基于改进阈值去噪的谐波检测

为保证电力系统的安全运行,必须要对谐波进行准确的检测和分析。电力系统中的信号不仅由基波和各次谐波组成,还包含大量的噪声,噪声的存在严重影响电力系统谐波检测的精确性。针对传统的软阈值和硬阈值去噪方法的不足,提出了一种基于sym8小波的改进阈值去噪方法。首先用sym8小波对信号5层分解,然后对第一层、第二层小波系数去噪优化,最后基于优化后的各层系数对信号进行重构和谐波检测。在Matlab平台下对比软、硬阈值和改进阈值的去噪效果,表明改进阈值去噪方法效果更好,并用该方法去噪后检测谐波的准确性明显提高。     

改进小波阈值去噪法在谐波检测中的应用

针对电力系统谐波检测中传统的软、硬阈值去噪方法不能有效的解决噪声干扰的问题,提出了一种新的去噪算法:改进软硬阈值折衷法。对模拟的电力系统信号分别采用传统的硬、软阈值法、软硬阈值折衷法和文中方法进行Matlab仿真,定量对比分析得出结论:改进软硬阈值折衷法能够更好的解决噪声干扰问题,去噪信号的的信噪比得到提高,均方根误差得到减少,重构后信号能更好还原原始信号,去噪效果好,实用价值较高。     

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。     

应用平移不变小波变换消除短路电流中的噪声

有效去除继电保护信息采集中的噪声,对确保继电保护装置正确动作至关重要.对电力系统接地短路电流信号的去噪进行了研究,针对小波去噪等信号处理方法中存在的Gibbs现象,提出并研究了采用db4小波进行信号去噪,采用平移不变小波变换,并以新型阈值代替传统阈值,进一步改善了去噪效果.工程实际应用中,采用间隔循环平移可提高运算速度,理论分析及仿真实验均验证了该方法的有效性.     

蚁群优化小波阈值算法用于变电设备状态信号提取

针对变电设备状态信号的快速有效提取,降低去噪信号的畸变率,本文提出了一种用于电气设备状态信号去噪的蚁群优化小波阈值算法。该方法在计算最优阈值时,采用基于SURE无偏估计的最优阈值选择方法,结合蚁群优化算法进行全局自适应搜索最优阈值,大大提高了最优阈值自适应寻优速度。为了验证其去噪效果,本文还引进标准软阈值法及梯度迭代优化小波阈值方法对两种典型人工平稳信号、局部放电模拟信号及实测局部放电工频信号进行去噪,结果表明本文提出的方法比其他两种方法的去噪效果更优,计算速度更快,具有良好的去噪效果和应用价值。     

基于小波混合阈值方法的电能质量信号去噪

基于小波变换的阈值去噪是滤除采样信号中白噪声的有效方法.在实际应用中,阈值的选取和对小波系数的处理方法是影响其去噪效果的2个重要因素.软硬阈值方法各有其优缺点.将两者结合起来的混合阈值方法可提高去噪算法的性能.在分析软硬阈值方法各自的优缺点后,结合正态分布的规律和信号、噪声的小波系数在不同层上的分布特点,提出了能自适应确定临界尺度的软硬阈值结合的混合阈值去噪方法.对采样信号进行小波变换,根据各层小波系数能量的最小值,确定临界尺度.对小于或等于临界尺度的层数上的小波系数用软阈值方法处理,对大于临界尺度的层数上的小波系数用硬阈值方法处理,这样处理能减小信号能量损失.对尺度系数和处理后的小波系数进行重构,得到去噪后的信号.仿真实验表明.混合阈值方法去噪性能稳定,在不同信噪比下都能有效地去除白噪声,较好地保留了原信号的局部特征,且方法简单,计算量小.     

基于FMCW雷达的非接触式心率估计方法

基于FMCW雷达的非接触式心率估计方法具有舒适、便利等优势。由于噪声和呼吸谐波的干扰，现有方法的准确率仍存在一定局限。针对上述问题，提出了一种心率估计方法。在相位分析的基础上，对相位信号进行相位差分运算，以增强心跳信号，再通过改进的小波阈值去噪方法进行去噪处理，消除噪声干扰。在频率估计时，本文通过海明窗函数对心跳信号进行处理，再用多信号分类算法进行频率估计，可以解决信号截获造成的频谱泄漏问题，并提高多信号分类算法的分辨率和稳定性，从而降低呼吸谐波及噪声对心率估计的影响，获得准确的心率值。仿真结果表明，本方法提高了心率估计的准确性。     

超宽带信号检测中基于新阈值函数的小波去噪方法研究

小波阈值去噪是信号处理中一种重要的去噪方法。为了提高超宽带通信信号的检测性能,获得更高的检测信噪比,基于小波变换以及小波阈值去噪的原理,提出了一种新的阈值处理方法,进而对跳时脉冲位置调制超宽带（TH-PPM-UWB）信号用新方法的去噪结果进行分析比较,仿真试验结果表明,新的小波阈值法去噪效果明显,在信噪比和均方根误差上均优于传统的软阈值和硬阈值方法。     

基于改进阈值函数小波的微电网检测信号去噪

应用传统阈值函数小波对实测的微电网信号去噪时,存在重构信号失真、波形曲线偏厚等问题.在分析某种改进阈值函数基础上,提出一种新的阈值函数表达式.为提高阈值函数适用性,利用Bayes shrink方法计算分解层门限阈值,利用人工蜂群算法对设计的阈值函数进行参数选定.使用实测含噪信号验证各阈值函数的小波去噪效果,可知新阈值函数及其去噪流程能提升信噪比、减小均方误差,达到抑制检测信号噪声、显现信号波形特征目的 .     

电能质量信号去噪中小波选取特点的研究

有效滤除电能质量信号中的噪声是电能质量检测的重要前提,然而小波特性却对去噪效果有着很大的影响。针对此问题,文中给出了一种可调阈值函数,通过对可调参数的控制,可以使得该阈值函数在软硬阈值函数之间变动,兼具两者的优点。在深入研究小波的正交性、支撑长度、正则性、消失矩阶数、对称性等特性的基础上,提出为达到最好的去噪效果小波选取应满足的五个特点。采用db 5、haar、bior 2.2、rbio 3.1四种小波对电压暂降、暂升、中断、振荡、谐波扰动信号进行四尺度分解,计算噪声标准差的基础上进一步引入算子修正阈值,利用提出的新阈值函数对小波细节系数进行去噪处理,分析小波逆变换重构信号的细节,并计算出去噪后的信噪比和均方误差,实验结果表明在不同噪声强度干扰下,db 5小波都具有最佳的去噪效果,这证明了所提出的电能质量信号去噪中小波选取应该遵循的五个特点的正确性和可靠性。     

基于改进去噪性能的Prony算法电网低频振荡模态辨识研究

针对电网低频振荡Prony辨识算法对噪声较为敏感、对输入信号要求较高的问题,提出了一种基于小波去噪与扩展Prony算法相结合的高精度低频振荡模态辨识方法。在小波去噪的基础上通过对阈值进行改进,使得小波去噪的阈值随着小波的分解而发生变化,从而对低频振荡信号达到较好的滤波效果,并在此基础上研究扩展Prony算法,对构建的仿真信号运用IEEE4机2区域系统产生低频振荡信号以及实际PMU监测的低频振荡信号进行算法验证。仿真和实验表明提出的方法能够比较准确和快速的辨识电力系统低频振荡信号,且具有较高的精度和较好的鲁棒性,为电力系统低频振荡模态辨识提供了一种行之有效的方法。     

基于小波变换的心音特征值提取算法研究

介绍了一种新的心音特征值提取算法。利用小波变换进行阈值去噪、包络提取、心音定位、特征值提取,最后识别出心音信号的异常与否。在阈值去噪中利用小波的多分辨率特性对信号进行8层分解并对每层实施软阈值去噪,把去噪后的信号重构,得到去噪后的心音信号,对去噪后的心音信号进行再分解并求出各层香农能量值,踢出包含信息量最少的层后得到心音信号的小波包络,采取自适应阈值线对所得小波包络进行S1,S2定位,并提取特征值T1、T2、T11及T12,利用特征值在二维散点图中的分布情况,实现了心音信号的自识别。     

基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

可调阈值函数和能量阈值优化的电能质量扰动小波去噪方法

电能质量信号在采集、传输过程中受外界环境的影响会引入噪声干扰,有效去噪的同时保留突变点信息是治理电能质量的重要前提。给出了一种可调阈值函数,通过对可调参数的控制,可以使得该阈值函数在软硬阈值函数之间变动,兼具两者的优点。引入小波系数能量因子,以能量最大的尺度作为特征尺度,在此尺度上,子区间能量高于尺度能量者则为有效区间,进而提出采用有效区间局部阈值去噪的新阈值取法,同时考虑噪声和信号的小波系数随尺度不同的传播特性,引入算子对阈值进行修正。利用有效区间的局部阈值取法较传统的全局阈值取法更能反映信号小波系数的特征。仿真结果表明,利用新方法去噪效果更好,既较好地改善了去噪性能,同时也保留了信号的扰动突变点信息,去噪后扰动定位准确,模极大值点的位置很好地反映了扰动发生的起止时刻。     

基于小波包理论的激波信号去噪研究

超音速弹丸产生的激波信号在采集的过程中受到各种噪声的严重影响,导致了弹道参数测量精度的下降,因而必须对采集到的信号进行去噪处理。首先介绍了激波信号的特点以及成分,就信号降噪方法的选取展开了分析。但是由于激波信号是一个暂态信号,故而采用具有时频分析能力的小波包作为去噪的主要工具。使用小波理论进行去噪的好坏与阈值的选取息息相关,重点就小波包函数、分解尺度以及阈值的选取过程进行了研究。实验结果表明使用小波包对激波信号进行多阈值降噪处理具有良好的效果和优势。     

基于线调频小波变换的电机故障信号谐波检测方法

线调频小波变换统一了短时Fourier变换和小波变换的时频分析，并能根据信号的特点自适应生成新的时频窗口。本文首次将线调频小波变换引进电力系统的突变信号处理中，分析了其消噪和滤除干扰的原理；构造了线调频小波变换的算法。该算法不仅能解决文[9]中提出的消噪和滤除干扰的问题，还能解决文[8，10]中提出关于滤除整数（偶数）次和分数次谐波，并通过对电力系统突变信号处理的实例说明该算法的突出优点。     

小波熵自适应阈值的电能质量信号去噪新方法

针对电能质量信号去噪问题,提出改进的小波熵自适应阈值去噪法。利用小波变换分解电能质量信号,计算小波分解后信号子带区间的小波熵,将小波熵和自适应阈值相结合确定高频系数阈值门限,采用改进折中指数阈值函数对电能质量信号去噪处理,最后重构降噪后的电能质量信号。通过对四种典型带噪电能质量信号(电压突降信号、暂态振荡信号、电压中断信号、谐波信号)去噪处理,并与无偏风险阈值、极大极小阈值的去噪性能比较,对比可知在输入信噪比为20dB时,对于不同的电能质量信号,改进的小波熵自适应阈值去噪法的输出信噪比是最大的。     

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。