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。     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源,在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上,借鉴神经网络反向传播学习算法的思路,提出了信号预滤波结合阈值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值,再将此阈值用于同一工况下整个时间段的去噪,这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显,比传统小波去噪、改进神经网络去噪等方法效果更好。     

小波分析法实现水轮发电机轴心轨迹的提纯

分析水轮机发电机轴心轨迹是水轮机机组诊断振动故障的重要方法。由于轴心轨迹中包含了大量的噪声信号,将小波分析的理论应用于轴心轨迹的提纯,在传统小波硬、软阈值去噪方法的基础上提出了一种改进的软阈值去噪方法;并且引入谐波小波分析方法。通过计算机模拟试验,达到了比较理想的去噪及轨迹提纯结果,并对上述4种方法进行了分析和比较。     

自适应LMD融合新小波阈值函数的信号去噪

针对非线性非平稳信号的去噪问题,基于LMD分解噪声的特征,并融合自适应寻优函数,提出了一种基于局部均值分解新小波阈值函数去噪方法。通过仿真信号和实测工程信号验证,比较EMD滤波、Harr小波、LMD滤波和LMD-新小波阈值函数4种算法的信号去噪效果,并采用3种评价因子对各种算法的去噪效果进行评价。结果表明,文中提出的LMD-新小波阈值函数方法能够基于白噪声分解特征,充分发掘数据本身所蕴含的物理机制和物理规律,融合新阈值函数,相比于其他传统方法在信号去噪方面效果较好。     

基于CEEMDAN和小波包分解的闸门振动信号降噪研究

针对闸门监测振动信号去噪问题,提出基于CEEMDAN（经验模态分解）和小波包分解的闸门振动信号降噪算法,通过采用CEEMDAN和小波包分解方法进行信号去噪,可以有效处理水电站泄洪闸门振动信号中受到的外部干扰。CEEMDAN方法能够将信号分解成多个本征模态函数（IMF）,每个IMF代表不同频率的振动成分,使得外部干扰和真实信号成分可以分离。随后,小波包分解能够将每个IMF进一步分解成不同尺度和频率的子频带,这有助于更准确地定位和分离干扰成分。对每个子频带应用阈值去噪技术,可以有效去除噪声,保留真实信号。由测试结果可知,该算法能很好地剔除闸门振动信号中的无用噪声,有效提高闸门振动信号的准确性。     

染污绝缘子安全区泄漏电流检测中去除信号干扰方法

针对染污绝缘子安全区泄漏电流信号包含大量噪声干扰、很难准确提取其有效特征量的问题，利用4种小波阈值去噪方法对不同信噪比的实测安全区泄漏电流信号进行去噪，提取去噪前后的泄漏电流波形、有效值以及3次谐波与基波幅值比这3个特征量，对比分析了其去噪效果，优选出最适合安全区泄漏电流特征量提取的小波去噪方法。通过分析得出在信噪比大于1.0时，对于安全区泄漏电流波形和有效值，自适应阈值是最佳的去噪方法;对于3次谐波与基波的幅值比， 4种阈值去噪法获得的比值对真实比值的逼近效果基本一样。综合比较实测信号提取的各个特征量去噪前后的效果可知，自适应阈值法是提取安全区泄漏电流特征量的最佳去噪方法。     

基于非线性小波变换阈值法的大坝表面变形监测分析

为了实现对大坝坝体GNSS原始监测数据中高斯噪声、白噪声等异常特性进行有效去噪，同时要求保留异常信号中的有效信息，基于小波变换分析理论，应用非线性小波变换阈值法对大坝坝体的GNSS原始监测数据进行去噪处理。结果表明，该方法能够有效剔除GNSS原始监测数据中不同类型的噪声点，明确了大坝坝体外部变形与库水位的相关性关系，分析了运行期内大坝坝体外部变形相对值分布状况，揭示了大坝坝体变形的周期性、趋势性等特征，为坝体变形监测的设计、变形趋势的观测与预测等提供参考。     

基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解（EMD）的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数（IMF）的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。     

改进的小波阈值函数在水电机组振动信号降噪中的应用

小波阈值降噪是水电机组振动信号除噪常用的方法,传统降噪算法是软、硬阈值函数,对于硬阈值函数处理过的信号,其重构后的信号在阈值处是间断的,易产生附加振荡;而经软阈值函数降噪后的信号虽然连续性好,但与原始信号之间存在着恒定的偏差,影响重构精度。因此在传统软、硬阈值函数的基础上提出了一种改进阈值函数的小波降噪算法,通过Matlab仿真和电厂采集数据的验证表明,该方法克服了软、硬阈值函数算法的缺点,去噪效果明显。通过比较不同降噪方法对振动信号特征分量的保持程度,说明该方法在各分量保持均优于传统的阈值方法,是一种有效的降噪方法。更多还原     

CEEMDAN与小波变换混合去噪方法在光纤陀螺监测系统信号去噪中的应用

为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。     

基于传递熵的水电站厂房振动传递路径识别

水电站厂房空间结构复杂,同时振动测试信号中常混杂各种噪声,使得水电站厂房结构振源传递路径的分析难度增大;论文将传递熵方法与基于EMD分解的小波熵阈值去噪方法相结合,实现水电站厂房振动传递路径的识别。首先采用EMD分解和小波熵方法自适应地根据信号能量特征确定对应尺度的去噪阈值,对振动测试信号去噪;然后采用传递熵的方法识别厂房结构振源的传递路径。通过模拟信号的分析证明了该方法在判断信号传递方向方面的合理性。将该方法应用到一大型水电站厂房,结合现场实测振动数据对尾水涡带的垂向传递路径进行了识别,并计算了测点之间的信息传递率。结果表明尾水涡带引起的垂向振动主要传递路径为:尾水管→机墩(定子基础、下机架基础)→厂房上部结构楼板。     

水电机组振动信号小波去噪参数优选方法研究

水轮机组振动信号在采集、传输和处理过程中不可避免地会引入噪声,要进一步处理信号必须进行去噪处理.小波去噪过程中小波和分解层数对去噪效果有很大影响,通常都按经验选取.本文提出一种针对具体水轮机组振动信号去噪时选择最优小波基和分解层数的方法.最终确定采用Db4小波分解5层对某机组上机架振动信号进行去噪,取得了良好的效果,分析得到最终去除的噪声为白噪声.     

水文序列分析中基于信息熵理论的消噪新方法

为准确有效地识别和分离水文时间序列中的噪声成分，应用信息熵理论并结合小波消噪的基本思路，建立了小波系数阈值优选熵准则和水文序列消噪新方法：即首先应用熵函数H值描述噪声成分的不确定度，并应用信息量系数ICF(information cost function)值描述主序列的复杂度；然后通过分析不同小波系数阈值对应的噪声成分H值和主序列ICF值的变化规律，可优选出合理的小波系数阈值；最后对小波系数进行阈值量化处理，即可实现水文序列消噪。通过对不同特性模拟序列和不同实测水文序列分别进行分析，并通过与常用小波消噪方法(FT、SURE、MAXMIN)的消噪结果对比，验证了该阈值优选熵准则的合理性和适用性。分析结果显示：水文序列中的噪声成分具有偏态特性，因此本文中应用偏态分布线型(P-III型分布)对噪声成分进行描述更为合理；且此阈值优选结果是基于信息熵理论而确定，因此是整体上最优值。     

水文序列分析中基于信息熵理论的消噪方法

为准确有效地识别和分离水文时间序列中的噪声成分,应用信息熵理论并结合小波消噪概念,建立了小波系数阈值优选熵准则和水文序列消噪新方法。该方法首先应用熵函数H值描述噪声成分的不确定度,并应用信息量系数(information cost function ICF)值描述主序列的复杂度;然后通过分析不同小波系数阈值对应的噪声成分H值和主序列ICF值的变化规律,可优选出合理的小波系数阈值;最后对小波系数进行阈值量化处理,即可实现水文序列消噪。通过对不同特性模拟序列和不同实测水文序列分别进行分析,并通过与常用小波消噪方法(FT、SURE、MAXMIN)的消噪结果对比,验证了该阈值优选熵准则的合理性和适用性。分析结果显示,水文序列中的噪声成分具有偏态特性,因此本文应用偏态分布线型(P_Ⅲ型分布)对噪声成分进行描述更为合理,而且小波系数阈值优选熵准则所得的阈值是基于信息熵理论而确定的,因此是整体上最优值。     

基于小波分析的大坝监测数据处理

大坝监测系统所采集的监测数据资料存在异常值并受噪声的影响,小波分析具有多分辨率、时频分析的特点。小波分析方法能准确、迅速的定位监测数据序列中异常值,适合运用于数据较多的情况。利用点的小波变换模极大值和阈值法能有效的去除异常值,避免人工去除的繁琐过程。对去除异常值后的序列进行小波软阈值去噪,消除监测数据中噪声的影响,为后续监测资料分析评价提供能反映大坝真实性态的数据。同时该方法适应性较广,能运用到其他数据预处理中,但必须根据实际情况选择合适的小波函数以及阈值。     

基于小波分析以及ε-SVR的隧道围岩位移时序预测

根据龙滩地下洞室围岩现场长期的观测数据,利用小波变换阈值去噪法对数据信号的高频系数进行量化处理,恢复原有的监测信号。实例结果表明,小波变换阈值去噪法能够有效地去除噪声的影响,获得围岩变形的真实信号。同时将去噪后的数据用于支持向量机(ε-SVR)建立时序分析模型中,并与GA-BP模型进行对比,结果表明ε-SVR模型的误差更小,预测效果更佳。更多还原     

改进的小波去噪算法与SSA预测模型在地铁监测中的应用

为了有效去除地铁形变监测信号的噪声,提高形变监测精度,提出了一种以1/2噪声幅度为阈值的小波去噪算法,对地铁形变实时监测信号进行去噪。结果表明,与硬阈值法、软阈值法和可调参数阈值函数法相比,1/2阈值函数法去噪效果更好,平均SNR为24.627dB,与硬阈值法、软阈值法、可调参数阈值函数法相比分别提高了3.15%、3.12%、1.07%;平均RMSE为0.23mm,与硬阈值法、软阈值法、可调参数阈值函数法相比分别提高了10.07%、6.47%、4.32%。采用奇异谱分析(Singular Spectrum Analysis, SSA)预测模型对监测数据进行了预测,预测精度,平均MAE为0.24mm、RMSE为0.26mm,就RMSE值而言,较BP神经网络提高了16.45%。     

改进小波降噪方法在水电机组振动信号降噪中的应用

针对小波降噪法中传统硬阈值函数的不连续特性和软阈值函数存在恒定误差的缺陷会对降噪效果产生不良影响,提出了一种改进阈值函数的小波降噪方法,并用该方法和传统阈值函数降噪法对模拟振动噪声信号进行降噪处理.结果表明,所提出的方法得到的降噪后信号的信噪比和均方根误差均较优.同时,采用不同阈值函数的小波降噪法对水电机组真实振动信号...     

基于小波变换和LMS自适应滤波器的单相接地选线方法

综合应用小波变换理论和最小均方误差(LMS)自适应滤波器技术，提出了一种小电流接地系统单相接地故障选线方法。该方法对故障发生后的零序电流信号进行小波变换，通过LMS自适应滤波器对小波系数进行滤波去噪，利用去噪后的信息进行选线。该方法能有效地从被噪声干扰的信号中得到有用的信息，克服了故障信号信噪比低的缺点，并能够充分利用故障信息连续判断。应用现场故障录波数据对该方法进行了验证，结果表明该方法能够满足实用要求。     

水电机组故障诊断系统信号预处理

随着水电站对水电机组安全稳定运行要求的不断提高，相应的对故障诊断系统中故障诊断的准确性提出了更高的要求。而信号处理是故障诊断成功与否的关键。监测得到的故障信号不可避免的受到水电机组运行中的各种噪声的干扰与影响，从而得到的故障信号中含有随机噪声、白噪声等，为得到真实的故障特征信息有必要进行除噪处理。自相关和小波分析可以很好地去除噪声。本文对自相关和小波分析除噪作了详细论述，并用实例做了分析。