小波包在暂态电能质量分析中的应用

对小波包在暂态电能质量现象分析中的去噪、数据压缩及特征提取几方面进行了阐述 ,并对电压骤降信号进行仿真。其结果表明 ,利用阈值方法 ,小波包的去噪效果要明显优于小波变换 ;利用其对高频再次分解的特性 ,通过对分解系数的处理 ,能有效地实现暂态非平稳信号时数据压缩和特征提取     

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。     

基于提升小波分解的小波熵在抑制局部放电白噪声干扰中的应用

抑制白噪声干扰是局部放电在线检测中的关键技术。文中提出了一种基于小波熵的局部放电信号去除白噪声方法:先将信号进行提升小波分解;再对最高一层的低频系数和不同分解尺度上的高频系数进行阈值及量化处理;利用经过阈值处理过的最高一层的低频系数和各分解尺度的高频系数重构信号,去掉白噪声干扰。计算机仿真分析和现场数据处理表明,文中提出的提升小波熵分层软阈值去噪法可以有效地滤除局部放电信号中的白噪声,在抑制白噪声的性能和稳定性方面优于提升小波软阈值法。     

基于小波阈值的局部放电去噪新方法

针对局部放电信号去噪,传统的小波阈值法因小波基、阈值和分解层数这三个因素的影响,会使去噪后的波形发生畸变,产生较大误差。为了减小这些因素的干扰,本文提出了基于小波阈值去噪的新方法。首先利用波形相似法选取最优小波基,其次通过对理想局部放电信号和高斯白噪声进行每个尺度的小波分解与重构,并结合统计学知识确定局部放电信号去噪的阈值,最后对高频信号和低频信号进行能量分析,确定最优的分解层数。利用该方法和传统的小波阈值法对仿真放电信号去噪,去噪结果表明新方法在信噪比、均方根误差、相关系数和波形畸变率四个不同的指标上都得到了有效的提升,定性和定量的分析验证了该方法的有效性,实测的去噪结果表明新方法去噪效果令人满意,为局部放电信号去噪提供了一种新思路。     

二维离散小波变换在电能质量检测数据压缩中的应用

提出了用二维离散小波变换和能量阈值相结合的方法来解决电能质量扰动信号的压缩问题.利用二维db小波变换对矩阵数据分别进行行卷积和列卷积,把检测数据的高频信号和噪声信号分解在3个不同的方向上,且信号的能量集中在很少的小波系数上.再通过改进的能量阈值法,利用能量均值修正系数设置阈值使得压缩后的能量保留在99%以上,从而保证了重构信号的失真度很小且自适应地消除了加在扰动信号上的噪声.对6种扰动信号进行仿真并与小波包的压缩结果进行比较,结果表明该方法极大地提高了压缩率,并对噪声干扰有很好的去噪能力.     

基于SVD分解和小波去噪的振动位移提取∗

针对奇异值分解提取振动位移信号中存在白噪声的问题,提出采用小波去噪的方法进行信号去噪处理.首先采用奇异值分解提取图像序列中的振动信息;然后采用小波去噪方法进行去噪处理,针对传统固定阈值会导致每层小波分解系数做同样处理的问题,提出了一种改进型阈值;最后通过对比不同小波函数的去噪效果,确定最优小波函数.仿真和实验结果表明,该方法是有效的.     

基于自适应阀值的小波全频降噪方法研究及实现

在含噪信号中提取有效的局部放电信号时,传统的小波阈值降噪方法只对小波分解的高频部分进行降噪处理,而忽略了低频部分噪声对局部放电信号的影响。针对该方法的缺陷,本文提出一种基于自适应阈值的小波全频降噪方法。该方法根据噪声的小波分解系数随尺度增大而减小的特点,采用随尺度变化的自适应阈值对高频部分噪声进行处理,采用传统的固定阈值对低频部分噪声进行处理,从而实现对局部放电信号的小波全频降噪处理。实验数据表明:与传统的小波阈值降噪方法相比,小波全频降噪方法的均方根误差降低了19.3%,噪声抑制比和噪声降低水平分别提高56.4%、10.8%。由此验证了自适应阈值的小波全频降噪方法的降噪效果优于传统小波阈值降噪方法。     

改进阈值函数的小波熵方法抑制局部放电白噪声的研究

针对传统硬阈值法和软阈值法的缺陷,提出了改进阈值函数的小波熵方法。该方法对含噪局放信号进行小波分解,基于小波熵自适应选取阈值,并引入一种改进阈值函数对小波系数进行处理,最后重构得到去噪后信号。典型仿真信号和实测信号的去噪结果表明,提出的方法能够有效去除局放信号中的白噪声。     

基于变分模态分解的变压器有载分接开关振动信号去噪分析

针对变压器有载分接开关振动信号中的环境噪声影响后续特征提取与识别的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)与小波包阈值的去噪算法。首先对信号进行VMD分解,得到一系列窄带、中心频率区分度较好的模态分量。然后对各模态分量分别进行小波包阈值处理,利用均方根误差、信噪比及平滑度构成的复合评价指标确定最佳分解层数,得到最优的去噪效果。最后重构得到去噪后的振动信号。在变压器有载分接开关模拟试验平台上进行试验,并对采集的振动信号进行去噪分析,结果表明该方法的效果优于常用的去噪方法。     

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。     

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。再利用基追踪去噪算法对得到的小波系数进行优化处理。最后对优化的小波系数进行重构,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。     

基于小波包变换的电压骤降信号分析

电压骤降是暂态电能质量问题中最常见的现象,对其进行准确的检测是控制和治理的前提。小波包变换是小波变换的进一步完善和发展,其均等划分频带特性使之具有比小波更好的时频分辨率。利用此特性,信号被分解到小波包平面,根据有用频带信息,提取电压骤降信号的特征分量;对信号中混有噪声和数据量过大的情况,利用软阈值法同时进行去噪和压缩处理,并对调节系数对软阈值法处理的影响进行了分析。仿真结果表明,小波包变换也是分析电压骤降信号的一种有效方法。     

EMAT回波信号提升小波降噪最佳分解层数研究

分析了分解层数不同时重构信号间的最小均方误差变化趋势并根据分析结果结合高频系数白化检验自适应确定了最佳的分解层数。讨论了提升小波变换的提升算法以及新的阈值函数,使用了基于提升小波变换的改进阈值函数的方法和选取了一种最优的阈值方法并结合最佳分解层数对电磁超声回波信号进行了去噪处理,验证了算法的有效性。     

基于小波包变换的电压骤降信号分析

电压骤降是暂态电能质量问题中最常见的现象,对其进行准确的检测是控制和治理的前提.小波包变换是小波变换的进一步完善和发展,其均等划分频带特性使之具有比小波更好的时频分辨率.利用此特性,信号被分解到小波包平面,根据有用频带信息,提取电压骤降信号的特征分量;对信号中混有噪声和数据量过大的情况,利用软阈值法同时进行去噪和压缩处理,并对调节系数对软阈值法处理的影响进行了分析.仿真结果表明,小波包变换也是分析电压骤降信号的一种有效方法.     

基于ITD和改进小波阈值的超声检测信号去噪

超声检测信号是一种非线性、不平稳信号,且由于材料结构的复杂性,超声回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法的不足,提出固有时间尺度分解(ITD)和小波阈值去噪相结合的方法对信号进行去噪处理。通过将带噪声的原始检测信号进行ITD分解,获得一系列固有旋转分量(PRC)和一个单调趋势项,去除高频分量后重构部分主要的PRC分量,然后采用改进阈值的小波软阈值方法对其进行去噪,该方法融合了小波去噪和ITD方法的优势,信噪比、均方根误差和相关性等参数都比较满意,去噪效果明显。     

基于DTCWPT和t-SNE的去噪方法及在故障诊断中的应用

为了提取被强噪声淹没的机械设备振动信号中蕴含的微弱故障特征,依据有用信号和噪声在空间分布特性的不同,将流形学习的方法引入到信号降噪中,提出一种将双树复小波包(DTCWPT)和t分布随机近邻嵌入(t-SNE)结合的去噪方法,充分利用了DTCWPT分解的多尺度特性以及t-SNE的非线性降维能力。将振动信号进行双树复小波包分解,依据各尺度小波包系数Shannon熵值搜索最佳小波包基,利用提出的新的阈值函数,对最佳小波包基的小波包系数进行去噪并单支重构组成高维信号空间,然后,采用t-SNE提取高维空间的低维流形,对低维信号序列进一步采用阈值去噪,利用谱回归分析重构回一维信号序列。最后,通过对仿真信号与滚动轴承振动信号进行去噪,结果证实了方法具有良好的非线性去噪性能,将仿真信号的信噪比从-1提高到8.6 d B,并且能更有效的提取强噪声干扰下滚动轴承的故障特征频率。     

粒子群算法用于局部放电小波阈值去噪

小波阈值去噪在局放信号监测分析方面应用效果较好,而小波系数阈值的选取是决定局放信号去噪后的失真和误差的关键因素。针对局放脉冲频谱特征,提出了一种基于粒子群算法的小波最优阈值选择方法,用于局放脉冲信号去噪。采用小波对局放信号进行分解,在估计最优阈值时以广义交叉验证为标准,利用粒子群算法进行全局搜索,使阈值寻优效果大大提升。对人工模拟加噪信号和典型局放脉冲仿真信号进行去噪处理和定量分析,结果表明与标准软阈值法以及Donoho阈值计算法相比,对局放信号的去噪效果更好,有着非常好的应用前景和价值。     

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。     

基于小波统计分析的X射线衍射信号消噪研究

本文讨论了小波统计分析的X射线衍射信号消噪方法,选取具有7阶消失矩的Symmlet小波将受噪声污染的X射线衍射信号进行多层分解,利用小波变换的细节系数估计噪声均方差σ,选取阈值σ√2lnn(n为细节系数长度）,对小波分解的细节系数进行阈值处理,然后进行信号重建,以达到对信号消噪和提纯,实验结果表明,这种去噪方法是非常有效的,它在消除噪声的同时保留了信号的奇异特征。     

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.