基于CEEMDAN与改进小波阈值的电缆局部放电信号降噪方法

对检测到的电缆局部放电信号降噪是实现电缆绝缘诊断与评估的前提,为此提出一种基于自适应噪声的完备集合经验模态分解(CEEMDAN)与改进小波阈值的电缆局部放电信号降噪方法。首先,采用CEEMDAN算法将染噪局部放电信号进行分解,得到数个模态分量;然后,计算模态分量的峭度值,筛选出有效特征分量并重构;最后,将重构信号通过改进小波阈值法再次降噪去除冗余噪声,得到降噪后的局部放电信号。将该方法、传统小波阈值法及集合经验模态分解与改进小波阈值法分别用于不同噪声强度下局部放电仿真信号的降噪处理,结果表明该方法具有更高的信噪比与波形相似系数,能有效抑制周期性窄带干扰与白噪声。     

直流电能表计量信号自适应降噪方法

直流配电网包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,本文提出基于自适应变分模态分解与小波阈值去噪相结合的直流电能计量数据降噪方法。建立输出端直流电压、电流信号变分模态分解的参数最优化模型,并联合互信息分析,实现原始信号的有效模态分量与噪声模态分量的自适应区分。在此基础上,建立以信噪比、均方根误差、平滑度、相关系数复合评价指标最优的小波阈值去噪参数最优化模型,实现噪声模态分量的最优滤波降噪。通过实测数据计算分析,验证所提方法的有效性。     

基于ICEEMDAN与小波包分解的脉搏信号联合去噪

针对脉搏信号非线性、非平稳,且难以去噪的问题,提出了一种基于改进的自适应噪声集合经验模态分解(ICEEMDAN)与小波包分解(WPD)相结合的联合去噪方法,对采集的脉搏信号进行去噪处理。首先对噪声信号进行ICEEMDAN模态分解,产生一系列的固有模态函数(IMF),再将这些IMF分量分别与原信号进行相关系数的计算,比较相关系数的值,然后进行信号的重组,最后对重组后的信号进行小波包分解,提取得到降噪后的脉搏信号。利用仿真数据、实际采集的脉搏信号进行实验分析,将该方法与集合经验模态分解(EEMD)进行了对比,并比较了这两种方法的信噪比(SNR)和均方根误差(RMSE)。实验结果表明：基于ICEEMDAN-WPD的联合去噪方法能更有效地去除噪声,并更好地保留脉搏信号的特征。     

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     

改进 CEEMDAN 算法的电机轴承振动信号降噪分析

为提高传统自适应噪声完备经验模态分解算法(CEEMDAN)对电机轴承故障特征信号的精确提取率,降低重构信号失 真,提出了一种改进自适应噪声完备经验模态分解算法。 首先利用传统 CEEMDAN 对原始信号初步分解,获得若干特征分量 (IMFs)和固有模态分量,将若干 IMFs 运用熵权法进行初步故障特征信号消噪和提取,对筛选后的 IMF 分量进行二次分解和二 次筛选,获得典型故障敏感信号,再运用 SG(Savitzky-Golay)平滑滤波进行信号重构,最终实现电机轴承信号降噪。 最后利用凯 斯西储大学轴承数据进行改进算法性能分析,结果表明该方法对电机轴承信号能够有效的进行信号降噪,其信噪比相比于原始 信号提高 2. 2 dB。     

矿用永磁直驱电机异响声信号降噪方法研究

针对矿用永磁直驱电机异响声信号噪声干扰大,有用信号被噪声淹没难以提取的问题,提出一种融合改进VMD与小波软阈值的降噪方法。首先,利用粒子群算法优化变分模态分解算法得到分解层数k和惩罚因子α的最优参数组合,基于最优参数组合分解获得矿用永磁直驱电机异响声信号k个本征模态分量(IMF)。其次,利用加权裕度指标筛选出有效信号分量和需进一步分解的含噪分量,基于小波软阈值对含噪分量进一步降噪。最后,将有效信号分量与小波软阈值降噪后的分量重构得到最终降噪信号。应用此方法分别对仿真信号和矿用永磁直驱电机异响声信号降噪,并与其他方法对比。试验结果表明,该方法能将仿真信号信噪比提升至27.524 7 dB,均方根误差降低至0.085 5,实测信号信噪比提升至34.715 3 dB,均方根误差降低至0.006 7,降噪效果较好,为后续的故障特征提取与故障诊断工作提供数据基础。     

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。     

EWT算法在ECG信号滤波中的研究

针对经验模态分解(EMD)算法存在的模态混叠问题和集合经验模态分解(EEMD)算法实时性不足的缺点,采用EMD与小波分析相结合的EWT算法,对ECG信号的频谱自适应分割,在分割区间上构建小波滤波器组,提取具有紧支撑的单分量成分,剔除直流分量和噪声余项,并将其余分量重构。实验数据来自MIT-BIH数据库中真实的心电图(ECG)信号,仿真结果表明,该算法能有效去除ECG信号中的基线漂移和工频干扰,信噪比(SNR)、均方根误差(RMSE)和自相关系数(AC)优于其他两种自适应算法EMD和EEMD;算法整体运行时间小于1 s,满足了心电监测的实时性与准确性要求。     

基于VMD的电力电缆局部放电信号自适应阈值降噪方法

局部放电(Partial Discharge, PD)用于高压电缆在线监测时,采集到的信号包含多种噪声,白噪声是最常见、影响最广泛的一种。为了抑制白噪声的影响,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)的局部放电信号降噪方法。采用变分模态分解对含噪局部放电信号进行分解,得到频率从低到高的模态分量后,计算各个变分模态分量的峭度值,选取脉冲特征分量进行重构,利用小波自适应阈值对重构信号再次降噪。与小波变换阈值法对比在不同噪声环境下的降噪结果,结果从均方误差、波形相似系数定量优于小波标准软阈值降噪法和小波全局硬阈值降噪法。仿真和现场实验结果表明,该方法可以有效去除噪声信号,能够较为完整地保留原始信号波形。     

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。     

基于改进CEEMDAN和小波阈值的雨声信号去噪算法研究

为了从混杂着各种噪声的雨声信号中提取到较为纯净的雨声信号，本文提出基于改进完全自适应噪声集合经验模态分解（CEEMDAN）和小波阈值相结合的雨声信号去噪方法。方法引入互相关函数寻找CEEMDAN的最优分解层数F值，并通过CEEMDAN算法按最优分解层数F层分解，将信号分解成多个频率由高到低的本征模态分量（IMF）;利用小波阈值，滤除高频IMF分量中的噪声分量，最后将去噪后的高频IMF分量和未经去噪的低频IMF分量进行信号重构，提取出较为纯净的雨声信号；实验表明，本文选用方法的去噪效果相对于经验模态分解（EMD）去噪算法、小波阈值去噪算法等传统方法具有一定的优势，去噪后的雨声信号能够准确反映出环境雨情的特征，提高雨情分析的精确度。     

基于 CEEMDAN-WP-SG 的 MEMS 陀螺仪去噪算法

为了减小MEMS陀螺仪随机误差,提出了一种新的去噪算法。该算法首先通过自适应噪声完备经验模态分解(CEEMDAN)将原始数据分解为多个本征模态函数(IMF),并根据多尺度排列熵与马氏距离将IMF分为噪声IMF、混叠IMF和信号IMF;其次对噪声IMF用小波包(WP)去噪,对混叠IMF用Savitzky-Golay滤波器(SG)去噪;最后,把处理后的IMF和信号IMF进行重构,得到去噪后的信号。通过所提方法对Bumps信号进行实验分析,去噪后信号从6 dB提高至17 dB,均方误差降低71.9%;对实测陀螺仪静态数据进行分析,实验结果证明去噪后信号的角度随机游走降低31.5%,表明该方法能显著提高MEMS陀螺仪的精度。     

小波包结点阈值自适应消噪法

当噪声为时变的时候,传统的小波阈值消噪方法效果很有限:当采用软阈值消噪时,总体效果较好,但当含噪信号很不规则时显得过于光滑;当采用硬阈值消噪时,消噪效果不理想,信号含有明显的噪声。为克服上述缺陷,本文提出基于"自适应阈值消噪思想"的小波包结点阈值消噪法。首先,我们给出了小波包结点阈值的定义,这种阈值取法突破了高斯白噪声和平稳噪声的局限性;其次,我们提出了基于谱熵的噪声估计法用以替代传统的中值绝对值(MAD)噪声估计法,这种噪声估计方法与实际应用环境相符,适用于非平稳噪声和有色噪声。仿真实验证实,相比于常规小波消噪算法,结点阈值法和基于谱熵的噪声估计法在白噪声环境下具有较好的消噪效果。     

基于IWOA-VMD的永磁同步电机匝间短路故障振动信号去噪方法

针对永磁同步电机(permanent magnet synchronous motor, PMSM)匝间短路故障振动信号易受噪声干扰导致故障特征难以准确提取的问题,提出一种改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)优化变分模态分解(variational mode decomposition, VMD),并将其应用于PMSM匝间短路故障振动信号去噪。首先在传统鲸鱼优化算法中引入非线性收敛因子、自适应权重和柯西算子,利用IWOA算法对VMD参数进行寻优来实现信号的自适应分解。然后根据多尺度排列熵-方差贡献率最优模态分量选取原则将信号分量分为噪声主导分量和有效信号分量,对噪声主导分量进行非局部均值滤波(non-local mean filtering, NLM)去噪。最后将去噪分量与有效信号分量重构为去噪信号。使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障实验平台,利用该方法对仿真与实测信号进行去噪处理,并与小波阈值去噪等去噪方法进行对比分析,得出仿真信号的信噪比从8 dB提升至20.273 8 dB,实测信号的信噪比相较于小波阈值去噪提高了77.01%,验证了所提方法的有效性和实用性。     

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。     

基于CEEMDAN样本熵与FWA-SVM的高压断路器机械故障诊断

针对振动信号判别断路器机械故障过程受干扰影响的特征提取问题,提出一种自适应白噪声完整集合经验模态分解(CEEMDAN)与样本熵相结合的故障特征提取方法。通过CEEMDAN提取若干反映断路器操动过程机械状态信息的本征模态函数(IMF)分量,依据各IMF相关系数与能量分布,将前7阶IMF分量进行小波包软阈值去噪,计算其样本熵作为特征量,最后采用基于免疫浓度思想的烟花算法(FWA)优化支持向量机(SVM)分类器,对断路器不同运行状态进行分类识别。实验结果表明:基于CEEMDAN样本熵特征对于信号干扰不敏感,FWA-SVM诊断方法对于高压断路器分闸操动过程故障辨识效果良好。     

一种基于Bayes估计的小波自适应绝缘子红外图像去噪方法

采用无偏最小方差估计准则对不同尺度空间和不同方向上信号的小波系数进行自适应估计,以后验概率均值作为小波系数的估计,然后对小波系数进行小波逆变换得到去噪后图像.该方法最大程度的保留了图像的信息,具有良好的去噪效果.数值试验证明,与固定阈值法和极大极小阈值法比较,运用该方法去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE).     

基于小波的自适应阈值白光干涉数据去噪

在Daubechies小波分解变换的基础上,研究一种自适应阈值白光干涉数据去噪方法——自适应阈值去噪方法(adapt threshold shrink,ATS)的白光干涉数据去噪方法。这种方法是基于Bayes框架,在不同子带上选择不同的最佳阈值。结合软阈值法对白光干涉信号进行去噪,与传统方法相比,此种方法提高了去噪后白光干涉数据的信噪比,而且使数据波形更加清晰。基于Daubechies小波的自适应阈值白光干涉数据去噪法实现简单、计算速度快、去噪效果好。