基于改进MDL准则的电能质量信号消噪新方法

电力系统中电能质量信号往往含有大量的噪声,这将会在很大程度上影响检测的效果。为了有效地消除噪声,基于MDL准则提出了将MDL函数的第2项改为信号的剩余能量比以提高消噪能力的改进算法,同时给出了改进后MDL函数参数确定的方法,讨论了小波分解层数的确定及小波基函数的选取等问题。对不同电能质量信号进行消噪处理时该新方法能得到最优的分解层数和小波基函数,消噪后信号具有较高的信噪比且信号的剩余能量比高。仿真结果表明:该新方法优于小波分析的电能质量消噪方法和基于MDL准则的电能质量消噪方法,取得了令人满意的消噪效果。     

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。     

用于提取PD信号的复小波簇消噪算法

因电气设备处在强烈电磁干扰环境中,常被噪声淹没,为了准确检测PD信号,需有效抑制其噪声干扰。根据PD信号和白噪干扰的复小波系数各有其特点和小波变换的本质是被分析信号和小波做内积运算,提出了从一簇复小波中逐层选择最优复小波并根据模极大值原理确定分解层数的方法即以阈值消噪法为基础的复小波簇消噪法。采用该方法对PD染噪信号进行去噪处理,并用去噪前后的信噪比(SNR)和波形相似性参数(NCC)对仿真PD信号的消噪结果进行评价。结果表明,复小波簇消噪法在满足SNR>10 dB的要求下,两个信号的NCC都>0.9,复小波簇消噪法从白噪干扰中提取PD信号的能力更强,在高SNR的情况下,信号的畸变也更小。     

一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果。引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导。针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究。结果表明：这种消噪模式可以改善电能质量信号信噪比门限的影响。利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息。     

基于小波变换的自适应阈值消噪法

信号消噪与恢复是信号处理的一项前期的、最基本的工作，其目的是尽可能地复原被噪声(或干扰)污染的信号，消噪效果直接影响到后期的信号处理。介绍了几种常用的小波消噪方法，分别是小波分解与重构法、非线性小波变换阈值法、平移不变量法和小波变换模极大值法。针对非线性小波变换阈值法提出了一种自适应阈值消噪法。通过仿真实验证明，该方法不仅消噪效果好，而且可用于对含有时变的噪声信号进行消噪。     

超宽带信号检测中基于新阈值函数的小波去噪方法研究

小波阈值去噪是信号处理中一种重要的去噪方法。为了提高超宽带通信信号的检测性能,获得更高的检测信噪比,基于小波变换以及小波阈值去噪的原理,提出了一种新的阈值处理方法,进而对跳时脉冲位置调制超宽带（TH-PPM-UWB）信号用新方法的去噪结果进行分析比较,仿真试验结果表明,新的小波阈值法去噪效果明显,在信噪比和均方根误差上均优于传统的软阈值和硬阈值方法。     

一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果.引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导.针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究.结果表明:这种消噪模式可以改善电能质量信号信噪比门限的影响.利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息.     

小波变换和数学形态学在电力扰动信号消噪中的应用

基于小波变换和数学形态学的信号消噪方法都已被充分证明是行之有效的,但两种方法应用于电力扰动信号这一特殊对象的消噪是否能够适应良好,根据不同的信号和精度要求如何选择不同的消噪方法,成为一个很重要的问题。基于此,建立了重构因子用以评价算法对信号的重构能力,并对几种典型电力扰动信号进行了分析,通过计算其重构因子,讨论了两种算法对不同信号的适应性。通过仿真分析,得出对于无暂态脉冲或高频振荡扰动的信号,两种方法都是有效的,可根据计算速度和精度的不同要求予以选择;对于含暂态脉冲和振荡扰动的信号,基于小波变换的消噪效果     

基于EMD的局部放电去噪方法的研究

针对局部放电信号在线检测中通常存在噪声污染、小波变换受小波基的选择影响较大,能量泄露及脉冲信号畸变等问题,在EMD的基础上,采用基于自相关函数的改进时空去噪和阈值去噪相结合的EMD去噪方法,在MATLAB的环境下进行仿真验证,并对电晕放电信号进行去噪分析。结果表明:采用该方法去噪性能在信噪比和波形畸变率两方面都较db4和db8小波去噪更好,有良好的去噪效果。     

小波变换和数学形态学在电力扰动信号消噪中的应用

基于小波变换和数学形态学的信号消噪方法都已被充分证明是行之有效的,但两种方法应用于电力扰动信号这一特殊对象的消噪是否能够适应良好,根据不同的信号和精度要求如何选择不同的消噪方法,成为一个很重要的问题.基于此,建立了重构因子用以评价算法对信号的重构能力,并对几种典型电力扰动信号进行了分析,通过计算其重构因子,讨论了两种算法对不同信号的适应性.通过仿真分析,得出对于无暂态脉冲或高频振荡扰动的信号,两种方法都是有效的,可根据计算速度和精度的不同要求予以选择;对于含暂态脉冲和振荡扰动的信号,基于小波变换的消噪效果明显优于基于数学形态学的消噪方法.     

谐波小波包在接收机中的应用研究

在强噪声环境中检测出微弱信号的能力是接收机重要性能指标之一.为了提高接收机在强噪声环境中检测微弱信号的能力,将小波去噪算法和谐波小波滤波算法应用到接收机的数字处理部分,并使用MATLAB软件做了相应的仿真.仿真结果表明,在-30 dB的信噪比下,小波去噪算法效果不理想,谐波小波滤波算法取得较好的效果,能够在强噪声环境中...     

改进EWT算法的心电信号去噪研究

心电图对诊断心律失常具有重要意义,但心电信号易受各种噪声的干扰,噪声会改变心电信号的形态,影响心律失常的准确诊断。本文提出了一种改进经验小波变换的心电信号去噪算法,根据心电信号的频域特点,改进了经验小波变换中频谱的划分方法,并通过计算过零率和相关系数去除噪声相关的经验模态函数,使用小波阈值法去除剩余分量的残留噪声。实验结果显示,基线漂移和肌电干扰得到有效滤除,降噪后信号的信噪比为17.7382dB,均方根误差为0.0203,优于其他常用方法。改进的经验小波变换算法降噪效果明显,能够有效还原原始心电信号特征。     

基于小波分析的PLC信号处理

电力线载波通信系统中,对接收信号的处理是非常重要的。文章介绍了基于小波和小波包变换这样2种信号处理方式,它们均能有效地克服通信环境中的干扰,提高信噪比。文章通过试验和理论分析,对这2种信号处理后的效果进行了比较,得出结论:由于小波包具有更高的频率分辨率,因此更加适合于对被噪声严重污染的电力线信号的分析处理。     

基于元素分析的滚动轴承故障诊断

针对现有信号降噪或重构方法无法完全去除噪声,且时频表示存在能量模糊问题,提出了一种利用元素分析进行滚动轴承故障诊断的方法。所提方法首先构造了元素模型来表征信号,然后对元素模型进行Morse小波变换,并从小波变换中计算得出信号冲击点,从而得到信号的故障特征频率。该方法还可以利用基于小波变换中时间或尺度平面内的少量孤点来重构信号。最后,采用一组仿真信号数据和两组实验数据来评估所提方法性能,并与其他信号重构方法和时频分析方法对比,结果表明,所提方法对滚动轴承故障信号重建和识别的效果更好。     

基于模式变换和小波变换的电力电缆故障测距方法

通过将小波变换与模式变换理论相结合,提出了一种电力电缆故障的在线测距方法,该方法采用暂态行波信号,首先将三相信号转换成模式分量,零模分量的小波变换系数用于判别故障的大致位置,然后利用线模分量的小波变换系数来确定行波到达时间.采用模式变换可避免传统行波方法中存在的受故障起始角影响的问题.仿真结果表明,该方法有很高的测距精度,是可行的.     

小波变换在电力系统谐波检测方面的应用

针对傅里叶变换的谐波检测方法无法同时实现时-频变域分析这一缺点,提出了小波变换这一新方法对谐波进行分析。通过小波变换对电力系统中的谐波电流进行分解,得到信号的基波分量和高次谐波分量。针对电力系统中的突变信号,提出了基于小波变换的模极大值的奇异性检测方法,通过小波变换模的极值点在多尺度上的综合表现,来表示信号的突变特征,并通过仿真实例验证该算法的有效性。     

基于Daubechies小波的多分辨分解在电压闪变信号分析中的应用

电压闪变是低频时变的非平稳信号,传统的傅里叶变换在分析非平稳信号方面存在很大的局限性,而小波变换具有时频局域化性质,是分析这类信号的有力工具。提出了利用小波多分辨分析提取电压闪变信号的方法,并根据小波函数的特点和分析的目的,选用不同N值(消失矩阶数)的Daubechies小波对闪变信号进行特征提取、定位及去噪处理。根据调幅波的时频信息,获得闪变信号的频率和幅值;通过检测小波变换模极大值,实现了对电压闪变发生、恢复时间的精确定位;并采用软阈值方法消去电压闪变信号中的噪声。仿真结果表明,不同N值的Daubechies小波和多分辨分析的结合在信号分析中可以取得良好的效果。     

基于小波奇异性检测的在线监测数据处理

在复杂的现场条件下 ,各种影响因素的共同作用可能造成在线监测数据失真。为保证分析诊断的准确 ,必须对在线监测数据进行去噪与平滑处理。由于小波变换系数模极大值的位置和幅度同信号的局部奇异性密切相关 ,本文提出了一种基于小波奇异性检测的在线监测数据处理方法。利用小波变换得到奇异点的位置与其局部奇异性信息 ,针对奇异点的类型不同分别进行去噪与平滑。较之以往方法 ,该方法通用性强 ,且无需大量的统计信息。通过对实际的监测数据分析 ,验证了所提方法的有效性     

基于小波的自适应阈值白光干涉数据去噪

在Daubechies小波分解变换的基础上,研究一种自适应阈值白光干涉数据去噪方法——自适应阈值去噪方法(adapt threshold shrink,ATS)的白光干涉数据去噪方法。这种方法是基于Bayes框架,在不同子带上选择不同的最佳阈值。结合软阈值法对白光干涉信号进行去噪,与传统方法相比,此种方法提高了去噪后白光干涉数据的信噪比,而且使数据波形更加清晰。基于Daubechies小波的自适应阈值白光干涉数据去噪法实现简单、计算速度快、去噪效果好。