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。     

基于dq 变换与小波多分辨率分析的电力系统暂态复合扰动信号检测方法

dq坐标变换及其改进算法是检测暂态电能质量的常用方法,但在复合扰动情况下dq变换方法的检测精度会受到很大影响。针对此问题,提出了一种基于dq变换与小波多分辨率分析相结合的暂态电能质量检测方法。通过小波多分辨率分析分离出电压的低频信号成分,然后再对分离出的低频信号成分进行瞬时dq变换。同时用形态滤波分离出电磁暂态扰动,避免了各扰动检测之间的相互影响。最后利用Matlab/Simulink对所提方法和常规dq变换方法在复合扰动情况下的检测进行了仿真对比,结果表明所提方法适应能力强,具有非常优越的综合性能。     

基于中值滤波和改进提升小波的输电线路激光测距信号去噪方法

针对小波变换去噪算法精度不高,运行时间较长的缺点,并结合激光测距信号含有高密度高幅值脉冲噪声和白噪声的特点,提出一种基于中值滤波和改进提升小波的去噪算法。首先对实测输电线路激光测距信号进行中值滤波处理,以平抑占比较重的脉冲噪声;再进行提升小波变换,得到小波分解系数;同时,使用鸡群优化算法(chicken swarm optimization,CSO)寻找最优阈值;然后进行提升小波逆变换得到重构信号。结果表明:相对于传统提升小波变换去噪算法,应用该方法的去噪效果信噪比提升2倍以上。最后将几种去噪算法进行了综合比较,所提出方法可有效提高去噪效果并略微减少算法运行时间,优于传统去噪算法。     

一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法

含噪电能质量扰动信号分析的前提是准确找到突变点信息,对信号进行去噪的同时,又必须保留突变点特征。针对此问题,选取平稳小波变换分解信号,并利用提出的改进阈值函数对信号进行去噪。将含噪的电能质量扰动信号进行多层平稳小波变换,逐层估计平稳小波变换细节系数中噪声的均方差σ_j,计算各层阈值σ_j2lnk~(1/2)并根据信号、噪声的小波系数在不同尺度上的分布特点,通过ln(j+1)对各层阈值进行修正,结合改进的阈值函数分别对各层小波系数进行处理。利用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。仿真结果表明,改进的阈值函数去噪方法能够较好地滤除噪声并保留突变点特征,从处理后的小波系数中可以清晰地观察到扰动的起止时刻,并能够分辨出暂态振荡与谐波干扰。     

基于小波和高阶PDE的电缆局部放电去噪研究

局部放电(PD)试验是检测电力电缆绝缘性能的重要手段,由于试验现场电磁环境比较复杂,提取所得的PD信号已被噪声淹没。为得到较为真实的PD信号,提出了一种基于小波变换和高阶偏微分方程(PDE)相结合的去噪方法。利用小波变换提供较好的局部放电信号预处理和后处理平台,对低频子信号进行四阶PDE迭代去噪,同时采用效果评价指数信噪比(SNR)作为迭代终止条件。将该方法的去噪效果与传统的小波阀值去噪效果进行了比较,经过计算和仿真分析表明,文中方法能够较好的保留信号边缘与细节,比传统小波阀值去噪具有更优越的去噪性能。     

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Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯（Bayes）估计的双小波维纳滤波的电能质量信号去噪算法。该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能。实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波维纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比。     

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯(Bayes)估计的双小波维纳滤波的电能质量信号去噪算法.该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能.实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波雏纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比.     

一种电能质量扰动信号的联合去噪算法

传统的小波阈值去噪算法存在易丢弃真实信号、去噪效果差等缺点.该文提出了一种新的用于电能质量扰动事件的联合去噪算法.该算法首先通过强跟踪卡尔曼滤波的渐消因子大于1的次数,初步判定信号的扰动类型,然后对不同的扰动类型采取不同的去噪方法.对于仅含噪声的正弦信号和谐波信号用稀疏分解及快速傅里叶变换(FFT)做两次去噪;对暂升和暂降信号采用渐消因子准确地指示扰动起止时刻,将信号分段,并对每段信号用稀疏分解和FFT去噪;对含瞬态脉冲和暂态振荡的信号,采用不同的处理方法,首先通过稀疏分解得到稳态成分和暂态成分,对稳态成分的去噪方法与含噪声正弦信号的处理方法相同,对暂态成分的脉冲信号保留实际值,对振荡信号采用变分模态分解(VMD)去噪.大量的仿真计算表明,在不同的信噪比条件下,该文提出的算法均能够有效抑制各类扰动信号的噪声,显著提高了信噪比,且效果优于小波阈值去噪算法.     

局放信号自适应加权分帧快速稀疏表示去噪方法

电气设备局放信号易受噪声干扰,影响监测效果。为提高局放信号去噪效果,提出一种局放信号自适应加权分帧快速稀疏表示去噪方法。该方法以信号稀疏表示理论为核心,为提高去噪速度,对局放信号进行了加权分帧,减少待处理数据长度的同时避免了强制分帧时截断效应;提出一种快速正交匹配追踪算法,避免了基于传统正交匹配追踪实现稀疏表示时庞大的计算量。为提高去噪效果,基于K-SVD字典学习理论及高信噪比局放样本信号构建局放脉冲自适应过完备字典,其各原子仅与局放脉冲信号强关联,且满足实测信号多样性要求;结合加权分帧方法,提出一种残差比阈值自适应确定方法,实现了局放稀疏表示去噪迭代终止条件自适应确定。实验结果表明,所提方法解决了现有局放稀疏表示去噪方法去噪速度慢,过完备字典适用性弱等问题,相比传统局放信号小波分析去噪方法,该方法去噪结果误差及畸变均较小。     

基于改进小波系数奇异值分解和小波去噪的低频振荡时变模式辨识

提出了一种基于连续小波变换(continuous walelet t r a n s f o r m , C W T )和奇异值分解( s i n g u l a r v a l u e decomposition,SVD)相结合的提升小波系数 SVD 辨识信号振荡频率和模式信息提取及信号去噪的新方法.克服了噪声较大或者密集模态时,小波脊线不清晰甚至会出现混叠和交叉难以提取频率的情况,根据提升的小波系数奇异值分解频率向量识别各阶振荡模式的频率.同时选用小波能量系数来识别主导振荡模式,用小波软阈值去噪和 SVD 分解后矩阵重构来进行信号去噪.CWT 可以处理含时变振荡模式的低频振荡信号,且对模式参数具有较高的辨识精度.仿真算例验证了算法的有效性和适用性     

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。     

基于压缩感知估计行波自然频率的输电线路故障定位方法研究

提出了一种基于压缩感知估计行波自然频率的输电线路故障定位方法,能够准确估计多次行波自然频率,具有较高的故障定位精度。针对故障行波信号的频域特征设计了新的过完备字典,使行波信号能够被有效地稀疏表示。进行故障定位时,首先用小波模极大值方法确定故障行波信号的频率边界,并采用FIR滤波进行预处理滤除低频干扰成分,然后将其变换到频域使其能够在过完备字典上稀疏表示。在此基础上,该文利用改进的基于Dice系数的OMP算法(DOMP算法)对故障行波的频域信号进行重构,精确辨识行波信号的多次自然频率值,最终结合反射角和波速实现准确地故障定位。通过仿真分析验证了字典设计结合改进的DOMP算法的方法具有较高的定位精度和可靠性。     

基于小波去噪和随机子空间算法的广域低频振荡估计

电网规模的日益扩大使得广域低频振荡成为电力系统稳定运行中备受关注的问题之一,提出了一种利用小波软阈值去噪技术,首先对电力系统低频振荡数据进行预处理,然后采用随机子空间算法提取低频振荡信号特征的分析方法。该方法直接利用在线量测数据识别出系统的低频振荡及其特征参数,有效地克服Prony算法、自回归滑动平均算法及希尔伯特-黄等算法受噪声、系统实际阶数的影响大以及单一随机子空间辨识算法难以处理非线性、非平稳振荡信号的缺点。数值仿真及实例分析均验证了基于小波预处理技术的随机子空间算法在电力系统低频振荡分析中的可行性。     

一种低信噪比线性调频脉冲信号参数提取方法

本文提出了一种低信噪比条件下的线性调频(LFM)脉冲信号参数提取的新方法.该方法通过自相关滤波提取出LFM脉冲信号的频域参数信息,根据频域参数信息,确定小波分解尺度数和信号采样频率,使对采样数据的小波分解结果中,信号的小波系数在最大尺度上占优.然后利用信号和噪声的小波系数模极大值在不同尺度间的传播特性,分尺度对小波系数进行非线性滤波,并进行信号重构,得到提高了信噪比的重构信号,从该信号中可以较好地检测出原LFM脉冲信号的时域信息.仿真实验表明,该方法能在信噪比低于0 dB时实现LFM脉冲信号时频参数提取.     

小波降噪及Hilbert变换在电机轴承故障诊断中的应用

针对振动信号降噪处理及故障特征提取是机械故障诊断的重点问题,为了有效消除高频信号的影响,并充分提取出电机轴承的低频故障特征。提出利用小波降噪及Hilbert变换的方法对采集的电机轴承振动数据进行处理并提取其故障特征信息。首先,运用小波降噪对采集到的振动数据进行降噪处理,抑制噪声干扰,然后对其进行Hilbert变换解调出故障特征频率。通过对现场测取的轴承振动数据进行信号处理可以达到理想的诊断效果,由此得知,该方法能通过电机轴承振动信号进行故障特征信息处理,有效地进行轴承故障分析及诊断。     

Wavelet-based noise reduction for improved deconvolution of time-series data in dynamic susceptibility-contrast MRI

Dynamic susceptibility-contrast (DSC) MRI requires deconvolution to retrieve the tissue residue function R(t) and the cerebral blood flow (CBF). In this study, deconvolution of time-series data was performed by wavelet-transform-based denoising combined with the Fourier transform (FT). Traditional FT-based deconvolution of noisy data requires frequency-domain filtering, often leading to excessive smoothing of the recovered signal. In the present approach, only a low degree of regularisation was employed while the major noise reduction was accomplished by wavelet transformation of data and Wiener-like filtering in the wavelet space. After inverse wavelet transform, the estimate of CBF·R(t) was obtained. DSC-MRI signal-versus-time curves (signal-to-noise ratios 40 and 100) were simulated, corresponding to CBF values in the range 10–60 ml/(min 100 g). Three shapes of the tissue residue function were investigated. The technique was also applied to six volunteers. Simulations showed CBF estimates with acceptable accuracy and precision, as well as independence of any time shift between the arterial input function and the tissue concentration curve. The grey-matter to white-matter CBF ratio in volunteers was 2.4±0.2. The proposed wavelet/FT deconvolution is robust and can be implemented into existing perfusion software. CBF maps from healthy volunteers showed high quality.     

基于双树复小波变换信号去噪算法研究

离散小波变换被广泛应用于数字信号的去噪处理中,特别是非平稳信号、瞬时时变信号等的去噪,但是有平移敏感性的缺陷。为了克服这种缺陷,文中采用双树复小波变换进行信号去噪,并使用硬阈值、软阈值等准则进行滤波处理。最后采用SNR（信噪比）和MSE（均方误差）来评估两者信号去噪效果。结果表明,双树复小波变换能够较好的保存信号的细节信息,其去噪效果优于离散小波变换。