基于自定义阈值函数的小波去噪算法

基于硬阈函数和软阈函数的小波去噪算法处理的信号分别存在偏差和方差过大的缺点,为有效解决这一问题,提出基于自定义阈值函数的小波去噪算法。研究给出了一种改进型的自定义阈值函数,建立了该函数的数学模型,对基于该函数的小波去噪算法的去噪效果进行了仿真,并将该算法应用于实际的电能质量暂态信号检测之中。仿真和实验结果进一步表明了自定义阈值函数的优越性和基于自定义阈值函数小波去噪算法的有效性。     

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.     

基于自定义阈值函数的小波去噪算法

基于硬阈函数和软阈函数的小波去噪算法处理的信号分别存在偏差和方差过大的缺点,为有效解决这一问题,提出基于自定义阈值函数的小波去噪算法.研究给出了一种改进型的自定义阈值函数,建立了该函数的数学模型,对基于该函数的小波去噪算法的去噪效果进行了仿真,并将该算法应用于实际的电能质量暂态信号检测之中.仿真和实验结果进一步表明了自定义阈值函数的优越性和基于自定义阈值函数小波去噪算法的有效性.     

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。     

小波阈值去噪改进算法研究

提出了一种基于传统阈值去噪法的新的阈值函数,新阈值函数表达式简单易于计算,它既克服了硬阈值函数不连续的缺点,同时又克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,它具有硬、软阈值函数不可比拟的灵活性。仿真实验结果表明,新的阈值函数的去噪效果无论是在视觉效果上,还是在信噪比增益均优于传统的硬、软阈值方法。     

基于改进阈值和阈值函数的电能质量小波去噪方法

针对电能质量扰动类型多,成分复杂,扰动特征易被当作噪声去除等问题,提出一种改进小波阈值去噪算法。该算法通过计算每层小波系数的峰和比来确定该层噪声含量,使修正因子Fj可根据不同扰动信号的噪声分布特点自适应调整通用阈值。同时,提出了改进的阈值函数,可变参数a能调节自身软、硬特性从而确定合适的阈值函数。采用该算法对七种常见电能质量扰动信号去噪,仿真结果表明,改进小波阈值去噪算法在不同噪声干扰下,对各类扰动信号都能达到较好的信噪比,去噪效果稳定,重构信号波形恢复较好,且在去噪过程中保留了扰动特征,能为后续电能质量分析提供准确有效的信息。     

一种改进的小波阈值法在信号消噪中的研究

对于非平稳信号,小波多尺度分解是一种有效的信号去噪方法,在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,采用了一种改进的阈值函数,改进的阈值函数克服了硬阈值函数不连续的缺点,同软阈值函数一样具有连续性,而且解决了软阈值函数中存在的恒定偏差,同时它具有软硬阈值函数不可比拟的灵活性。仿真结果表明,采用了改进的阈值函数的去噪结果有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法。     

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 .     

小波去噪与压缩在电厂设备中的应用

为解决600 MW发电机组辅机设备噪音振动数据占用大量存储空间及缓解其数据传送压力问题,针对噪音振动数据的特点提出了一种基于小波阈值去噪和最优小波包压缩的压缩算法。新算法针对小波软硬阈值函数的不足,提出了新的阈值函数对噪音振动数据进行去噪;新算法使用相关系数法获取最优的小波基。仿真表明,改进阈值函数相对原阈值函数在保留高频原始信号的能力和去噪能力方面都有增强;使用改进阈值函数去噪后,小波包压缩能完整的重构信号。最优小波包压缩与改进阈值去噪算法已初步应用于岳阳电厂辅机设备的数据压缩,算法对节省硬盘容量、保护硬盘及高效的数据传送有着重要的作用。     

基于小波改进阈值的肌电干扰降噪研究与效果评估

肌电干扰是心电信号采集过程由于肌肉的轻微颤动引起的噪声干扰,因此需要对采集到的心电信号进一步的去噪.针对传统小波阈值去噪算法对心电信号去噪后存在信号震荡与失真问题,提出一种含有两个动态参数的改进小波阈值函数,通过动态参数可以对改进阈值函数进行整体和局部的调节,从而达到可以对不同程度的噪声进行去噪的目的 .为了验证新阈值函数的去噪效果,采用信噪比、均方差和心电信号的时频域特征3种评估指标,对改进的阈值函数和传统的肌电干扰去噪算法进行去噪效果的比较.研究结果表明,改进的阈值函数对心电信号去噪后的特征波形保存较好,克服了软、硬阈值函数的缺点,去噪后在平滑性和保真性方面表现良好.与传统肌电干扰去噪算法相比,对轻微噪声和严重噪声去噪后信噪比分别为38.7948和36.7212,均方差分别为0.0013和0.0018,去噪评估结果最好.     

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。     

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POA-VMD-WT的MEMS去噪方法

针对MEMS传感器所测得的加速度和角速度输出信号噪声较大问题,提出一种基于鹈鹕优化算法(pelican optimization algorithm, POA)的变分模态分解(variational mode decomposition, VMD)结合小波阈值(wavelet threshold, WT)的去噪方法。首先利用POA对VMD的参数组合进行优化选择,然后应用POA-VMD将含噪信号自适应、非递归地分解为一系列本征模态函数(intrinsic mode function, IMF)。再通过计算每个IMF的余弦相似度对IMFs进行分类,根据计算结果将IMFs分为噪声主导分量与信号主导分量,对分类后的噪声主导分量进行改进小波阈值去噪处理,最后对处理后的噪声分量与信号主导分量进行重构,获得降噪后的MEMS传感器信号。静态和动态实验结果表明,该方法去噪处理后信号的信噪比分别提高12和10 dB,均方误差分别降低75.5%和46.6%,去噪效果显著,能够提高MEMS传感器的精度。     

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.     

一种用于信号去噪的小波阈值去噪算法

小波阈值去噪过程中,硬阈值函数由于在阈值处不连续导致震荡现象、软阈值函数由于存在固定偏差导致信号失真的现象、现有文献所设计的阈值函数也或多或少存在各种不足,为了克服上述阈值函数的问题,提出了一种新的阈值函数。该阈值函数由于结合了逻辑斯蒂曲线即S曲线,使其不仅具有连续性、高阶可导的常见特点,而且具有在阈值处平滑过渡的较好光滑性、非分段函数的特点。利用MATLAB软件进行仿真实验,从主观视觉角度、客观参数信号信噪比及信号均方根误差角度进行实验分析,对比主、客观实验结果发现,基于新阈值函数的小波去噪算法不仅去噪视觉效果最接近于原始信号,而且综合评价参数较高,验证了该小波阈值去噪算法的有效性。     

小波阈值去噪函数的改进方法分析

小波阈值去噪是一种简洁有效的去噪方法,传统阈值去噪法包括软、硬阈值法,它们在实际应用中取得了很大的成功,但同时也存在一些有待改进的地方。为此,介绍了3种国内外有代表性的小波阈值函数改进方法,并在传统阈值函数的基础上提出了一种新的双变量阈值函数。对局部放电仿真信号进行的去噪分析结果显示,改进阈值函数在信噪比增益和最小均方误差意义上要优于传统的软、硬阈值函数,其中新的双变量阈值函数在4种改进阈值函数中具有最优的去噪性能。     

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。     

基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解(EMD)的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数(IMF)的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。