共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
3.
《Planning》2020,(1)
本文针对心电信号(ECG)微弱、频率范围低、易受噪声干扰等问题,提出一种改进小波阈值去噪算法。不但能通过可变参数h调节自身软、硬特性从而确定合适的阈值函数,而且根据分解层数不同,自适应地调整通用阈值。通过选取MIT-BIH库的部分数据,结合常见的三种小波基,进行实验验证。结果表明改进的小波阈值去噪算法可以有效抑制心电信号噪声,得到较好的信噪比,同时对MSE也有所改善。 相似文献
4.
5.
6.
泄漏电流是对避雷器进行在线监测及运行状态评估的重要方法,但泄漏电流信号易受外界噪声干扰,而传统去噪方法存在去噪效果不理想的问题。本文提出了一种融合小波阈值去噪和形态学去噪的新型自适应去噪方法,该方法利用了小波阈值法在去除低幅值噪声和形态学法在去除高幅值噪声上的不同独特优势,并采用最速下降法对小波法的阈值和形态学法的权系数进行自适应优化确定。通过避雷器泄漏电流仿真信号和现场实测信号的去噪对比试验,结果表明:本文小波和形态学相融合的去噪方法具有很好的优越性和稳定性,可为避雷器泄漏电流信号处理及其在线监测提供有效的技术参考和指导。 相似文献
7.
《Planning》2014,(9)
利用信号和噪声在小波变换中不同尺度上具有不同的特性,提出了基于小波变换的去噪方法。经过小波变换后的信号,在其小波系数中包含了实际信号的重要信息特征,表现为幅值较大的小波系数,而噪声产生的小波系数幅值较小。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,以得到去噪后的信号。 相似文献
8.
《Planning》2019,(17)
本文以毫米波雷达回波为对象,实现雷达回波采样系统的软硬件设计,并利用Matlab实现回波信号恢复。同时分析、对比了小波去噪中三种阈值函数及小波函数对信号恢复的影响,达到更好去噪,提升信号恢复的目的。 相似文献
9.
小波阈值去噪是一种有效压制随机噪声的方法,但在信号信噪比降低时,阈值的选取也变得困难。本文利用高阶相关的方法来压制信号中的随机噪声。这种方法中,通过计算小波函数与信号的相关函数的三重相关系数来代替小波系数对信号进行阈值处理。因为高斯分布函数的高阶矩为零,所以三重相关系数能更好地识别未被噪声污染的小波系数,能更好地压制随机噪声。通过对探地雷达的理论模型和实际数据处理表明,该方法能有效地压制噪声,提高信噪比,是一种处理探地雷达数据的有效方法。 相似文献
10.
《Planning》2021,(3)
在现代交通运输中,铁路运输的地位很高,通过建立小波神经网络模型,对客运量做出预测。首先将原始数据通过小波去噪,然后进行归一化处理,最后基于小波神经网络建立预测模型,通过对比未去噪的和去噪,发现去噪后的模型误差小。 相似文献
11.
12.
绝缘子泄漏电流信号的采集受很多噪声信号的干扰,直接使用将影响准确地提取其特征量,本文对基于EEMD(Ensemble Empirical Mode Decomposition)阈值的绝缘子泄露电流去噪方法进行研究,借鉴小波去噪的4种阈值方法对泄漏电流信号进行去噪,分别是自适应阈值、固定阈值、启发式阈值和极大极小阈值,对EEMD阈值的去噪方法进行研究,通过对去噪前后信号的波形、有效值和谐波幅值比这3个特征量进行分析比较,综合比较仿真和实测信号去噪前后的效果,得出固定阈值是EEMD去噪方法的最佳阈值。 相似文献
13.
14.
探讨了采用小波分析方法对变形监测数据进行预处理,包括异常值检测和小波阈值去噪。利用小波分析后的模极大值在不同尺度上的衰减程度可以衡量出信号的局部奇异性,进而检测出数据异常值,接着采用小波阈值去噪法对异常值进行处理。本文结合某基坑周围建筑物沉降监测实例,来说明小波分析方法应用于变形监测数据异常值检测与处理的可行性。 相似文献
15.
16.
《Planning》2019,(6):633-637
使用小波去噪函数对实测加速度信号去噪并去除直流分量处理,利用时域积分法和频域积分法获取速度信号和位移信号,通过比较这两种积分方法在分析振动信号上的优劣,再分析误差来源并给出定量评判指标。通过实例验证了基于最小极大方差阈值的小波去噪在处理加速度信号时能获得较好的去噪效果;积分后修正的时频域积分法能够较好地克服直流分量和积分趋势项问题,并指出在对振动信号的处理上频域积分比时域积分有更高的准确度和稳定性。 相似文献
17.
在调研部分农村地区煤改气居民用户实际用气情况的基础上,建立了一种基于小波阈值去噪和采用遗传算法优化BP神经网络的短期燃气负荷预测模型(称为GA-BP神经网络预测模型)。以华北地区农村煤改气居民用户作为研究对象,对974户管道天然气居民用户2018年1月—2021年12月的日用气量进行采集。对采集数据进行小波阈值去噪处理,进行日负荷预测影响因素的选择及量化。将负荷预测影响因素和日负荷组成的数据集划分为训练集和测试集,对BP神经网络预测模型、GA-BP神经网络预测模型进行训练和测试。将两种模型的日负荷预测值与真实值进行对比,并将两种模型的评价指标进行对比,验证两种预测模型的准确性。研究结论如下。小波阈值去噪处理去噪效果良好,可用于燃气日负荷预测数据预处理。日平均温度、天气类型、节假日情况、前一日用气量、供暖情况是影响燃气日负荷预测的5个主要影响因素。有必要关注供暖过渡期的日负荷变化。这段时期温差变化大,用气情况复杂多变,对供气不确定性影响较大。对这部分的合理处理可以有效减小预测误差。日平均温度是影响农村居民用气非常重要的因素。遗传算法对BP神经网络的优化,可以很好地为网络初始权值和阈值的确... 相似文献
18.
结合经验模态分解与小波阈值去噪方法,提出基于EMD小波的高速电梯振动信号去噪方法,并对高速电梯振动信号进行了实例分析。结果表明,应用基于EMD小波阈值去噪方法相比于低通滤波去噪方法与单纯小波阈值去噪方法,具有更高的信噪比,能够提高分析的精度。有效保留了信号特征。 相似文献
19.