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.     

基于小波邻域阈值分类的电能质量信号去噪算法

提出了一种基于小波邻域阈值分类的自适应阅值电能质量信号去噪算法.首先结合所用小波函数,基于模极大值小波域确定最佳邻域窗口尺寸;然后利用各个尺度携带信号信息的小波系数其分布具有"簇聚"性质及其小波系数具有局部相关性,通过邻域阈值对小波系数进行分类,对分类后的"小"系数直接置零,对"大"系数则采用一种具有局部强相关性的零均值高斯模型,通过最小均方误差准则得到其估计.仿真实验结果表明,该算法对实际电能质量信号去噪是有效的,在去噪性能上优于常用的多种自适应阈值去噪算法.     

平稳小波域局部自适应绝缘子的红外热像去噪

为从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出了一种平稳小波域局部自适应绝缘子红外热像去噪方法。该法假设平稳小波变换子带系数服从拉普拉斯分布,利用最精细分解层子带系数估计噪声方差,使用待估计点圆形邻域系数估计信号方差,根据图像噪信比自适应调整邻域窗口大小,采用最大后验估计器局部自适应估计各高频子带小波系数,最后对处理后的小波系数进行平稳小波反变换得到去噪后图像。实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和平稳小波变换的贝叶斯阈值去噪法的信噪比更高,在有效去除图像噪声的同时,图像细节信息保留更完好。     

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。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,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。     

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。     

一种改进型小波阈值去噪算法的FPGA设计与实现

提出了基于现场可编程门阵列器件（FPGA）的一种改进型小波阈值去噪算法的设计与实现方案,利用Mallat快速离散正交小波变换算法,并在Altera QuartusII开发平台上采用Verilog HDL语言实现对含加性高斯白噪声的信号利用改进型阈值去噪方法进行处理。最后借助于ModelSim SE对含噪信号的处理进行验证仿真,仿真结果表明,该方案可以取得较好的去噪效果。     

基于改进的小波阈值的电能质量信号去噪

对于暂态的电能质量信号的监测,研究了一种用最大后验估计的双树复小波变换对电能扰动信号进行去噪高效算法。首先运用最大后验估计对扰动信号的改进的小波阈值进行去噪预处理,然后对于不同分解层的细节系数噪声方差和信号方差进行估算,并且运算出不同分解层阈值,从而得出去噪阈值。仿真实验结论表明:所提出算法步骤简单,计算速度快而且易于实现,去噪效果理想,具有很好的应用前景。     

一种基于复小波变换提取PD信号的分块自适应复阈值算法

基于复小波系数之间的相关性以及块阈值算法能充分利用周围小波系数的特点,创建一种用于复小波变换对PD信号的去噪的分块自适应复阈值算法,并与点自适应复阈值算法和分块自适应实阈值算法的去噪效果进行了对比.利用变化趋势参数(VTP)和波形相似性参数(NCC),并结合去噪前后的信噪比(SNR)对仿真PD信号的去噪效果进行综合评价.最后,将分块自适应复阈值技术用于对实验室实测的模拟GIS超高频PD信号的去噪.结果表明,采用分块自适应复阈值算法的复小波变换抑制白噪声效果更好,在保证高信噪比(SNR)或噪声抑制比(NRR)的情况下,对信号的畸变也更小.     

电能质量扰动的Block-Thresholding去噪方法

提出一种基于block-thresholding阈值估计量的电能质量扰动小波去噪算法.在小波域,各个尺度携带信号信息的小波系数其分布具有"簇聚"性质,即大部分系数成簇聚集在信号突变位置.所提算法将各个尺度的小波系数分成若干块,针对各个块进行阈值处理;而不像传统的小波阈值去噪算法,如Donoho等提出的VisuShrink那样预先确定一个阈值,对所有小波系数逐项比较进行去留处理.将所提算法与传统阈值去噪方法进行比较研究,仿真和实验结果表明所提算法在全局适应性和空间适应性方面的优越性.     

基于新阈值法的阈值-空域相关联合去噪法在局部放电信号中的应用

为了更有效地去除局部放电信号中的白噪声,提出了一种基于新阈值法的阈值-空域相关联合去噪方法,该方法首先提出了一种新的阈值选择方式,即对局部放电开始发生前的只含噪声的信号进行小波变换,将每层细节部分和最后一层近似部分的小波系数最大值作为该层阈值,再用该阈值处理经小波变换后的含噪局部放电信号,然后用空域相关法对阈值处理后的小波系数进行相关迭代运算,最后重构信号。整个去噪过程是自动的无须人工干预。仿真实验表明,与传统的去噪方法相比,该方法能更好地去除局部放电信号的噪声,具有较强的实用性。     

基于第2代小波的水电机组振动信号预处理

传统的小波去噪效果与选用的小波基函数有关，小波基函数选择不当会把信号的有用成分当成噪声去掉，给故障诊断造成困难。而基于提升算法的第2代小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数。文中提出采用基于提升算法的第2代小波变换来进行水电机组振动信号的去噪处理，通过分析提升算法的基本原理，使用第2代小波对水电机组振动信号在不同分辨率下进行分解处理，并使用阈值处理小波分解的细节系数，将处理过的细节系数和近似系数一起重构信号。仿真结果表明，采用第2代小波变换要优于传统小波变换的去噪效果，第2代小波在信号处理中有广阔的应用前景。     

局域自适应双变量收缩小波去噪

图像小波系数存在很大的相关性。考虑到小波系数层间相关性,引入双变量概率分布模型;基于贝叶斯估计理论,得到了相应的非线性阈值函数（双变量收缩函数）;基于小波系数层内相关性,利用双变量收缩提出了局域自适应收缩去噪算法。在实验中,将文中去噪结果与Donoho提出的硬阈值函数、贝叶斯收缩函数和HMT作了比较,实验结果显示该算法能获得更好的去噪效果。     

基于提升小波改进阈值的光谱信号去噪研究

对傅里叶红外光谱信号的预处理进行研究,分析了小波变换在光谱信号去噪中的应用,针对传统小波阈值去噪中存在的缺点,对阈值函数进行改进。改进方法通过保留部分低于阈值的分解系数,克服了硬阈值法不连续,以及软阈值法估计系数和真实系数具有恒定偏差的缺点。实验采用基于提升小波的改进阈值函数法对铜陵市市区上空空气实测光谱信号进行预处理,结果表明,与经典小波变换和Donoho软阈值、硬阈值法相比,相同条件下信噪比、均方差、运行速度均有所提高。     

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。     

一种基于小波邻域的半软阈值去噪算法

针对小波硬阈值去噪函数的不连续和软阈值去噪函数的恒定偏差导致图像边缘模糊的缺点,本文提出了一种新的半软阈值函数。该方法通过区分图像的强弱边缘分别进行处理,并在弱边缘小波系数的估计中采取基于贝叶斯估计的方法且考虑了邻域小波系数的大小。仿真结果表明,与原有的小波阈值去噪算法和普通的阈值去噪算法相比,该算法在峰值信噪比(PSNR)、边缘保持指数(EPI)和视觉效果上都有明显的提高。该方法能够很好地保护图像边缘信息,达到很好的去噪效果。     

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。     

X射线数字底片去噪方法的研究

为了有效去除X射线数字底片的噪声,本文研究和建立了X射线数字底片的噪声模型,在传统的小波萎缩阈值去噪算法基础上,提出一种改进型的阈值去噪算法.该算法对小波变换的各系数进行Bayes参数估计,并根据子图直方图对噪声进行参数估计从而进行阈值设置,阈值处理后通过小波逆变换还原图像.实验结果表明,该算法同传统图像去噪算法相比,图像处理后较光滑清晰,视觉效果好,具有较高的峰值信噪比,能满足X射线数字底片后续处理的要求.     

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.     

小波阈值估计在电力系统故障信号消噪处理中的应用

考虑电力系统中噪声因素对故障检测与识别的影响,在分析了噪声信号的小波变换特性的基础上,提出一种基于小波系数的阈值估计方法.应用该方法对电力系统故障暂态信号进行消噪处理,从而更有利于故障的检测与识别.通过仿真实例说明,在消噪效果和计算量等方面,该方法比其它传统阈值算法更具优越性.     

基于改进小波阈值的电能质量扰动信号去噪算法

针对传统软、硬阈值函数在阈值处不连续或存在恒定误差等问题,本文提出了基于小波变换的改进阈值去噪算法,在小波阈值去噪的基础上改进了通用阈值和阈值函数,通过峰和比PSR来估计出每层小波细节系数的有效信息与噪声的分布,使得修正因子可以根据每层噪声分布的不同自适应的修正阈值.之后提出了一种新的阈值函数,其能更有效地保留信号的扰动信息.仿真结果表明,该算法与传统方法相比提高了信噪比,减少了均方根误差,是一种有效的方法.