改进小波阈值去噪法在谐波检测中的应用

针对电力系统谐波检测中传统的软、硬阈值去噪方法不能有效的解决噪声干扰的问题,提出了一种新的去噪算法:改进软硬阈值折衷法。对模拟的电力系统信号分别采用传统的硬、软阈值法、软硬阈值折衷法和文中方法进行Matlab仿真,定量对比分析得出结论:改进软硬阈值折衷法能够更好的解决噪声干扰问题,去噪信号的的信噪比得到提高,均方根误差得到减少,重构后信号能更好还原原始信号,去噪效果好,实用价值较高。     

基于小波阈值改进的去噪算法研究

在平常的信号检测中,常常伴随着信号噪声的存在,使得检测结果不准确,所以需要对信号进行去噪处理。而小波去噪在信号预处理方面应用广泛,特别是小波阈值去噪,操作简单且效果良好。针对软、硬阈值去噪方法进行分析,提出一种基于高次逼近法改进阈值的去噪方法。仿真实验表明,利用自适应阈值的高次逼近法,其去噪效果优于常规的软、硬阈值及高次逼近法,得到的信号效果更好。     

改进阈值函数的小波熵方法抑制局部放电白噪声的研究

针对传统硬阈值法和软阈值法的缺陷,提出了改进阈值函数的小波熵方法。该方法对含噪局放信号进行小波分解,基于小波熵自适应选取阈值,并引入一种改进阈值函数对小波系数进行处理,最后重构得到去噪后信号。典型仿真信号和实测信号的去噪结果表明,提出的方法能够有效去除局放信号中的白噪声。     

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.     

改进的小波阈值去噪法在省级电网低频振荡分析中的应用

Prony分析的精度受信号噪声影响很大,为此,一个有效的去噪算法就成为应用Prony方法的关键。本文引入新的阈值选取和阈值函数对传统的小波阈值去噪算法进行改进,利用改进的小波阈值去噪算法对采样信号进行预处理。新的阈值选取能够保证小波系数随尺度的分布而变化,同时贴合不同类型信号中噪声在各层的实际分布情况,进而确保充分的去噪能力而不使重构的信号失真。新的阈值函数相比于常用的软阈值函数减小了其中存在的固定偏差,而相比常用的硬阈值函数确保了函数的连续性,从而消除了重构信号可能出现的振荡。并构造信号仿真实验,通过Matlab仿真实验与软阈值法、硬阈值法等方法去噪效果及辨识结果的对比,验证了利用本文提出的改进算法的有效性。     

基于改进阈值和阈值函数的电能质量小波去噪方法

针对电能质量扰动类型多,成分复杂,扰动特征易被当作噪声去除等问题,提出一种改进小波阈值去噪算法。该算法通过计算每层小波系数的峰和比来确定该层噪声含量,使修正因子Fj可根据不同扰动信号的噪声分布特点自适应调整通用阈值。同时,提出了改进的阈值函数,可变参数a能调节自身软、硬特性从而确定合适的阈值函数。采用该算法对七种常见电能质量扰动信号去噪,仿真结果表明,改进小波阈值去噪算法在不同噪声干扰下,对各类扰动信号都能达到较好的信噪比,去噪效果稳定,重构信号波形恢复较好,且在去噪过程中保留了扰动特征,能为后续电能质量分析提供准确有效的信息。     

一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法

含噪电能质量扰动信号分析的前提是准确找到突变点信息,对信号进行去噪的同时,又必须保留突变点特征。针对此问题,选取平稳小波变换分解信号,并利用提出的改进阈值函数对信号进行去噪。将含噪的电能质量扰动信号进行多层平稳小波变换,逐层估计平稳小波变换细节系数中噪声的均方差σ_j,计算各层阈值σ_j2lnk~(1/2)并根据信号、噪声的小波系数在不同尺度上的分布特点,通过ln(j+1)对各层阈值进行修正,结合改进的阈值函数分别对各层小波系数进行处理。利用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。仿真结果表明,改进的阈值函数去噪方法能够较好地滤除噪声并保留突变点特征,从处理后的小波系数中可以清晰地观察到扰动的起止时刻,并能够分辨出暂态振荡与谐波干扰。     

故障分析中的小波软阈值改进除噪方法

软阈值消噪是信号消噪中的标准算法。故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征。通过分析信号和噪声的小波系数在小波空间的不同特性,在"噪声强度估计"、"阈值选择策略"和"小波系数调整策略"三个方面对软阈值除噪技术进行了改进。仿真研究表明改进方法较好地解决了保护信号局部特征和抑制噪声之间的矛盾,并对各种类型的故障信号均能进行有效的分析。     

故障分析中的小波软阈值改进除噪方法

软阈值消噪是信号消噪中的标准算法.故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征.通过分析信号和噪声的小波系数在小波空间的不同特性,在"噪声强度估计"、"阈值选择策略"和"小波系数调整策略"三个方面对软阈值除噪技术进行了改进.仿真研究表明改进方法较好地解决了保护信号局部特征和抑制噪声之间的矛盾,并对各种类型的故障信号均能进行有效的分析.     

基于提升小波改进阈值的光谱信号去噪研究

对傅里叶红外光谱信号的预处理进行研究,分析了小波变换在光谱信号去噪中的应用,针对传统小波阈值去噪中存在的缺点,对阈值函数进行改进。改进方法通过保留部分低于阈值的分解系数,克服了硬阈值法不连续,以及软阈值法估计系数和真实系数具有恒定偏差的缺点。实验采用基于提升小波的改进阈值函数法对铜陵市市区上空空气实测光谱信号进行预处理,结果表明,与经典小波变换和Donoho软阈值、硬阈值法相比,相同条件下信噪比、均方差、运行速度均有所提高。     

小波阈值去噪函数的改进方法分析

小波阈值去噪是一种简洁有效的去噪方法,传统阈值去噪法包括软、硬阈值法,它们在实际应用中取得了很大的成功,但同时也存在一些有待改进的地方。为此,介绍了3种国内外有代表性的小波阈值函数改进方法,并在传统阈值函数的基础上提出了一种新的双变量阈值函数。对局部放电仿真信号进行的去噪分析结果显示,改进阈值函数在信噪比增益和最小均方误差意义上要优于传统的软、硬阈值函数,其中新的双变量阈值函数在4种改进阈值函数中具有最优的去噪性能。     

基于小波迹方法的局部放电信号消噪研究

在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。     

一种改进的小波阈值法在信号消噪中的研究

对于非平稳信号,小波多尺度分解是一种有效的信号去噪方法,在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,采用了一种改进的阈值函数,改进的阈值函数克服了硬阈值函数不连续的缺点,同软阈值函数一样具有连续性,而且解决了软阈值函数中存在的恒定偏差,同时它具有软硬阈值函数不可比拟的灵活性。仿真结果表明,采用了改进的阈值函数的去噪结果有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法。     

基于小波改进阈值的肌电干扰降噪研究与效果评估

肌电干扰是心电信号采集过程由于肌肉的轻微颤动引起的噪声干扰,因此需要对采集到的心电信号进一步的去噪.针对传统小波阈值去噪算法对心电信号去噪后存在信号震荡与失真问题,提出一种含有两个动态参数的改进小波阈值函数,通过动态参数可以对改进阈值函数进行整体和局部的调节,从而达到可以对不同程度的噪声进行去噪的目的 .为了验证新阈值函数的去噪效果,采用信噪比、均方差和心电信号的时频域特征3种评估指标,对改进的阈值函数和传统的肌电干扰去噪算法进行去噪效果的比较.研究结果表明,改进的阈值函数对心电信号去噪后的特征波形保存较好,克服了软、硬阈值函数的缺点,去噪后在平滑性和保真性方面表现良好.与传统肌电干扰去噪算法相比,对轻微噪声和严重噪声去噪后信噪比分别为38.7948和36.7212,均方差分别为0.0013和0.0018,去噪评估结果最好.     

基于小波阈值去噪的改进方法

语音信号是非平稳信号,利用小波的时频域局部化特性,通过小波变换对语音信号进行去噪处理,在经典的硬、软域值去噪方法的基础上,提出一种新的算法,并比较这3种算法的优劣。最后进行仿真实验,用MATLAB软件提取一段纯净的语音信号,并叠加高斯白噪声,对带噪信号分别用以上3种算法进行去噪处理,实验证实了该算法较其他算法更加有效。     

一种基于新型小波阈值去噪预处理的EEMD谐波检测方法

为了提升经验模态分解(EMD)用于谐波检测的效果,用集合经验模态分解(EEMD)消除了EMD谐波检测的模态混叠问题。通过研究发现采样信号中的噪声会对EEMD的分解产生较大影响,提出了一种基于新型小波阈值去噪预处理的EEMD谐波检测方法。该方法首先采用变换小波系数精确选取小波阈值,然后采取软硬阈值相结合的方式,以消除随机噪声,再将去噪后的信号进行EEMD分解。经仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EEMD谐波检测的精度与适用性。同时与原有EEMD算法相比,所提方法在分解速率上平均提高了大约3.8倍,有效分量与原始信号的相关度平均提升了22.5%。     

基于小波和高阶PDE的电缆局部放电去噪研究

局部放电(PD)试验是检测电力电缆绝缘性能的重要手段,由于试验现场电磁环境比较复杂,提取所得的PD信号已被噪声淹没。为得到较为真实的PD信号,提出了一种基于小波变换和高阶偏微分方程(PDE)相结合的去噪方法。利用小波变换提供较好的局部放电信号预处理和后处理平台,对低频子信号进行四阶PDE迭代去噪,同时采用效果评价指数信噪比(SNR)作为迭代终止条件。将该方法的去噪效果与传统的小波阀值去噪效果进行了比较,经过计算和仿真分析表明,文中方法能够较好的保留信号边缘与细节,比传统小波阀值去噪具有更优越的去噪性能。