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。     

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。     

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.     

改进阈值函数的小波去噪算法

针对小波软、硬阈值函数去噪后信号存在局部震荡和边缘模糊导致去噪效果不佳的问题,研究了小波去噪原理和优化阈值函数的规则,设计了一种具有连续性、灵活性和恒定偏差小的可调阈值函数,提出了一种基于改进阈值函数的小波去噪算法,将其应用于含有高斯白噪声的信号中进行去噪。实验表明,相较于传统方法,所提方法对仿真信号和心电信号都具有灵活性和适用性,并且去噪后信号的信噪比提升了16.21%,皮尔逊相关系数增大了1.62%。因此,本文所提算法具有可行性,可有效保留特征信息,去噪效果更加理想。     

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.     

故障分析中的小波软阈值改进除噪方法

软阈值消噪是信号消噪中的标准算法。故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征。通过分析信号和噪声的小波系数在小波空间的不同特性,在"噪声强度估计"、"阈值选择策略"和"小波系数调整策略"三个方面对软阈值除噪技术进行了改进。仿真研究表明改进方法较好地解决了保护信号局部特征和抑制噪声之间的矛盾,并对各种类型的故障信号均能进行有效的分析。     

故障分析中的小波软阈值改进除噪方法

软阈值消噪是信号消噪中的标准算法.故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征.通过分析信号和噪声的小波系数在小波空间的不同特性,在"噪声强度估计"、"阈值选择策略"和"小波系数调整策略"三个方面对软阈值除噪技术进行了改进.仿真研究表明改进方法较好地解决了保护信号局部特征和抑制噪声之间的矛盾,并对各种类型的故障信号均能进行有效的分析.     

采用改进CPSO动态搜索时频原子的电能质量扰动信号去噪方法EI北大核心CSCD

针对电能质量扰动信号噪声抑制中的难点问题,即有效滤除噪声的同时又能较好地保留信号奇异点信息,提出一种采用改进混沌粒子群(ICPSO)动态搜索时频原子的电能质量扰动信号去噪方法。首先,构建了与电能质量扰动信号时频特征相匹配的过完备原子库,采用正交匹配追踪(OMP)算法求解信号稀疏模型,同时采用ICPSO算法对时频原子匹配过程做进一步优化。然后,以残差比阈值确定迭代终止次数,利用最佳匹配原子和稀疏系数重构原始信号,实现信号去噪的目的。运用文中介绍方法对6种典型的电能质量扰动信号进行去噪处理,并与形态学滤波和小波阈值去噪2种方法进行对比。仿真结果表明,文中方法在有效去除噪声的同时,能完整地保留突变点信息,去噪结果准确性高。     

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。     

一种改进的罗兰C信号联合去噪方法

模拟滤波器精度低,去噪能力较差。为了能够有效去噪,提出了多尺度阈值与FIR滤波联合去噪的方法。利用该方法,在改进阈值算法下对实际采集的罗兰C信号进行了仿真分析与比较。结果表明,改进的阈值算法能够更好的反映小波分解系数细节部分的动态变化,提出的联合去噪方法能够有效滤除噪声,对罗兰C接收机的数字化设计具有重要参考价值。     

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CEEMDAN与小波自适应阈值的去噪新方法

一维电能质量信号中通常含有不同程度的白噪声,高效去噪是对电能质量信号进行检测与识别的重要前提。为了能有效地消噪并完整还原信号的奇异点等真实信息,提出了基于自适应白噪声的完备总体经验模态分解(CEEMDAN)与小波自适应阈值的去噪新方法。首先通过自相关法对CEEMDAN分解得到的含噪高频固有模态函数(IMFs)进行筛分;然后对这些高频分量进行小波自适应阈值降噪,这样就保留了高频部分的有效信息;最后与低频IMFs进行信号重构。仿真结果表明该方法去噪效果好,有效地保留了高频成分中的真实信息,为电能质量信号去噪提供了新思路。     

一种基于新型小波阈值去噪预处理的EEMD谐波检测方法

为了提升经验模态分解(EMD)用于谐波检测的效果,用集合经验模态分解(EEMD)消除了EMD谐波检测的模态混叠问题。通过研究发现采样信号中的噪声会对EEMD的分解产生较大影响,提出了一种基于新型小波阈值去噪预处理的EEMD谐波检测方法。该方法首先采用变换小波系数精确选取小波阈值,然后采取软硬阈值相结合的方式,以消除随机噪声,再将去噪后的信号进行EEMD分解。经仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EEMD谐波检测的精度与适用性。同时与原有EEMD算法相比,所提方法在分解速率上平均提高了大约3.8倍,有效分量与原始信号的相关度平均提升了22.5%。