基于多尺度Gabor变换的人脸识别算法优化

针对人脸识别中的光照变化和姿态问题,提出首先获取已经过归一化处理的人脸图像(几何尺寸归一化和光照归一化),然后利用多尺度二维环形对称Gabor小波变换对归一化的人脸图像进行特征提取,再用局部二值模式对高维数据进行降维,最后使用直方图交的方法进行人脸相似度判决,从而实现较高识别率的实时人脸识别.实验表明,在FERET、Y...     

小波去噪在动态负荷建模实测信号中的应用

动态负荷模型及其参数辨识是影响电力系统稳定性分析的重要因素。针对具体电网节点,采用实测数据进行模型参数辨识可以得到适用的负荷模型,本文重点对实测信号的去噪处理环节进行研究。采用均值滤波、中值滤波和小波去噪三种方法对用于动态负荷建模的实际测量电力信号进行去噪处理,通过对去噪信号波形的定性分析和对去噪信号与仿真结果信号的定量比较,表明小波去噪方法即能对测量信号具有平滑作用,又能跟随信号的突变,而且对于动态负荷模型曲线有很好的逼近特性,在动态负荷建模的实际测量信号去噪中具有潜在的应用价值。     

基于 GA-BP 的改进高斯均值区域去噪技术

光纤连接器因其在光传输系统中的重要作用而备受关注,但是其表面附着的杂质会使复原的表面形貌出现噪点。而且现有的检测方法无法准确定位噪点,需要对其进行多次整体降噪处理,以此得到的图像细节保留能力较差。为此提出了一种基于遗传算法优化BP神经网络(GA-BP)的改进高斯均值区域去噪技术。首先,对干涉数据进行降维处理;其次,将降维后的数据作为神经网络的训练数据,利用神经网络对噪点进行定位;最后,采用改进的高斯均值滤波对三维图像的噪点位置进行滤波处理。结果表明,通过神经网络判别法得到的噪声像素点为2.45%,相比于阈值判别法具有较高的精度。并且通过改进的高斯均值滤波方法得到的方法噪声差值为474.7,峰值信噪比(PSNR)值为32.56。相比于均值和中值滤波方法,图像细节保持能力较高,复原图像噪点凸起明显减少。因此,它更适用于基于白光干涉原理的自动化检测。     

基于改进DTCWT和引导滤波的低剂量CT图像降噪

针对低剂量计算机断层扫描(CT)图像噪点较多和空间分辨率低的问题,提出了一种基于改进双树复小波变换(DTCWT)和引导滤波的低剂量CT图像降噪方法。首先使用DTCWT对低剂量CT图像进行多尺度分解,对高频子带系数使用拟合优度检验框架进行去噪,对低频子带使用三边滤波进行降噪,逆DTCWT重构得到初始去噪图像;然后使用降噪并插值的低频子带图像作为导向图像对CT图像进行引导滤波;接着结合初始去噪图像和引导滤波的去噪结果生成细节残存图像;最后用3维块匹配滤波(BM3D)阈值算法对细节残存图像进行二次去噪,叠加两次去噪结果得到最终去噪图像。实验结果表明,该方法优于其他传统图像去噪算法,在抑制噪声的同时,良好地保留了图像的边缘轮廓和纹理特征,对低剂量CT图像有着显著的去噪效果。     

基于逐层最优基小波和贝叶斯估计的电缆瓷套终端红外图像自适应去噪方法

抑制图像噪声是电气设备红外诊断技术的前提。为了有效抑制白噪声,提高诊断的准确性,提出一种用于电缆瓷套终端红外图像的基于逐层最优基小波和贝叶斯估计的自适应去噪方法。该方法首先将红外图像真彩图分解为R、G、B颜色分量图像。对每一颜色分量图像,定义小波分解尺度系数能量百分比,基于能量百分比最大的原则,自适应选取最优基小波对颜色分量图像逐层进行小波分解,并结合Bayes最优估计准则对细节小波系数进行处理,对尺度系数和处理后的小波系数进行逐层小波重构,得到去噪后的颜色分量图像。将去噪后的颜色分量图像进行合成,得到去噪后的图像。该方法能够有效地去除白噪声,并且使去噪后的图像尽可能保留细节信息。数值试验表明,与运用sym4小波进行单一小波分解去噪方法比较,运用该方法去噪后图像的信噪比(SNR)更高,最小均方误差(MSE)更小。     

基于EMD的图像信号去噪的改进算法

根据EMD对图像信号进行分解,本文讨论了采用硬阀值去噪声和软阀值去噪的方法的优劣性,并提出了EMD＋SG滤波器组合去噪的方法,对前N／2个IMF采用SG滤波器对每一数据点的一个邻域（长度为n的滑动窗口）进行滤波,用一元P阶多项式根据最小二乘法准则,拟合出邻域内的最佳值作为去噪后的数值,再与后N／2个IMF进行图像重构。实验表明,该算法比其它算法具有较好的去噪效果。     

基于小波去噪和暂态电流能量分组比较的小电流接地选线新方法

分析了故障选线的现状和基于故障暂态电流选线的优势,提出了消弧线圈接地系统中基于小波去噪和暂态电流能量分组比较的选线新方法。该方法先将含噪电流信号进行小波软阈值消噪,然后将去噪后的信号排序,分组求能量并归一化,接着对其进行阈值处理即可得到各个出线的累加变量值,比较这些值的大小,便可选出故障线路。该方法不受补偿度、故障地点、过渡电阻、负荷大小和故障相角的影响,原理简单、可靠、计算量小、抗干扰能力强,仿真证明了该方法的有效性。     

基于多维特征的电网台区线损数据异常识别研究

随着智能电表及用电管理终端的广泛应用,电网台区相关监测终端每天可收集到海量线损数据,并且可对存在的异常情况进行识别。但是数据噪声对电网台区线损数据的干扰,导致识别的准确率和召回率下降。针对这些问题,提出了一种基于多维特征的电网台区线损数据异常识别方法。该方法首先将电网台区线损数据样本形成对应的二维数据,采用二维小波阈值法进行去噪。根据去噪后二维数据的位置特征以及时间数据特征,对Hasusdorff距离公式进行改进,用以计算电网台区线损数据的多维特征相似度,得到线损数据之间的相似性矩阵。最后将多维Hasusdorff距离应用到层次聚类算法中去识别电网台区线损数据中的异常。仿真实验结果表明,所提方法的准确率和召回率较高。电网台区线损数据异常识别时间较短,满足工程实际使用要求。     

基于小波去噪的电力系统日负荷分析

介绍了小波去噪的基本原理及方法,简要说明了其消噪的步骤。进一步说明了小波包去噪的原理和步骤,并给出了1个给定含噪信号去噪的实例。由于影响日负荷因素的复杂性,本文采用4个气象指数来量化温度、湿度和风速等气象因子对负荷的综合影响。首先介绍了小波去噪原理,然后通过小波去噪消除负荷和气象数据中的伪数据和噪声。结果表明,去噪以后从关联性上看效果显著,为最终进行负荷预测工作提供指导依据。     

基于小波去噪和暂态电流能量分组比较的小电流接地选线新方法

分析了故障选线的现状和基于故障暂态电流选线的优势,提出了消弧线圈接地系统中基于小波去噪和暂态电流能量分组比较的选线新方法.该方法先将含噪电流信号进行小波软阈值消噪,然后将去噪后的信号排序,分组求能量并归一化,接着对其进行阈值处理即可得到各个出线的累加变量值,比较这些值的大小,便可选出故障线路.该方法不受补偿度、故障地点、过渡电阻、负荷大小和故障相角的影响,原理简单、可靠、计算量小、抗干扰能力强,仿真证明了该方法的有效性.     

基于改进天牛须搜索算法优化LSSVM短期电力负荷预测方法研究

为提高短期电力负荷预测精度,提出了一种天牛须搜索算法优化的LSSVM短期电力负荷预测模型。引入模拟退火算法的蒙特卡洛法则对优化算法进行改进,提高了该算法的稳定性。将改进BAS算法优化后的LSSVM模型用于短期电力负荷预测问题。使用小波阈值去噪处理电力负荷数据,减少一些不确定性因素对负荷预测的影响,提高了预测精度。选择四川某地区电网实际历史负荷数据进行分析和预测,并与PSO-LSSVM、LSSVM预测模型进行对比分析。算例结果表明,所提出的IBAS-LSSVM预测模型与LSSVM相比预测精度提升了1.5%左右,与PSO-LSSVM相比算法运行时间缩短了70%,且算法稳定性更高,证明了该方法的实用性与有效性。     

一种改进小波阈值的电力线通信信号消噪方法

电力线通信信号包含大量噪声干扰,这些噪声严重干扰电力线通信,为此,提出一种改进阈值法和平移不变小波相结合的消噪方法.该方法对含噪的电力线通信信号进行小波分解,对分解后不同尺度下的小波信号进行平移不变并同时按改进阈值法进行处理,最后重构信号.以实测信号为例,提取去噪前后信号波形和误码率2个特征量,与传统消噪方法相比较,结...     

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。     

基于小波自适应阈值滤波的VMD降噪方法

本文提出了一种基于小波自适应阈值滤波的可变分模式分解（VMD）降噪方法。该方法降噪过程为：先将含噪声信号进行VMD分解,进而将VMD分解分量中含大部分噪声的高频模态分量进行小波自适应阈值滤波降噪,滤波降噪后的分量与其他模态分量重构降噪信号。三个实例表明：所提方法能有效减低信号噪声,适应性广。 关键字：可变分模式分解（VMD）;小波变换; 自适应阈值     

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。     

小波奇异性检测在负荷数据纠错和平滑处理中的应用

历史负荷数据是负荷预测和负荷特性分析的基础,错误数据和噪声会影响负荷预测和负荷特性分析的精度,在使用前必须做纠错和平滑处理,错误数据可以被看成是负荷曲线中的奇异点及不规则的突变部分。而小波变换系数模极大值的位置和幅度同信号的局部奇异性密封相关,利用这些极大值可以检测出信号的局部奇异性。该文根据小波变换模极大值同奇异点的关系,提出了一种根据小波奇异性检测确定负荷数据中错误的位置及类型的方法。所提方法通用性强,在纠错的同时可以进行消噪平滑处理,对实际负荷数据的计算也证明了该方法的有效性。     

基于小波去噪-KPCA神经网络的光伏功率预测方法

为了提高光伏发电功率的预测精度,提出了一种基于小波去噪/聚类/核主成分分析(KPCA)神经网络的光伏发电功率预测方法。首先,应用二维小波阈值去噪法预处理光伏出力数据;然后,应用k-means算法将预测模型分为4种不同模式下的子预测模型;引入KPCA对输入空间降维重构,利用粒子群优化(PSO)神经网络算法建立基于聚类/KPCA/神经网络的光伏发电功率预测模型。采用某光伏电站的实例数据进行预测分析,结果表明该模型实现了不同模式下的光伏出力较为精准的预测,显示出良好的预测性能,验证了预测模型的可行性和有效性。     

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。     

变压器局部放电监测逐层最优小波去噪算法

针对用于局部放电监测的去除白噪声算法会造成去噪脉冲信号波形畸变,脉冲幅值等波形参数产生较大误差,不利于进一步采用脉冲波形分析去除脉冲干扰的问题。为此根据局部放电信号在小波域上的分布特点,提出了各尺度信号分解和重构的最优小波选择方法,并给出了各尺度小波阈值的计算方法。仿真信号的最优小波去噪结果显示去噪信号具有波形畸变率低和幅值误差小的特点;实测信号的最优小波去噪结果证明提出的最优小波去噪算法能有效去除局部放电监测信号中的噪声,在局部放电在线监测应用中具有良好的去噪效果。