基于db4小波的电能质量去噪及暂态扰动的检测

本文针对暂态电能质量扰动信号具有时间短、变化快、非平稳等特性,采取一种基于db4小波分析的暂态电能检测方法.根据Mallat算法,信号奇异点处的小波变换模极大值能够通过信号的多分辨率分解提取出来,实现暂态电能质量信号扰动时间的准确定位,扰动定位前根据信号与噪声在小波变换各尺度上有不同传播特性,对电能信号小波去噪.利用Matlab编程对5种暂态电能质量扰动信号进行暂态扰动检测的仿真分析,结果表明该方法能够准确的获取扰动的起止时间,精度满足实际的工程需求.     

基于多级SVD算法的电能质量复合扰动特征分析

针对电能质量复合扰动特征量识别难的问题,通过分析复合扰动特点,提出一种基于奇异值分解的多级SVD特征提取方法。在单级SVD分解原理的基础上,利用2行Hankel矩阵实现SVD多层次递推分解,以多分辨率来展现信号不同空间的近似和细节信号。给出多级SVD的分解和重构算法及数学框架。研究结果表明,在对含有多种复合扰动的电能质量信号处理中,经多级SVD分解及相应幅值谱分析后,清晰提取到各种扰动的特征信息,相应地与单级SVD和小波变换进行比较,证明多级SVD在电能质量复合扰动信号处理领域中具有应用前景。     

基于CEEMDAN和小波阈值的ECG去噪算法研究

提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与小波阈值的ECG信号去噪新算法。首先对含噪ECG信号进行CEEMDAN分解,得到从高频到低频排序的各个IMF分量,利用自相关法对各IMF分量进行分析,找出以随机噪声为主的高频IMF分量并进行小波阈值去噪;然后统计包括余量在内所有IMF分量的过零率,过零率小于1.5的IMF分量即为基线漂移信号,直接剔除;最后将经过小波阈值去噪的IMF分量与剔除基线漂移之后的其他IMF分量一起进行合并重构,实现ECG信号的去噪和基线校正。用所提算法对MIT-BIH心电数据库中的ECG信号进行去噪处理,结果表明ECG信号中的随机噪声得到很好的抑制,同时获得了良好的基线漂移校正效果。     

小波变换在电能质量扰动检测中的探讨

文中针对暂态电能质量问题,主要在电能质量扰动检测方面做了一些工作,在小波变换局部模极大值理论的基础上,针对连续小波变换的计算量大,存在较大冗余的缺点,采用二进小波变换对电能质量扰动进行检测。小波变换的局部模极大值对应信号的突变点,可以用来检测电能质量扰动。     

保信去噪在图像预处理中的应用

在图像去噪处理算法中,一般的方法对于边缘信息总是存在不同程度的信息丢失.本文考虑了一种新的去噪处理的方法--保信去噪.该方法在均值去噪基础上,对其所求的均值求导,判断其均差来确定该点的像素值.此方法有效的克服了均值去噪中图像的边缘模糊的缺点,具有较好的鲁棒性.试验结果表明:该方法的效果明显.     

基于最优Bohman窗的改进S变换电能质量扰动特征精确快速提取方法

针对传统S变换存在时频分辨率低且计算量大的问题,该文提出一种基于最优Bohman窗的改进S变换。该方法通过直接控制窗长获得最优时频分辨率,同时只针对主要频率点进行时频分析,实现对各类扰动信号特征的精确快速提取。首先根据所提评价标准确定最优长度参数;其次将采样信号进行快速傅里叶变换得到FFT频谱,再通过基于极大值包络的动态测度快速算法确定主要频率点;然后根据主要频率点所处频段选择对应最优长度参数进行计算处理;最后根据模时频矩阵计算时频幅值向量完成时频特征提取。仿真分析和实验结果表明,所提方法相较于传统S变换具有更高的时频分辨率和更短的计算时间,适用于电能质量扰动信号特征的精确快速提取。     

基于改进支持向量机的电能质量扰动分类

对近年来电网发展和研究的热门话题之一:电能质量扰动识别分类系统进行研究。识别分类系统使用小波变换方法对扰动电压信号进行特征提取,之后收入由支持向量机建立的识别系统中。相对小波能量只能表达总分解层信号能量中各层信号能量的比例,对于电能质量扰动信号的检测不能直接使用信息熵公式。因此引入加权算子以改进相对小波能量,加权算子对电能扰动特征进行放大,实时反映电能扰动特征。针对使用支持向量机建立电能质量扰动识别系统时会由于扰动信号特征向量维度高、数据庞大等问题,提出一种基于混合核函数的LSSVM建立电能质量扰动识别系统。选取RBF核函数和Polynomial核函数分别作为局部以及全局核函数,构造混合核函数,提高系统泛化能力。使用PSO优化算法对LSSVM分类器进行分类,提高分类器的识别精度等性能。最后通过实验验证研究的电能质量扰动识别分类系统的识别性能。     

基于改进小波去噪的EEMD—HHT信号处理方法

传统小波去噪虽然可在一定程度上去除噪声对原始信号的干扰,但去噪效果并不理想。针对传统小波去噪中存在的问题,提出一种改进的小波去噪方法,并将改进小波去噪与EEMD-HHT有机结合,进而提出一种基于改进小波去噪的EEMD—HHT信号处理新方法。基于MATLAB软件,分别利用EEMD-HHT方法、基于传统小波去噪的EEMD-HHT信号处理方法和基于改进小波去噪的EEMD-HHT信号处理方法对外圈故障滚动轴承进行故障诊断试验,试验结果与理论计算结果对比分析表明,基于改进小波去噪的EEMD-HHT信号处理方法最为有效。     

基于HHT和决策树的电能质量扰动分类识别

针对电能质量扰动分类问题,提出了结合HHT和决策树的电能质量高精度分类识别方法。利用HHT对电能扰动信号进行特征提取,通过瞬时幅值、Hilbert谱和边际谱得到信号频率成分、扰动信号持续时间、电压扰动幅值以及Hilbert谱信号等四个特征量,再根据决策树对提取的特征量进行分类,经过历史扰动信号的实验,最后确定决策树的阀值,对电能质量扰动信号进行分类。根据实验结果,本方法对电能质量的七种扰动分类效果正确率较高。     

基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

单小波去噪方法在多小波去噪中的应用研究

单小波去噪方法中Visualshrink去噪法是渐进最优的。但将'Visualshrink单小波去噪方法用于多小波去噪,其优越性丧失,图象中存在严重的Gibbs效应,且去噪效果降低,对此,我们改进了单小波Visualshrink去噪方法的门限选取,提出了改进的Visualshrink多小波去噪方法(VMD)。同时,还给出了离散多小波变换的具体实现方法。实验结果证明,改进的多小波去噪方法与直接将Visualshrink方法用于多小波去噪相比,前者效果明显好于后者。     

基于改进小波阈值法的语音去噪算法

针对数字助听器在接收和处理过程中,容易受到背景噪声干扰的问题,在传统小波阈值去噪的基础上提出了一种改进的阚值函数.该函数具有高阶连续可导,克服了传统小波阚值函数不可导的问题.利用该阈值函数对含噪语音的小波系数进行分帧实时阈值处理,以获得数字助听器中语音增强的效果.仿真结果表明:利用新阈值函数得到的语音去噪信号,其信噪比、均方误差和语音可懂度均优于其他非连续可导的阈值函数算法.     

基于dq变换和S变换的电能质量扰动识别

针对电能质量扰动的在线识别,提出一种基于dq变换和S变换的电能质量扰动识别方法。首先根据扰动信号电压有效值的分布特性将扰动分为两类:第一类为电压暂降、暂升和中断;第二类为振荡暂态、电压尖峰、电压缺口和谐波。利用dq变换有效值波形特征对第一类扰动进行识别;然后对第二类扰动进行S变换,通过变换后S矩阵的频谱标准差和工频幅值变化进行识别。仿真结果表明:该方法正确率高、响应速度快、结构简单且抗噪声能力强。     

基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术

针对电网环境噪声导致自适应噪声的CEEMDAN谐波检测精度低的问题,文中提出了一种基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术。利用修正因子T_j自适应调整阈值,通过可调参数τ调节阈值函数软、硬特性,并将改进的小波阈值去噪方法应用于谐波信号的预处理。经预处理的信号再进行CEEMDAN分解,可有效抑制模态混叠束缚。运用相关度判据去除虚假分量,并利用Hilbert变换解调包含谐波特征的分量,准确提取其幅频信息。经MATLAB仿真可知,改进小波阈值去噪与CEEMDAN-HT的融合算法可将稳态谐波检测平均误差被控制在1%以下,暂态谐波检测平均误差被控制在2.1%以下,呈现出良好的抗噪性能。     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

改进提升小波阈值算法在信号去噪中的应用

针对小波阈值算法对信号去噪过程中信号峰值保留和实时性不佳的现状,本文提出改进的小波阈值算法与提升小波的去噪算法相结合,通过建立连续小波阈值函数方程解决常用阈值产生的振荡和局部峰值重构缺失的问题。提升格式的小波算法弥补了传统小波变换实时性上的不足,并且计算量小,不需要额外的存储空间。最后,仿真实验结果表明,提升方案的改进小波阈值算法的重构信号更接近原始信号,较传统小波阈值算法仿真时间短实时性更强。     

基于数字信号处理器的短时电能质量扰动检测算法研究

电网系统的高质量电能对于工农业生产及人民日常生活有极为关键的地位和作用,面对各种敏感电力电子设备的普及性运用趋势,暂态、短时的电能质量问题和扰动已经极大地引发了社会的关注,针对暂态、短时、突变非平稳状态的电能质量扰动现象,较难实现准确而全面的检测和有效辨识,为了更好地保障电网系统电能质量的高效性和稳定性,要全面了解和分析暂态、短时电能质量扰动检测方法,并基于数字信号处理器(DSP)芯片进行暂态、短时电能质量扰动检测算法的研究,从而较好地实现对暂态、短时电能质量的监测和有效治理。     

改进的小波阈值去噪在介质损耗角检测中的应用

对于绝缘材料介质损耗角的检测主要是通过计算介质的泄露电流与其两端电压之间的相位差得到.微弱的泄露电流信号极容易在强噪声环境下被淹没,传统滤波方法不能将工频附近的干扰信号滤除掉,因此导致介质损耗角测量精度低.本文采用一种改进的小波阈值去噪对采样信号进行处理,提高介质损耗角测量精度,并利用MATLAB仿真验证其有效性.     

基于一种新阈值函数在信号去噪中的应用

小波理论去噪方法有很多种,小波阈值去噪方法,理论较为成熟,算法更加简单,数值的稳定性高,去噪的效果好。软阈值函数方法和硬阈值函数方法去噪在实际应用中使用很广泛,但总有一些不足的地方,因为软、硬阈值函数自身的结构都有一定的缺陷。本人提出一种新的阈值函数,它有较好的光滑性,随着参数取值的变化,新阈值函数介于在软、硬阈值函数之间,而且表达式简单,计算方便。最后,在MATLAB环境下,对加入高斯白噪声的信号进行了去噪的仿真实验,结果表明:新阈值函数去噪方法好于软、硬阈值去噪方法。