小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。     

小波变换和数学形态学在行波故障定位消噪中的应用

有效滤除行波的噪声干扰,提取有用的行波信号是实现行波故障定位的关键.在比较了小波变换和数学形态学对白噪声和脉冲噪声的滤除效果的基础上,结合小波变换和数学形态学各自的优点,提出对行波信号进行消噪时,先采用数学形态学滤波器滤除行波信号中的脉冲噪声,再采用基于小波变换的软阈值化算法滤除白噪声的综合去噪方法.实例分析表明该综合去噪方法的去噪效果较好.     

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。     

无线随钻泥浆信号小波包去噪处理

提出一种基于高阶统计量的小波包去噪新方法。该方法充分结合了小波包多分辨率分析和高阶量的抗高斯干扰特性:首先利用小波包多分辨率分析的特点去除泵噪声;接着计算小波包分解的各尺度的四阶累积量,从信号和噪声的统计特性出发进行信噪分离,有效滤除只含噪声的小波树节点;最后通过计算小波系数与信号的三重相关系数来对信号进行阈值处理,从而达到对信号进行降噪的目的。实际结果表明,基于高阶统计量的小波包去噪处理是一种行之有效的泥浆脉冲信号检测方法,具有一定的实用价值。     

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.     

基于可调Q小波变换与基追踪的电能质量信号去噪

现场采集的电能质量信号中夹杂着高斯白噪声和脉冲噪声,这些噪声的存在给电能质量信号的检测与分析带来困难,因此要对电能质量信号进行去噪预处理。针对传统去噪方法的局限性,本文给出了基于可调Q小波变换与基追踪的去噪算法,该方法先用不同品质因数的小波基函数对含噪信号进行稀疏分解,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,这样就实现了电能主特征信号与脉冲噪声和高斯白噪声的分离,从而达到去噪的目的。仿真结果表明该方法可以有效地去除电能质量信号中的高斯白噪声及脉冲噪声,且去噪效果和可靠性优于广泛使用的小波去噪和集合经验模态分解去噪。     

变压器局部放电监测逐层最优小波去噪算法

针对用于局部放电监测的去除白噪声算法会造成去噪脉冲信号波形畸变,脉冲幅值等波形参数产生较大误差,不利于进一步采用脉冲波形分析去除脉冲干扰的问题。为此根据局部放电信号在小波域上的分布特点,提出了各尺度信号分解和重构的最优小波选择方法,并给出了各尺度小波阈值的计算方法。仿真信号的最优小波去噪结果显示去噪信号具有波形畸变率低和幅值误差小的特点;实测信号的最优小波去噪结果证明提出的最优小波去噪算法能有效去除局部放电监测信号中的噪声,在局部放电在线监测应用中具有良好的去噪效果。     

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。     

一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果.引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导.针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究.结果表明:这种消噪模式可以改善电能质量信号信噪比门限的影响.利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息.     

基于SVD分解和小波去噪的振动位移提取∗

针对奇异值分解提取振动位移信号中存在白噪声的问题,提出采用小波去噪的方法进行信号去噪处理.首先采用奇异值分解提取图像序列中的振动信息;然后采用小波去噪方法进行去噪处理,针对传统固定阈值会导致每层小波分解系数做同样处理的问题,提出了一种改进型阈值;最后通过对比不同小波函数的去噪效果,确定最优小波函数.仿真和实验结果表明,该方法是有效的.     

基于MCKD-EMD的风电机组轴承早期故障诊断方法

风电机组轴承处于早期故障阶段时,特征信号往往比较微弱,并且受环境噪声及信号衰减的影响严重,因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用,但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题,考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲,非常适用于轴承早期故障信号的降噪处理,因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪,然后对降噪后的信号进行EMD,选取敏感本征模态函数(IMF)并计算其包络谱,通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。     

基于UHF和HF的局部放电降噪方法的研究

采用基于阿基米德螺旋天线的特高频法与基于电流传感器的高频法对比测量的方法 ,发展了一种新型的降噪方法。其基本原理是 :高频法测得的脉冲信号中包括了油中放电信号和空气中电晕造成的脉冲干扰信号 ;特高频法测得的只有油中放电信号 ;故对高频法获得的信号 ,在仅对应于特高频法获得的信号处开窗时 ,可剔除脉冲干扰而获得油中放电信号。模拟实验以及现场变压器的实测结果证明这种降噪方法可有效抑制各种干扰特别是脉冲型干扰。     

一种用混沌振子去除局部放电信号中窄带干扰的新方法

如何有效地从现场大量的干扰中真实地提取局部放电信号,至今仍是提高在线监测系统的灵敏度和监测可靠性的难题.本文从非线性理论出发,提出用混沌振子去除局部放电信号中窄带干扰的新思路.讨论了用于判断混沌振子状态变化的Lyapunov指数的计算方法,仿真实验表明混沌振子对局部放电信号中的窄带干扰具有较强的敏感性,对局部放电信号和白噪声具有免疫力,能在保证原始局部放电信号失真较小的同时有效地去除窄带干扰.     

局部放电脉冲信号ICA提取技术的初步研究

为了提高局部放电在线监测的灵敏度,根据独立成分分析(ICA)基本模型的定义,提出将背景噪声信号与局放脉冲信号看成两个相互独立的信号源,不同观测点获取的观测信号为两者的线性混合,从而可以实现两者的分离的方法。利用ActiveX自动化技术实现了可用于局放脉冲信号提取的ICA软件模块;基于双通道超宽带检测技术,对加噪后的直流下油纸绝缘针板缺陷模型的局放脉冲序列提取进行了试验研究并且利用峭度准则与试验电压极性相结合的方法消除了局放脉冲提取的ICA含混性问题。实验结果表明:该方法能够提取被背景噪声完全淹没的脉冲信号,可以恢复出单个局放脉冲波形、脉冲波形之间的相对幅值关系以及脉冲极值所对应的时间点等重要局部放电信号信息。     

基于ARM处理器的随机共振弱信号检测系统设计

实际工程中,被测信号往往被大量的背景噪声干扰所淹没,从而导致常规的信号检测和处理方法无能为力.利用随机共振理论,我们可以从强噪声背景中提取出弱信号信息.本文设计了一个基于ARM处理器的弱信号检测实验装置,仿真随机共振的双稳态环境,进行弱信号的检测处理.从实验结果的信噪比曲线来看,噪声得到明显抑制,弱信号得到加强而易于捕捉.这项工作为随机共振理论应用于实际工程现场的弱信号检测提供了基础.文中详细介绍了此系统中硬件的功能模块和软件的总体方案设计.     

用傅立叶级数法消除局部放电检测中窄带干扰的研究

提出了一种新的抗窄带干扰方法——傅立叶级数法,利用原始数据通过傅立叶级数估计原始数据中的窄带干扰波形,然后与原始数据相减,以得到局部放电脉冲信号;通过仿真数据和现场实际数据验证了该方法的抗干扰效果,发现该方法能够在完全消除窄带干扰的同时,基本保留局部放电脉冲的波形、幅值和极性,尤其在脉冲信号的中心频谱与干扰的频谱非常接近时;讨论了随机干扰、频率误差和模数转换量化误差对抗干扰效果的影响,认为这些因素对抗干扰效果的影响不大;与常见的时频转换法和自适应滤波法进行了对比分析,结果表明傅立叶级数法在保持局部放电原始波形、幅值和极性信息方面具有明显优点.     

A de-noising scheme for enhancing wavelet-based power qualitymonitoring system

By means of the wavelet transform (WT), a power quality (PQ) monitoring system could easily and correctly detect and localize the disturbances in the power systems. However, the signal under investigation is often corrupted by noises, especially the ones with overlapping high-frequency spectrum of the transient signals. The performance of the WT in detecting the disturbance would be greatly degraded, due to the difficulty of distinguishing the noises and the disturbances. To enhance the capability of the WT-based PQ monitoring system, this paper proposes a de-noising approach to detection of transient disturbances in a noisy environment. In the proposed de-noising approach, a threshold of eliminating the influences of noises is determined adaptively according to the background noises. The abilities of the WT in detecting and localizing the disturbances can hence be restored. To test the effectiveness of the developed de-noising scheme, employed were diverse data obtained from the EMTP/ATP programs for the main transient disturbances in the power systems as well as from actual field tests. Using the approach proposed in this paper, remarkable efficiency of monitoring the PQ problems and high tolerance to the noises are approved     

变压器局部放电在线监测信号中的电磁干扰及抑制

抑制现场电磁干扰是基于脉冲电流法的变压器局部放电在线监测技术的关键。本文介绍了抑制周期型干扰、周期脉冲型干扰和随机脉冲型干扰的方法,对它们的优缺点地分析和比较,并提出了建议。