基于WPT和参数优化的VMD谐波检测方法

针对变分模态分解(Variational Mode Decomposition, VMD)在谐波检测中易受噪声影响、分解模态个数K难以确定的问题,提出一种基于小波包降噪(WPT)和参数优化的VMD谐波检测方法。首先,对谐波信号进行WPT降噪处理,然后对降噪后的信号进行VMD预分解,根据解析分量的瞬时频率均值选取最优的K值,最后对降噪信号进行最优K值VMD分解并提取频率,用希尔伯特变换进行幅值检测。仿真结果与对比表明,该方法能够有效的选择VMD分解模态个数,减小噪声影响,且具有良好的检测精度。     

基于VMD的电力系统谐波检测方法研究

针对当前的电力系统谐波检测问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)与希尔伯特变换结合的方法.首先,提出一种模态混叠比较方法,来确定最优模态数;其次,将稳态谐波用两种方法分解,并加入30 dB高斯白噪声,将VMD后的结果与经验模态分解(empirical m...     

基于ISSA-VMD和二代小波的sEMG信号降噪研究

表面肌电(sEMG)信号是一种可以有效表征肌肉活动的弱生理信号，采集过程中易受到多种噪声干扰。为解决变分模态分解(VMD)参数经验设置的问题，并进一步消除sEMG信号中的噪声，提出了一种基于改进麻雀算法(ISSA)优化VMD和二代小波阈值法相结合的sEMG信号降噪法。首先，采用基于改进T混沌映射、自适应权重和麻雀数目动态变化的改进麻雀算法并将品质因子作为目标函数对VMD进行参数寻优，然后利用ISSA优化的VMD分解对预处理过的sEMG信号进行分解，通过谱相关分析区分信号分量和噪声分量，最后对信号分量进行二代小波阈值法降噪，得到降噪信号。结果表明：ISSA较SSA有效提高了VMD参数寻优能力；在不同噪声等级下，基于ISSA-VMD和二代小波硬阈值的降噪法的降噪性能优于二代小波和ISSA-VMD;基于ISSA-VMD与二代小波硬阈值降噪法处理实际sEMG信号，能有效去除噪声。     

基于小波包分解实时检测电机振动信号

小波包分解本身对信号的奇异点十分敏感，此特点可以用来跟踪电机振动速度信号。在虚拟仪器（VI）LabVIEW6．i平台上，基于小波包分解算法设计了VI程序，实现了电动机振动速度信号实时检测系统。Y630-10／1180型大型三相异步电动机的振动速度信号，实测效果优于P3562A动态信号分析仪的测量结果。结果表明，该方法是可行的和有效的。     

基于模糊小波包的超声导波检测信号降噪研究

在管道超声导波检测中,缺陷同波信号的质量是实现管道缺陷识别和特征提取的基础.针对软、硬阈值处理方法的不足,给出了一种模糊阈值小波包降噪方法.应用该方法对包含高斯白噪声的模拟信号和实验采集到的超声导波检测信号进行了降噪处理,并且与小波全局阈值、小波包默认阈值降噪效果进行了对比分析.实验结果表明,模糊小波包降噪法能有效降低...     

基于小波包分解实时检测电机振动信号

小波包分解本身对信号的奇异点十分敏感,此特点可以用来跟踪电机振动速度信号.在虚拟仪器(Ⅵ)LabVIEW 6.i平台上,基于小波包分解算法设计了Vl程序,实现了电动机振动速度信号实时检测系统.Y630-10/1180型大型三相异步电动机的振动速度信号,实测效果优于P3562A动态信号分析仪的测量结果.结果表明,该方法是可行的和有效的.     

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     

基于谐波小波包理论检测微弱信号的研究

谐波小波作为一类小波,存在明确的函数表达式,算法实现简单,时频定位准确,且在频域具有良好的盒形谱特性。作为谐波小波变换的延伸,谐波小波包变换能够实现对任意频段的无限细化,将信号分解到感兴趣的频段。在此基础上,提出将谐波小波包理论用于微弱信号的检测。利用谐波小波包变换对微弱信号进行处理,成功实现了对微弱信号的时域重构和频域提取。通过仿真实验,说明谐波小波包方法在微弱信号检测方面,是一种有效的手段。     

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AVMD-自适应小波包法的电缆局部放电去噪研究

为准确提取检测到的局部放电信号,针对高压电力电缆的噪声抑制问题,提出了自适应变分模态分解(AVMD)结合自适应小波包分解的方法提取纯净的局放信号。首先运用AVMD将周期性窄带干扰、白噪声和局放信号分解在不同的基本模态分量中,将周期性窄带干扰滤出,得到仅含有白噪声的局放信号。再运用自适应小波包分解,将信号分解在高中低频的分量中,根据阈值法将不含局放信号的分量滤出,得到较为纯净的局放信号,并将所提方法分别与其中单独一种算法进行去噪比较分析。仿真结果表明,所提方法抑制噪声效果更明显,与仿真信号的相似度最高。     

基于小波分析的电压闪变信号拟同步检波的峰值比较法

提出了用小波分析的峰值比较法和拟同步检波的电压闪变信号检测新方法。该方法用软件来模拟硬件的同步检波,大大地减少了投资成本;用小波子带滤波器代替传统的低通滤波器,不仅能够对电压闪变信号进行不失真的包络检测,且能够检测出电压闪变信号发生的时间、频率以及幅值。仿真结果表明,该方法对电压闪变信号检测和时频分析性能良好,特别适用于突变的、非平稳的电压波动与闪变信号的检测。     

激光雷达回波信号的小波去噪研究

激光雷达回波信号去噪是回波信号有效检测的基础。分析了激光雷达回波信号中的噪声来源和统计特性;采用非抽样小波变换和Hybird软阈值对回波信号进行了去噪处理,对处理后信号中残余的＂毛刺＂进一步做了平滑滤波,处理后的信噪比提高了20.55dB。利用Gage高速采集卡和LabVIEW编程环境中开发的软件实现了对激光雷达回波信号检测。     

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.     

基于小波分析的低截获信号检测方法研究

在鱼雷技术发展中,低截获概率技术(LPI)的采用大大提高鱼雷的作战能力,同时也对截获信号提出了更高的要求.将基于小波分析的检测方法,具体对有效的低截获特征信号信号进行检测,相比于短时傅里叶变换的基础上,采用Dau-bechies5小波对信号进行分解变换,证明小波分析方法的有效性及优越性.     

基于毫米波传感器的呼吸检测与去噪方法研究

利用毫米波传感器测量较远人体目标的呼吸信号时,容易受到环境杂波的干扰,导致信号中含有较多噪声。因此提出了一种新的GA-VMD-WT去噪方法。方法针对呼吸信号的特点,借助排列熵设计适应度函数,采用GA算法优化VMD参数,以获得最优模态分量个数K和惩罚因子α,再用优化得到的VMD参数对噪声信号分解,然后对分解结果小波阈值去噪,最后重建得到去噪信号。该方法不仅避免了VMD分解时出现的过分解问题,并且仿真实验显示,与各传统的去噪算法相比较,信噪比分别提高了8.5025dB,7.6642dB,3.3637dB。实测信号实验结果表明,所提方法去噪效果好,可以保留更多有用信号的信息。     

基于小波变换的道路信号去噪研究

道路信号是一种复杂的含有多种成分的时域波形,不仅具有非平稳性,同时信号中还存在各种干扰和噪声。本文针对小波分析的特点,结合信号去噪方面的要求,对非平稳信号的噪声消除进行了研究。通过Matlab对基于小波分析的道路信号消噪进行了仿真,显示了小波在信号去噪方面良好的应用效果。     

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。     

基于小波包的瞬变信号的提取

瞬变信号是低压系统中主要的干扰源之一,对系统的危害非常大。因此,必须对它进行提取和分类,了解它的特征。本文提出了基于小波包分解的提取特征信号的方法。采用该方法可以将干扰源的特征信号从检测信号中提取出来,从而对干扰源进行分类。实验证明了该方法的有效性。     

基于小波包混合优化的欠定盲源分离方法

为解决欠定盲源分离问题,提出一种基于小波包混合优化的欠定盲源分离方法。 该方法采用小波包变换将观测信号分 解,将观测信号的维数进行扩展,利用互相关系数值剔除冗余的信号分量,欠定盲源分离问题得到转化。 接着使用贝叶斯信息 准则下的奇异值分解方法估计源信号数目,通过白化过程对信号降维。 最后,引入鲸鱼优化算法中的螺旋泡网狩猎行为与莱维 飞行策略,对灰狼优化算法进行改进,将改进后的混合灰狼优化算法与独立成分分析算法相结合,实现重构正定白化信号的分 离,从而得到源信号的近似估计。 通过仿真实验对算法性能进行测试,结果验证所提方法的可行性和有效性。