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。     

小波域信号去噪算法

小波变换是在信号处理方面是非常有用的工具,利用小波变换对信号进行去噪能达到很好的效果.文中提出新的小波域去噪模型,试验证明其去噪效果非常好且计算量小容易实现.在工业信号处理方面可以得到广泛的应用.     

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。     

电能质量信号的小波软阈值去噪方法

基于DONOHO的软阈值去噪方法,提出了一种改进的小波软阈值算法。该算法利用高斯白噪声的正态分布特点、3Σ法则和小波变换系数的分布特点,在有效去除白噪声的同时较好地保留了信号的局部特征,且不受采样点数的影响。MATLAB仿真表明,该法在较强白噪声干扰下仍能有效去噪,较之无偏风险、固定阈值、启发式阈值、极大极小值等去噪方法更为有效,特别适于强噪声背景下弱信号的提取。     

电能质量扰动信号的自适应去噪方法

有效地降低电能质量信号中的噪声,是做好电能质量信号检测、识别等工作的基础。为了克服一维电能质量信号降噪的难点问题,即有效地去除噪声并完整地保留奇异点的特征,对目前图像处理领域中针对高斯等噪声降噪性能最好的基于块匹配的三维变换域联合滤波(BM3D)算法进行了改进,提出一种电能质量扰动信号的自适应去噪新方法。该方法参数较少,无需估计噪声方差,也无需人为设定滤波阈值,而是通过自适应估算较为准确的阈值实现离散余弦变换(DCT)域的滤波。通过对电压中断、电压暂降、电压暂升、脉冲暂态、振荡暂态和谐波这6种常见的电能质量信号进行降噪仿真实验,并与应用较为广泛的小波阈值去噪法进行对比分析,最后应用于实际电能质量扰动数据的降噪,验证了所述算法的有效性。     

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...     

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.     

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.     

电能质量信号去噪方法研究

电能质量信号中除了分析电能质量信号有用的信号外,还包含大量的噪声信号.介绍对现有电能质量信号去噪方法进行的分类;对近年来兴起的具有很好发展潜力的几种电能质量信号去噪方法进行描述;对其优缺点进行了总结;对今后电能质量信号去噪的研究方向进行了展望.     

一种改进EMD-SVD算法的暂态电能质量扰动信号消噪研究

针对小波变换在暂态电能质量消噪方面对高频有用信号误滤除,造成消噪后信号失真严重,或毛刺过多现象,提出一种结合经验模态分解(EMD)的改进奇异值分解(SVD)降噪方法,该方法采用EMD将噪声信号进行初步滤除,通过构造Hankel矩阵,利用左右奇异向量确定奇异矩阵,根据奇异值的分布规律,提出一种改进的奇异值差分方法来确定有效奇异矩阵阶次,从而完成消噪后信号的重构.结果 显示该方法去噪效果较好,特别对电压暂降和电压中断的效果最为明显,其信噪比分别提高了2.9 dB和7.3 dB以上,验证了所述方法的有效性.     

基于小波阈值的电力谐波信号去噪研究

电力系统不同程度的噪声污染会影响谐波检测的准确性,传统小波阈值去噪方法在工程实际应用上有诸多缺陷,例如硬阈值函数在阈值处不连续、软阈值函数存在固定偏差,量化规则缺乏尺度自适应性等。鉴于此我们从阈值函数和阈值量化规则两方面改进小波阈值去噪,文中使用改进的软硬阈值折衷函数结合分层阈值选取规则对模拟谐波电力信号去噪。在MATLAB环境下仿真模拟染噪电力谐波信号使用传统和改进阈值方法去噪,从三个去噪效果衡量指标定量分析,结果表明,改进阈值去噪方法提高了重构信号的输出信噪比,降低了均方根误差和平滑度,在不牺牲计算复杂度的条件下可灵活有效去噪。     

基于变分模态分解的光纤电流传感器小波去噪方法

为了提高光纤电流传感器测量信号的信噪比和测量精度,提出一种结合小波分析的变分模态分解去噪方法.该方法利用消除趋势波分析确定变分模态分解层数,并且采用互信息法确定相关模态,筛选出含噪声量较大的不相关模态,对不相关模态用sym8小波变换进行去噪处理,在此基础上进行信号重构,保证信号特征和完整度.在仿真的基础上,对光纤电流传...     

单相三电平整流器双滞环SVPWM电流控制方法

基于电压空间矢量分析原理,提出了一种适用于开关管钳位混合单相三电平整流器的双滞环SVPWM电流控制方法。分析了单相三电平整流器的工作模式,提出了一种四态双滞环比较器来控制电流内环。根据输入比较器的误差电流大小,输出四种状态值,结合由电动势与预测电流离散化计算得到的指令电压矢量的所在区域,选择最佳开关输出矢量,使得电流误差控制在系统要求范围内。通过Matlab仿真,比较了跟踪电压矢量、两态单滞环、四态双滞环SVPWM电流三种控制方法,仿真结果验证了四态双滞环电流控制的优越性,通过小功率样机实验验证了双滞环控制算法的可靠性。     

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EMD方法的电力载波通信中的信号检测

传统的电力载波通信中的信号检测方式已不能满足对更高通信质量的要求。提出了一种采用经验模态分解检测通信信号的新方法:对采集到的一路电网电压信号进行经验模态分解,得到一组固有模态函数,比较它们与通信信号的先验知识间的互相关系数,找出相关系数最大的那个,它就是通信信号。实验结果表明:这种方法在检测电力载波通信中的通信信号是有效且可行的。     

基于EMD方法的电力载波通信中的信号检测

传统的电力载波通信中的信号检测方式已不能满足对更高通信质量的要求.提出了一种采用经验模态分解检测通信信号的新方法:对采集到的一路电网电压信号进行经验模态分解,得到一组固有模态函数,比较它们与通信信号的先验知识间的互相关系数,找出相关系数最大的那个,它就是通信信号.实验结果表明:这种方法在检测电力载波通信中的通信信号是有效且可行的.     

基于稀疏分解的复合电能质量扰动分类

针对复合电能质量扰动分类问题,提出了一种基于稀疏分解的分类新方法。该方法通过构建正余弦字典、脉冲字典将电能质量扰动信号分解为近似部分和细节部分,并从中提取了8个特征量。将特征向量输入改进支持向量机中可实现30种复合扰动的准确分类。基于MATLAB生成数据和真实电网数据的仿真结果表明:针对稀疏分解得到的特征向量,改进支持向量机的分类精度高于BP网络和极限学习机;文中方法对单一扰动及复合扰动均有较强的分类能力,且具有一定的抗噪声能力。     

基于S变换的电能质量扰动信号特征分析

针对电网中谐波、电压暂降等电能质量问题,提出了一种基于S变换的扰动信号特征分析法。用Matlab对信号进行时频分解,通过分析各扰动信号经S变换的相关特性曲线,得到扰动的起始时刻、结束时刻、幅值、频率成分以及相位变化等特征。仿真结果表明,S变换能准确检测出各种扰动信号的特征,对电能质量问题的治理有重要意义。     

一种基于径向基神经网络的短期风电功率直接预测方法

提出了一种基于RBF神经网络的未来24 h风电功率直接预测方法。为克服传统聚类算法局部寻优的缺陷,基于模糊C-均值聚类算法,提出了一种将遗传算法、模拟退火算法和模式识别技术相结合的模糊聚类算法。基于某风电场的实测数据,采用所提出的模糊聚类算法和几种常用方法分别确定径向基函数的中心,并采用最小二乘法解决权值学习问题。预测结果表明了基于RBF神经网络的风电功率预测方法能够有效提高预测精度,且证明了所提出的模糊聚类算法的优越性。