改进的多小波变换系数相关去噪算法

多小波变换系数在同一尺度上具有多个输出块,传统的多小波系数相关去噪算法只利用了尺度问或同一尺度上相同块内相邻变换系数之间的相关性;为了改善去噪效果,根据白噪声和信号的多小波变换系数的不同特性,将同一尺度上不同块的变换系数做相关运算及归一化后分别与原来块的变换系数进行比较,根据相应的规则对变换系数进行取舍,然后再采用“相邻系数法”对保留的变换系数进行处理,进一步地去除噪声。由于同时考虑了同一尺度上不同块之间和相同块内相邻变换系数之间的相关性,仿真和实验结果表明该方法能够更好地减少噪声对小波变换系数的干扰,突显出信号突变点的小波变换系数,具有更好的去噪效果。     

CL多小波消噪法在局部放电检测中的应用

为了提取电力设备中被现场强背景噪声淹没的微弱局部放电信号,在CL多小波基本理论的基础上,采用haar和平衡预处理的方法,运用矢量阈值法和相邻系数法消噪,并通过运用平移不变多小波的原理消除Gibbs现象以达到更优越的消噪效果.通过运用两种消噪法对仿真局部放电信号进行处理,验证了多小波消噪法的有效性.同时通过与多小波矢量阈值法和相邻系数法消噪结果进行比较,体现出采用相邻系数法能够达到更好的消噪效果.最后将该方法运用于现场发电机局部放电检测数据消噪研究中,经过对结果的分析得出其具有较好的保留原信号信息的能力.     

有利图像压缩的小波去噪算法

提出了一种有利于图像压缩的小波图像去噪方法及一种小波系数校验方法.首先利用多个阈值在小波域进行硬阈值迭代去噪,然后利用小波子带的方向性对小波系数进行校验,并将保留的非零小波系数乘以一个比例系数,最后利用小波逆变换获得去噪图像.实验结果表明该方法的去噪效果优于常用方法,接近甚至超过BayesShrink方法.该方法可在有效去除图像噪声与保留较少的非零小波系数之间得到较好的折衷.     

基于小波邻域阈值分类的电能质量信号去噪算法

提出了一种基于小波邻域阈值分类的自适应阅值电能质量信号去噪算法.首先结合所用小波函数,基于模极大值小波域确定最佳邻域窗口尺寸;然后利用各个尺度携带信号信息的小波系数其分布具有"簇聚"性质及其小波系数具有局部相关性,通过邻域阈值对小波系数进行分类,对分类后的"小"系数直接置零,对"大"系数则采用一种具有局部强相关性的零均值高斯模型,通过最小均方误差准则得到其估计.仿真实验结果表明,该算法对实际电能质量信号去噪是有效的,在去噪性能上优于常用的多种自适应阈值去噪算法.     

一种基于小波邻域的半软阈值去噪算法

针对小波硬阈值去噪函数的不连续和软阈值去噪函数的恒定偏差导致图像边缘模糊的缺点,本文提出了一种新的半软阈值函数。该方法通过区分图像的强弱边缘分别进行处理,并在弱边缘小波系数的估计中采取基于贝叶斯估计的方法且考虑了邻域小波系数的大小。仿真结果表明,与原有的小波阈值去噪算法和普通的阈值去噪算法相比,该算法在峰值信噪比(PSNR)、边缘保持指数(EPI)和视觉效果上都有明显的提高。该方法能够很好地保护图像边缘信息,达到很好的去噪效果。     

平稳小波域局部自适应绝缘子的红外热像去噪

为从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出了一种平稳小波域局部自适应绝缘子红外热像去噪方法。该法假设平稳小波变换子带系数服从拉普拉斯分布,利用最精细分解层子带系数估计噪声方差,使用待估计点圆形邻域系数估计信号方差,根据图像噪信比自适应调整邻域窗口大小,采用最大后验估计器局部自适应估计各高频子带小波系数,最后对处理后的小波系数进行平稳小波反变换得到去噪后图像。实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和平稳小波变换的贝叶斯阈值去噪法的信噪比更高,在有效去除图像噪声的同时,图像细节信息保留更完好。     

小波去噪与压缩在电厂设备中的应用

为解决600 MW发电机组辅机设备噪音振动数据占用大量存储空间及缓解其数据传送压力问题,针对噪音振动数据的特点提出了一种基于小波阈值去噪和最优小波包压缩的压缩算法。新算法针对小波软硬阈值函数的不足,提出了新的阈值函数对噪音振动数据进行去噪;新算法使用相关系数法获取最优的小波基。仿真表明,改进阈值函数相对原阈值函数在保留高频原始信号的能力和去噪能力方面都有增强;使用改进阈值函数去噪后,小波包压缩能完整的重构信号。最优小波包压缩与改进阈值去噪算法已初步应用于岳阳电厂辅机设备的数据压缩,算法对节省硬盘容量、保护硬盘及高效的数据传送有着重要的作用。     

基于小波去噪的电力系统日负荷分析

介绍了小波去噪的基本原理及方法,简要说明了其消噪的步骤。进一步说明了小波包去噪的原理和步骤,并给出了1个给定含噪信号去噪的实例。由于影响日负荷因素的复杂性,本文采用4个气象指数来量化温度、湿度和风速等气象因子对负荷的综合影响。首先介绍了小波去噪原理,然后通过小波去噪消除负荷和气象数据中的伪数据和噪声。结果表明,去噪以后从关联性上看效果显著,为最终进行负荷预测工作提供指导依据。     

一种基于复小波变换提取PD信号的分块自适应复阈值算法

基于复小波系数之间的相关性以及块阈值算法能充分利用周围小波系数的特点,创建一种用于复小波变换对PD信号的去噪的分块自适应复阈值算法,并与点自适应复阈值算法和分块自适应实阈值算法的去噪效果进行了对比.利用变化趋势参数(VTP)和波形相似性参数(NCC),并结合去噪前后的信噪比(SNR)对仿真PD信号的去噪效果进行综合评价.最后,将分块自适应复阈值技术用于对实验室实测的模拟GIS超高频PD信号的去噪.结果表明,采用分块自适应复阈值算法的复小波变换抑制白噪声效果更好,在保证高信噪比(SNR)或噪声抑制比(NRR)的情况下,对信号的畸变也更小.     

基于小波包多阈值处理的海杂波去噪方法

针对海杂波信号非平稳非线性的特性,在小波包多阈值处理的基础上加以改进,提出了一种新型海杂波去噪方法。利用海杂波数据的频率特性,确定小波包分解层次。考虑到每层小波包分解时,分解系数的高频部分存在翻转情况,将分解系数按照频率大小顺序进行排列,通过自相关函数确定低频、中频、高频部分,每个频段选取合适的阈值,对小波包系数进行重构,得到去噪后的海杂波信号。利用实测海杂波数据进行实验,分别与传统海杂波去噪法和基于经验模态分解的海杂波去噪法比较,所提方法信噪比和均方根误差分别达到了33.519 9和0.001 9,处理不同海情下的海杂波都具有更佳的去噪能力,说明其去噪效果明显,适用范围广泛。     

多小波在电力系统信号消噪中的应用

在简单介绍多小波基本理论的基础上，提出了一种简化多小波分解重构算法的方法，利用该方法可以减少多小波分解重构过程中计算量。以SA4多小波为实例，探讨了基于多小波变换的两类预处理方法以及预处理方法对多小波的重要性。通过分析了多小波的消噪算法，尝试基于不同预处理方法的多个常用多小波在电力系统信号消噪方面的应用。对电力系统三种较典型信号的大量仿真计算结果表明：在相同滤波器长度下，选择合适的预处理方法，利用多小波对电力系统信号消噪可以取得比传统小波更好的信号消噪效果。     

多小波变换及其在图像处理中的应用

简要回顾了多小波变换理论及其在图像处理中的重要性质 ,分析了离散多小波变换时预滤波设计和边界处理问题。而后介绍了多小波变换在图像处理方面的应用。实验表明 ,多小波方法在图像数据压缩以及图像去噪等方面能够取得比单小波更好的效果。     

基于邻域方差加权平均的小波图像融合

提出了一种基于邻域方差加权平均的小波图像融合方法.利用离散小波变换分别将两幅源图像进行多尺度分解,再用不同的小波系数特征指导高频分量和低频分量的小波系数的融合.低频分量采用简单的加权平均法,高频分量采用邻域方差加权平均法,最后根据融合图像的各小波系数重构融合图像.实验表明不论从主观感受,还是采用信息熵和交叉熵作为评价标准,该方法都优于像素级融合方法.     

基于EMD的图像信号去噪的改进算法

根据EMD对图像信号进行分解,本文讨论了采用硬阀值去噪声和软阀值去噪的方法的优劣性,并提出了EMD＋SG滤波器组合去噪的方法,对前N／2个IMF采用SG滤波器对每一数据点的一个邻域（长度为n的滑动窗口）进行滤波,用一元P阶多项式根据最小二乘法准则,拟合出邻域内的最佳值作为去噪后的数值,再与后N／2个IMF进行图像重构。实验表明,该算法比其它算法具有较好的去噪效果。     

基于最优预处理方法选取的多小波故障数据压缩方案

多小波的预处理方法是影响多小波应用的关键因素之一,文章提出基于预处理方法对多小波本身滤波器的影响和实际信号的应用两方面来综合选择最优预处理方法,并提出了基于该方法的多小波数据压缩方案,应用于电力系统输电线路故障信号的数据压缩,仿真结果表明,该方案较好地解决了多小波最优预处理方法的选择问题,能得到满意的压缩效果.     

基于邻域降噪正交自编码器的工业过程故障检测

针对采用自编码器提取过程特征进行故障检测时,没有考虑数据的局部结构信息,提出邻域降噪正交自编码器（neighborhood denoising quadrature autoencoder, NDQAE)的方法。邻域保持嵌入算法提取数据的邻域信息作为权重对过程数据进行加权,强化数据局部结构信息。正交自编码器进一步提取带有局部信息加权的过程数据非线性特征。通过加入噪声增强自编码器的鲁棒性,并采用反向传播算法训练网络参数,获得能够捕捉数据局部特性和全局特性的鲁棒自编码器模型。在该模型的隐特征和重构残差空间分别构建T2和SPE统计量,并计算统计量控制限用于故障检测。在田纳西-伊斯曼（TE）化工过程和三相流过程进行仿真实验,结果表明了所提算法的有效性。     

基于多小波的电力系统故障暂态数据压缩研究

在介绍多小波MALLAT算法的基础上，与传统小波进行了比较。通过对传统小波与多小波能量压缩率的研究，详细比较了基于不同预处理方法的多小波与传统小波的能量压缩率。利用两种数据压缩方法，通过大量的仿真工作，对不同预处理方法的多小波与小波的压缩效果进行了深入讨论比较，结果表明：预处理方法的选择是影响多小波压缩效果的关键因素，若选择合适的预处理方法，利用多小波对电力系统故障暂态数据进行压缩，可以获得比传统小波更好的压缩效果。     

CL多小波预处理方法在故障数据压缩中的应用

在介绍CL(Chui-Lian)多小波基本理论的基础上,探讨了CL多小波的预处理方法及其对CL多小波原有滤波器响应的影响,分析后认为Haar和平衡预处理方法是CL多小波最有效的预处理方法.文章还做了将具有这两种预处理方法的CL4多小波应用于电力系统正弦信号和故障暂态信号数据压缩的仿真实验.仿真结果表明,基于Haar和平衡预处理方法的CL4多小波具有较GHM多小波和传统db4小波更好的数据压缩效果.     

基于CL多小波及SPIHT编码的电力系统故障录波数据压缩算法

针对电力系统故障录波数据的存储和传输问题,提出了基于CL多小波和多级树集合分裂SPIHT(SetPartitioned in Hierarchical Tree)编码的数据压缩方法.首先对故障录波数据进行CL多小波变换,然后对变换以后的系数进行一维SPIHT编码,对得到的排序位流再进行算数编码.实验结果表明该算法在压缩比为8.2907%时,均方误差为0.4544%,信噪比达46.8504,同时该算法可以根据需要自由控制压缩比,实现了可变码率,在应用中可得到满意的压缩效果.