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。     

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。     

局部放电在线监测中小波阈值去噪法的最优阈值自适应选择

小波系数阈值是决定小波阈值去噪法处理后的去噪信号失真度及误差的关键因素。针对局部放电脉冲频谱特征,提出用于局部放电信号去噪的小波最优阈值选择方法,阐述了自适应阈值搜索中的尺度选择方案;采用四种人工模拟加噪信号和两种典型局部放电脉冲仿真信号对该方法的去噪效果进行了定量分析,并采用了自适应阈值法对实测局部放电信号进行了处理,结果表明,该方法在局部放电在线监测中具有良好的去噪效果和实用价值。     

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。     

改进阈值函数的小波熵方法抑制局部放电白噪声的研究

针对传统硬阈值法和软阈值法的缺陷,提出了改进阈值函数的小波熵方法。该方法对含噪局放信号进行小波分解,基于小波熵自适应选取阈值,并引入一种改进阈值函数对小波系数进行处理,最后重构得到去噪后信号。典型仿真信号和实测信号的去噪结果表明,提出的方法能够有效去除局放信号中的白噪声。     

基于小波包变换方法的超声回波信号去噪研究

超声回波信号中含有大量有关缺陷性质的信息,但同时也掺杂着大量噪声干扰。为了很好的从回波信号中提取反映缺陷本质特征的信号,文章中使用了一种改进的小波包去噪方法一平均能量阈值法,讨论了小波包变换的多分辨率分析及平均能量阈值法消噪的原理,仿真结果表明,基于平均能量阈值的小波包去噪是一种有效的去噪方法,其效果优于小波去噪。     

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。     

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。     

粒子群算法用于局部放电小波阈值去噪

小波阈值去噪在局放信号监测分析方面应用效果较好,而小波系数阈值的选取是决定局放信号去噪后的失真和误差的关键因素。针对局放脉冲频谱特征,提出了一种基于粒子群算法的小波最优阈值选择方法,用于局放脉冲信号去噪。采用小波对局放信号进行分解,在估计最优阈值时以广义交叉验证为标准,利用粒子群算法进行全局搜索,使阈值寻优效果大大提升。对人工模拟加噪信号和典型局放脉冲仿真信号进行去噪处理和定量分析,结果表明与标准软阈值法以及Donoho阈值计算法相比,对局放信号的去噪效果更好,有着非常好的应用前景和价值。     

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.     

用于提取PD信号的复小波簇消噪算法

因电气设备处在强烈电磁干扰环境中,常被噪声淹没,为了准确检测PD信号,需有效抑制其噪声干扰。根据PD信号和白噪干扰的复小波系数各有其特点和小波变换的本质是被分析信号和小波做内积运算,提出了从一簇复小波中逐层选择最优复小波并根据模极大值原理确定分解层数的方法即以阈值消噪法为基础的复小波簇消噪法。采用该方法对PD染噪信号进行去噪处理,并用去噪前后的信噪比(SNR)和波形相似性参数(NCC)对仿真PD信号的消噪结果进行评价。结果表明,复小波簇消噪法在满足SNR>10 dB的要求下,两个信号的NCC都>0.9,复小波簇消噪法从白噪干扰中提取PD信号的能力更强,在高SNR的情况下,信号的畸变也更小。     

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。     

基于小波分解尺度系数能量最大原则的GIS局部放电超高频信号自适应小波去噪

抑制干扰是GIS局部放电在线监测的关键技术之一。尽管局部放电超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为准确测量局部放电带来困难。为有效抑制白噪声,提高局部放电超高频法的测量精度,本文提出一种用于GIS局部放电超高频信号的自适应小波分解去噪算法,该算法基于每层小波分解尺度系数能量最大的原则,逐层自适应选取最优的小波进行分解,并结合Donoho提出的软阈值法进行去噪。对人工绝缘缺陷产生的四种GIS超高频信号的去噪结果证明了该算法较其他小波算法能更好地去除白噪声且去噪后信号波形畸变较小,具有很好的应用前景。     

用于PD信号去噪的dbN序列有效复小波构造研究

根据正交小波构造的条件,采用替换实小波共轭复根的方法,构造了与dbN序列正交实小波具有相同幅频特性、不同相频特性的复小波,指出了共轭复根数与构造复小波数的关系,给出了构造有效复小波应满足的条件,即共轭复根的虚部绝对值小于0.01且与实部绝对值之比也小于0.01时,不能构造有效的复小波。同时,用构建的dbN序列复小波对4种典型仿真局部放电(PD)信号的去噪研究表明,不同类型的仿真PD信号对应有dbN序列去噪最优复小波,而且与相应的实小波去噪进行了对比,进一步证明了复小波用于PD信号去噪的优越性。     

对称小波构造方法及其在电机故障信号处理中的应用

对称小波或反对称小波具有线性相位或广义线性相位，因而在信号的分解和重构中非常重要，它可以避免信号失真。在工程中广泛使用的Daubechies小波和Symmlet小波都不是对称小波，作者使用的对称小波构造方法是一种通用的方法，并就Db4和Sym4小波构造了对称小波，构造出的对称小波的计算量是原先小波的一半，提高计算速度。仿真结果表明，由Db4构造的对称小波包与Db4小波包相比，在信号分解与重构过程中具有频率泄漏少、能量集中、计算量小和实时性好等优点。     

实小波与复小波变换对局部放电在线监测中提取信号特征的特点研究

通过采用实小波变换与复小波变换的分析方法抑制干扰、检测局部放电信号的研究,得到了实小波与复小波两种分析方法的特点;通过应用模拟数据和实验室实测数据分析,复小波变换可以从各种干扰中提出了局放信号的特征,应用效果十分良好.     

Bd小波的滤波参数与小波变换快速算法

Ｂｄ小波是以基数Ｂ样条为平滑九的导数小波,它们在许多方面都地现有的高斯序列导上波与Ｍａｌｌａｔ导数小波,可广泛应用于信号分析,模式识,故障诊断,数据压缩,信噪分离等场合。文中详细分析了如何快速计算Ｂｄ小波的滤波参数与采用Ｂｄ小波的小波变换,如何从时域特性与频域特性两方面选择所需的Ｂｄ小波。     

Artifact cleaning of motor imagery EEG by statistical features extraction using wavelet families

Electroencephalogram (EEG) and its sub-bands represent electrical pattern of human brain. EEG signal contains transient components, spikes, and different types of artifacts due to eye blinking, movement of the person, anxiety, and so forth, during EEG capture. Wavelet transforms are powerful mathematical tool for sampling approximation to get clean EEG. It also helps in filtering, sampling, interpolation, noise reduction, signal approximation and signal enhancement, and feature extraction. In this paper, we have analyzed artifact cleaning via PSD graphs and statistical features extracted from motor imagery EEG-like standard deviation variance. For this, we considered 19 channels EEG signal and applied orthogonal Daubechies wavelet, bi-orthogonal rbio wavelet and Coifman wavelets to check the better performance of different wavelets. Coifman wavelet uses both scaling function and vanishing moments for sampling approximation and hence give smooth sampling compared to rbio and Daubechies wavelet transforms. Coif is a compactly supported wavelet system which also helps in smooth sampling approximations than other wavelets in the state of arts. The detailed coefficients and approximate coefficients can be further used for extracting features from EEG and classification purposes. Artifacts cleaning is thus observed better in coif wavelet analysis compared to other wavelets from the power distributions as power spectral density (PSD) graphs, standard deviation and variance obtained. Matlab R2013b is used for filtering and sampling EEG. Python 2.7 is used for statistical features extraction.     

基于多重小波变换的自适应脉搏信号去噪

小波变换在生物医学信号降噪处理中有着广泛的应用,但小波降噪处理中的软硬阈值法本身都有一定的局限性,而且还除去了部分有用信号,降噪效果不太理想。本文基于小波分析的特点,提出了一种对信号进行多重小波变换的自适应去噪法,该方法不仅克服了小波去噪软硬阈值法的局限性,而且解决了自适应滤波中参考信号选取难的问题,将该方法用于脉搏信号降噪,得到了满意的去噪效果。     

三角样条调频小波变换的电机轻微故障定位

实小波变换只能提取信号的幅值特性，而电机轻微故障信号的小波幅值很小，因而用实小波变换有时很难检测到故障的发生，复值小波不仅能提取信号的幅值特性，还能提取信号的相位特性，进而在轻微故障信号的小波变换幅变化不太明显的情况下，利用相位变化的特性也能准确判断微弱故障信号的突变点，文章将线调频小波变换应用到电机微弱故障的诊断中，取二阶三角样条小波作为窗函数，并令q=0得到简化的二阶三角样条调频小波，提取故障信号的相位特性，成功地确定了微弱故障信号的突变点。