特征分析来确定噪声主导IMF分量与信号主导IMF分量的分界点,据此区分噪声分量与信号分量,并对分界点相邻两侧的噪声主导IMF分量与信号主导IMF分量进行二次CEEMD分解,在保留更多有用信号的同时进一步滤除剩余噪声。对含冲击噪声干扰的实际机载平台数据的去噪实验结果表明,新方法通过对噪声分量与信号分量的有效分离,可以更好地抑制噪声干扰,明显提升信噪比。     

基于波形匹配端点延拓法优化的经验模态分解算法在铁路继电器参数降噪上的应用

针对铁路继电器参数的噪声问题,为提取其有效信息,该文建立一种基于改进波形匹配延拓法优化的经验模态分解（EMD）算法,利用自相关函数分离含噪信号,小波阈值去除噪声的混合降噪模型。首先根据继电器参数特点对波形匹配方法进行改进,重新定义匹配误差度公式,并引入匹配精度误差系数,采用改进波形匹配延拓法优化EMD分解过程产生的端点效应,得到有效的固有模态分量（IMF）和余项;然后求解其自相关函数,并根据自相关函数图像结合噪声信号特征分离出含噪分量;最后对含噪分量进行小波阈值去噪,去噪后与剩余分量和余项结合,得到重构后的参数序列。同时,提出利用结构相似性（SSIM）评价指标,结合信噪比（SNR）、方均误差（MSE）指数对模型可靠度评判。通过结果分析,并与EMD分解后重构和小波阈值去噪方法作对比,证明该模型可优化铁路继电器参数的降噪效果。     

融合VMD优化和小波包分析的陶瓷检测信号降噪方法研究

针对陶瓷敲击检测信号含有噪声的问题,提出一种融合VMD优化与小波包分析（WPD）相结合的联合降噪方法。首先,应用能量的起始点检测准则提取实际信号的有效信息;其次,遗传算法（GA）选取VMD参数并自适应分解含噪信号;然后,计算各模态分量和原始信号的相关系数,将模态分量分为信号主分量和噪声分量;最后对信号主分量进行小波包分析,重构信息获取去噪后的信号。仿真实验证明：在分别加入10dB、20dB噪声时,该方法信噪比最高（23.81dB、24.75dB）,均方误差最小（0.07、0.01）, 与常用的去噪方法相比,去噪效果均有明显提升。陶瓷试件敲击检测信号测试实验表明,该方法能有效去除不同类型陶瓷试件敲击检测声音信号的噪声,具有良好的去噪性能。     

一种可提取受波动干扰的电压暂降特征的信号处理方法

电压暂降信号中混杂的噪声会模糊暂降起止时刻的检测,而电压波动的干扰则会影响暂降幅值深度的确定,对此设计了一种基于变分模态分解(variational mode decomposition,VMD)的消噪方法及结合小波变换定位的三阶导数普罗尼(third derivative method-Prony,TDM-Prony)算法。首先将信号进行VMD分解,得到数个有限带宽的固有模态分量(band-limited intrinsic mode functions,BLIMFs),对获得的高频BLIMFs进行SURE阈值去噪,然后与低频分量进行重构。然后,对重构信号进行小波变换,定位电压波动及电压暂降的起止时刻,并利用TDM-Prony算法对波动信号段进行拟合以获取其信息,实现波动与暂降的分离;最后,对获得的干净暂降信号进行希尔伯特(Hilbert)变换可得其暂降幅值及持续时间。仿真结果表明,文中设计算法可有效地提取受波动信号的干扰的电压暂降特征。     

基于优化VMD与噪声估计的间隔阈值局部放电去噪方法

为了抑制局部放电(PD)信号中含有的窄带周期干扰和白噪声,提出一种基于优化的变分模态分解(VMD)阈值去噪方法。首先针对VMD算法可能造成染噪信号欠分解或过分解的问题,提出一种基于频谱分析和四分位数的模态分解数K值优化方法,并结合模态的峭度特征去除窄带周期干扰和高频白噪声;针对PD信号主导模态中残留的白噪声,利用文中研究中发现的VMD分解白噪声所得模态的两个统计特性,提出一种噪声标准差估计方法来确定阈值,最后引入间隔阈值函数对PD信号主导模态进一步去噪。采用该方法对仿真和实测信号进行去噪处理,并将其与传统方法进行对比,结果表明,所提方法不仅可以更有效地抑制噪声,同时也能更好地保留PD信号的特征。