基于小波变换的局部放电软阈值消噪方法的研究

在阐述小波变换原理的基础上介绍了两种局部放电检测的软阈值消噪方法:Stein无偏风险阈值法和平均阈值法,并利用MATLAB对加入白噪声的局部放电信号模型进行仿真研究。结果表明,stein无偏风险阈值法对单指数振荡局部放电模型消噪效果好,但对于其他三种局放模型,波形失真严重,滤噪效果较差;利用平均阈值法能更好地实现从白噪声干扰中提取原信号。     

ECG信号改进阈值函数小波去噪算法研究

本文针对心电信号(ECG)微弱、频率范围低、易受噪声干扰等问题,提出一种改进小波阈值去噪算法。不但能通过可变参数h调节自身软、硬特性从而确定合适的阈值函数,而且根据分解层数不同,自适应地调整通用阈值。通过选取MIT-BIH库的部分数据,结合常见的三种小波基,进行实验验证。结果表明改进的小波阈值去噪算法可以有效抑制心电信号噪声,得到较好的信噪比,同时对MSE也有所改善。     

一种用CEEMDAN和排列熵去除脉搏信号噪声的方法

为去除脉搏信号中的噪声,提出了一种将自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和排列熵(permutation entropy,PE)相结合的方法。首先由HK-2000C脉搏信号传感器采集信号,对采集的脉搏信号用CEEMDAN得到一系列的本征模态分量(intrinsic mode function,IMF);然后计算各个本征模态分量的排列熵值,根据排列熵值选定阈值,确定并处理代表噪声的本征模态分量;最后对处理后的模态分量进行重构,从而消除脉搏信号中的噪声。实验结果表明,与经验模态分解(empirical mode decomposition,EMD)去噪方法和集合经验模态分解(ensemble empirical mode decomposition,EEMD)去噪方法相比,所提方法对脉搏信号去噪的效果更好。     

基于经验模态分解的电测井信号去噪研究

电测井方法所得到的信号含有一定的随机噪声,对原始信号进行处理之前需对其进行去噪。基于经验模态分解(EMD)得到的本征模态函数(IMF)具有自适应性、完备性、可重构性以及正交性和良好的时频聚集性等特点。因此,利用IMF分量去噪对于处理信号与噪声频率混叠的情况具有很好的效果,是一种多分辨率的去噪方法。本文采用一种首先经过经验模态分解,其次通过对部分IMF分量进行软阈值去噪的方法,研究结果表明,该方法能有效去除电测井信号的噪声干扰,且效果优于传统的小波软阈值去噪结果。     

高压电缆局部放电小波自适应阈值降噪方法

本文提出了一种小波自适应阈值降噪方法,不但能够较好的保证信号的局部化特征,而且能够从复杂干扰中有效提取局部放电信号,可用于高压电缆局部放电降噪。     

基于小波变换与EEMD的绝缘子泄漏 电流去噪方法研究

采用总体经验模态分解和小波阀值去噪相结合的方法对泄漏电流进行去噪处理。对泄漏电流信号首先进行总体经验模态分解,再对高频IMF分量按照4种阀值小波去噪方法(固定阀值法、启发式阈值法、自适应阈值法和极大极小阀值法)进行去噪,最后进行重构。以泄漏电流的3个特征量(有效值、3次谐波与基次谐波之比、波形)对去噪效果进行分析,综合比较得到采用总体经验模态分解与启发式阈值小波相结合的去噪方法的去噪效果最佳,采用该方法对实际污秽绝缘子泄漏电流进行去噪处理,去噪效果良好。     

模态相关法在MOA泄漏电流去噪中的应用

针对MOA泄漏电流幅值小,易受噪声干扰的问题。基于模态相关法基本原理,以求取相关系数第一极小值点为目标,首先使用检验模态分解法(empirical mode decomposition,EMD)对采集的含噪声泄漏电流信号进行固有模态函数(intrinsic mode functions,IMF)分解,求取各层IMF分量与原始信号之间的相关系数,得到第一极小值点,进而得到信号与噪声主导的IMF分量的分界点。最后通过重构有用信号的模态函数实现对MOA泄漏电流的去噪。计算发现:当泄漏电流信号信噪比分别为-1.1 d B、-3.2 d B、-5.1 d B和-6.7 d B时,使用模态相关法去噪后可将信号信噪比提高26.08 d B、24.17 d B、24.42 d B和23.80 d B;使用小波阈值去噪则可以分别提高21.06 d B、18.20 d B、17.48 d B和15.71 d B。两种算法的去噪效果明显。与小波阈值去噪法相比,模态相关法有较好的自适应能力,灵活度更高。对于准确监测MOA泄漏电流,及时发现MOA老化情况有指导意义。     

融合小波和形态学的避雷器在线监测方法研究

泄漏电流是对避雷器进行在线监测及运行状态评估的重要方法,但泄漏电流信号易受外界噪声干扰,而传统去噪方法存在去噪效果不理想的问题。本文提出了一种融合小波阈值去噪和形态学去噪的新型自适应去噪方法,该方法利用了小波阈值法在去除低幅值噪声和形态学法在去除高幅值噪声上的不同独特优势,并采用最速下降法对小波法的阈值和形态学法的权系数进行自适应优化确定。通过避雷器泄漏电流仿真信号和现场实测信号的去噪对比试验,结果表明:本文小波和形态学相融合的去噪方法具有很好的优越性和稳定性,可为避雷器泄漏电流信号处理及其在线监测提供有效的技术参考和指导。     

基于EEMD阈值的绝缘子泄漏电流去噪的研究

绝缘子泄漏电流信号的采集受很多噪声信号的干扰,直接使用将影响准确地提取其特征量,本文对基于EEMD(Ensemble Empirical Mode Decomposition)阈值的绝缘子泄露电流去噪方法进行研究,借鉴小波去噪的4种阈值方法对泄漏电流信号进行去噪,分别是自适应阈值、固定阈值、启发式阈值和极大极小阈值,对EEMD阈值的去噪方法进行研究,通过对去噪前后信号的波形、有效值和谐波幅值比这3个特征量进行分析比较,综合比较仿真和实测信号去噪前后的效果,得出固定阈值是EEMD去噪方法的最佳阈值。     

基于经验模态分解空域相关滤波的脉冲星信号消噪

针对脉冲星信号信噪比极低,且信号中有色噪声成分远大于高斯白噪声的特点,提出了一种基于经验模态分解(empirical mode decomposition,EMD)的脉冲星信号空域相关滤波消噪方法。首先建立脉冲星信号的分形高斯噪声模型,根据双对数功率谱密度估计分形高斯噪声的Hurst参数值;然后,结合脉冲星累积信号的窗口辐射特性和分形高斯噪声经EMD分解后的噪声分布特点,估计脉冲星信号各层内蕴模态函数(intrinsic mode function,IMF)中噪声的方差;最后,以IMF噪声方差为基础,建立EMD空域相关滤波方法并应用于脉冲星累积轮廓消噪。实验结果表明,与经典的平移不变小波阈值消噪法、平移不变小波空域相关滤波消噪法以及EMD模态单元比例萎缩消噪法相比,改进的EMD空域相关滤波消噪法在抑制脉冲信号中的噪声和保留更多的微脉冲特征细节信息方面更加有效。     

基于EMD小波的高速电梯振动信号去噪

结合经验模态分解与小波阈值去噪方法,提出基于EMD小波的高速电梯振动信号去噪方法,并对高速电梯振动信号进行了实例分析。结果表明,应用基于EMD小波阈值去噪方法相比于低通滤波去噪方法与单纯小波阈值去噪方法,具有更高的信噪比,能够提高分析的精度。有效保留了信号特征。     

噪声干扰对变压器局部放电定位方法的影响分析

目前,变压器局部放电的定位方法不可避免地受到噪声干扰信号的影响。指出了局部放电定位的路定位方法、场定位方法以及路（场）—场信号结合的定位方法存在的噪声信号干扰问题,阐述各类噪声的来源及特点,针对不同的噪声干扰,分析并探讨了硬件滤波、软件去噪声和盲信号去噪抗干扰措施。     

Steerable Pyramid分解域地震强随机噪声衰减

为解决油气地球物理勘探中地震资料的噪声问题,研究了Steerable Pyramid分解阈值去噪对地震资料强随机噪声背景下弱信号识别的影响。根据地震资料弱信号的Steerable Pyramid分解系数值较小的特点,从Steerable Pyramid分解域硬阈值去噪出发,采用降低阈值的方法保护Steerable Pyramid分解系数值较小的弱信号,同时针对时域噪声残留采用均值平滑的方法保证去噪效果。经过理论模型和实际资料实验,得出在Steerable Pyramid分解域采用硬阈值降阈值+均值滤波的方法可以从较强的噪声背景中识别出弱信号,并且保证信噪比有足够的提高;在去噪的同时,不但连续性好,反射强的同相轴得到了增强,而且即使连续性差,反射弱的同相轴也得到了有效的保留。采用本方法去噪伪影较少,剖面的保真度较高。     

基于小波变换的爆破地震信号阈值去噪的应用研究

运用小波变换多尺度分析的思想,在不同的尺度下观察信号不同的局部化特征。利用小波系数的统计特性和噪声本身的性质,应用信号特征估计信号中的噪声形态,提出了一种爆破地震信号小波变换阈值去噪的方法,在小波阈值去噪中准确估计噪声阈值水平,使在消除信号噪声的同时保留信号中弱特征成分。通过理论和实践证明了这种方法能够有效地消除爆破地震信号中的噪声。     

改进Hilbert-Huang变换的滚动轴承故障诊断

以自适应噪声完备集合经验模态分解(CEEMDAN)为基础,提出了一种改进的Hilbert-Huang变换(HHT)时频分析法。对滚动轴承振动信号进行CEEMDAN获得一组本征模态函数(IMF)。通过自动提取敏感IMF算法,筛选特征敏感IMF分量,计算特征敏感IMF分量的Hilbert包络谱和HHT二维时频谱,提取故障特征频率信息。研究结果表明:CEEMDAN算法有效降低了模态混叠,比经验模态分解(EMD)算法和集合经验模态分解(EEMD)算法具有优越性。将改进的HHT与自动提取敏感IMF算法相结合,可以有效分解信号的特征信息,筛选出含有故障特征信息的敏感IMF,剔除背景噪声和无故障IMF的干扰,有效提取轴承振动的故障特征频率,诊断出轴承故障的发生部位。     

基于AEEMD和改进DATA-SSI算法的桥梁结构模态参数自动化识别

模态参数作为桥梁结构最重要的动力参数之一,在实际运用中,可通过监测其变化情况来辨识结构的使用性能,精确地参数识别对保障桥梁健康运营具有十分重要的意义。鉴于此,该文对现阶段常用的振动信号降噪处理算法和模态参数识别算法进行了相应的改进。一方面,提出一种新的信号自适应分解与重构算法,即自适应总体平均经验模态分解算法（AEEMD）,该算法相比总体平均经验模态分解算法（EEMD）而言,能够根据信号的自身特征自动化确定添加白噪声的幅值标准差和集成平均次数|能更好地处理端点效应|同时还能够保证所得本征模态函数之间不存在模态混叠现象|最终实现有效IMF分量的自动化筛选和信号重构。另一方面,将多维数据聚类分析算法引入随机子空间算法中,并以频率值、阻尼比以及振型系数为因子建立判别矩阵,以智能化区分虚假模态和真实模态,最终实现模态参数自动化识别。文章最后分别用模拟信号和实际桥梁测试信号对所提算法的有效性进行验证,结果表明,该文所提算法能运用于实际桥梁结构的模态参数自动化识别。     

一种改进的瓷套式电缆终端红外图像边缘提取算法

红外热像仪测温是电气设备状态检测的重要手段。在实际应用中,存在红外图像边缘粗糙模糊、噪声干扰严重等缺点,这给红外图像处理带来了极大的不便,为此提出一种基于改进Sobel算子和自适应最佳阈值的边缘提取算法。该算法利用八方向模板的Sobel算子对含有噪声的红外图像进行高温目标区域的边缘提取;通过广义高斯分布(GGD)描述图像的小波子带系数,并基于其间系数的局部领域信息进行方差估计,由此得到自适应最佳去噪阈值;结合改进Sobel算子和最佳阈值,最终得到所需边缘提取图像。MATLAB仿真结果表明:该算法在有效检测红外图像边缘信息的同时,极大提高了图像的抗噪能力。     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.     

基于小波分析的电气火灾微弱信号检测研究

针对在探测电气火灾微弱的电流信号时传统的微弱信号检测算法或原理的局限性,在分析了小波变换信噪分离原理的基础上,提出了将小波分析与自适应滤波相结合的算法.通过小波分析对被检测的微弱电流信号的分解,为每个子带滤波器单独设计阈值,实现了从强噪声信号中提取微弱的表征电气火灾的电流信号.并通过仿真的结果验证了本算法的可行性和可靠性,为探测微弱电流信号从而实现早期电气火灾探测预报提供了新的探测依据和方法.     

基于EEMD阈值去噪的电能质量多扰动分类

针对含噪声的电能质量多扰动分类识别问题,提出一种基于EEMD阈值去噪的分类识别方法。首先依据源噪声信号在电能基波上不同频率和不同幅值叠加的特性,采用EEMD去噪法对信号源分解得到固有模态函数(IMF),消除高斯白噪声后,将得到的IMF分量转化为IMF能量值;最后,运用人工蜂群算法(ABC)优化在线极限学习机(OSELM)实现多扰动分类识别。MATLAB实例证明了提出方法的能够准确的对于扰动信号进行分类识别。