共查询到20条相似文献,搜索用时 15 毫秒
1.
在简单介绍经验模态分解(EMD)的基础之上,将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数(IMF)的统计特征,提出了一种基于向量阈值的新去噪算法,相比于常规的小波去噪算法,该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明,新算法可以有效地抑制白噪声,取得和小波变换几乎一致的效果。 相似文献
2.
小波方法是一种很好的电能质量信号检测和分析工具,但其性能往往受信号中噪声的影响,当噪声比较大的时候,小波方法甚至会失效。文中根据小波变换的时频特性,分析了信号和噪声在小波分解过程中的不同特性,并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声,并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾,能很好地对各种电能质量信号进行去噪处理,而且达到了数据压缩的效果。仿真计算结果表明,该去噪方法是有效的。 相似文献
3.
为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。 相似文献
4.
以南水北调北京段大宁水库防渗墙加高施工工程为背景,基于小波包变换去噪法和小波变换阀值去噪法,对现场监测数据进行了消噪处理,比较了两者在工程实际中的应用效果。研究表明,对防渗墙工程安全监测数据,小波包的处理结果更为理想,能够更有效地去除噪音突变信号,保留原始有用信号的突变点,使重构信号能够更光滑地重现原始信号,其去噪法性能比小波变换阀值去噪法更佳,具有更好的实际应用价值。研究结论为后期更加准确地评价防渗墙施工期间的变形和进行墙体长期稳定性分析提供重要依据,研究方法可为类似工程提供参考。 相似文献
5.
提出了用二维离散小波变换和能量阈值相结合的方法来解决电能质量扰动信号的压缩问题。利用二维db小波变换对矩阵数据分别进行行卷积和列卷积,把检测数据的高频信号和噪声信号分解在3个不同的方向上,且信号的能量集中在很少的小波系数上。再通过改进的能量阈值法,利用能量均值修正系数设置阈值使得压缩后的能量保留在99%以上,从而保证了重构信号的失真度很小且自适应地消除了加在扰动信号上的噪声。对6种扰动信号进行仿真并与小波包的压缩结果进行比较,结果表明该方法极大地提高了压缩率,并对噪声干扰有很好的去噪能力。 相似文献
6.
综合应用小波变换理论和最小均方误差(LMS)自适应滤波器技术,提出了一种小电流接地系统单相接地故障选线方法。该方法对故障发生后的零序电流信号进行小波变换,通过LMS自适应滤波器对小波系数进行滤波去噪,利用去噪后的信息进行选线。该方法能有效地从被噪声干扰的信号中得到有用的信息,克服了故障信号信噪比低的缺点,并能够充分利用故障信息连续判断。应用现场故障录波数据对该方法进行了验证,结果表明该方法能够满足实用要求。 相似文献
7.
针对染污绝缘子安全区泄漏电流信号包含大量噪声干扰、很难准确提取其有效特征量的问题,利用4种小波阈值去噪方法对不同信噪比的实测安全区泄漏电流信号进行去噪,提取去噪前后的泄漏电流波形、有效值以及3次谐波与基波幅值比这3个特征量,对比分析了其去噪效果,优选出最适合安全区泄漏电流特征量提取的小波去噪方法。通过分析得出在信噪比大于1.0时,对于安全区泄漏电流波形和有效值,自适应阈值是最佳的去噪方法;对于3次谐波与基波的幅值比, 4种阈值去噪法获得的比值对真实比值的逼近效果基本一样。综合比较实测信号提取的各个特征量去噪前后的效果可知,自适应阈值法是提取安全区泄漏电流特征量的最佳去噪方法。 相似文献
8.
9.
针对闸门监测振动信号去噪问题,提出基于CEEMDAN(经验模态分解)和小波包分解的闸门振动信号降噪算法,通过采用CEEMDAN和小波包分解方法进行信号去噪,可以有效处理水电站泄洪闸门振动信号中受到的外部干扰。CEEMDAN方法能够将信号分解成多个本征模态函数(IMF),每个IMF代表不同频率的振动成分,使得外部干扰和真实信号成分可以分离。随后,小波包分解能够将每个IMF进一步分解成不同尺度和频率的子频带,这有助于更准确地定位和分离干扰成分。对每个子频带应用阈值去噪技术,可以有效去除噪声,保留真实信号。由测试结果可知,该算法能很好地剔除闸门振动信号中的无用噪声,有效提高闸门振动信号的准确性。 相似文献
10.
大坝水平位移监测数据的小波变换去噪处理 总被引:4,自引:1,他引:4
将实际观测到的一组大坝水平位移监测数据作为通常意义下的时序信号,并对其进行小波变换分析。根据噪声和有用信号的小波变换系数模极大值在不同分解尺度上的传播特点,提出了根据模极大值的传播规律来区别噪声和有用信号的方法,并给出了具体的算法和计算程序。对模拟数据和实测数据的处理结果表明,基于小波分解模极大值的去噪方法能够有效剔除土木工程变形监测数据中的噪声,识别被噪声湮没的有用信号。 相似文献
11.
12.
根据龙滩地下洞室围岩现场长期的观测数据,利用小波变换阈值去噪法对数据信号的高频系数进行量化处理,恢复原有的监测信号。实例结果表明,小波变换阈值去噪法能够有效地去除噪声的影响,获得围岩变形的真实信号。同时将去噪后的数据用于支持向量机(ε-SVR)建立时序分析模型中,并与GA-BP模型进行对比,结果表明ε-SVR模型的误差更小,预测效果更佳。更多还原 相似文献
13.
为了实现对大坝坝体GNSS原始监测数据中高斯噪声、白噪声等异常特性进行有效去噪,同时要求保留异常信号中的有效信息,基于小波变换分析理论,应用非线性小波变换阈值法对大坝坝体的GNSS原始监测数据进行去噪处理。结果表明,该方法能够有效剔除GNSS原始监测数据中不同类型的噪声点,明确了大坝坝体外部变形与库水位的相关性关系,分析了运行期内大坝坝体外部变形相对值分布状况,揭示了大坝坝体变形的周期性、趋势性等特征,为坝体变形监测的设计、变形趋势的观测与预测等提供参考。 相似文献
14.
将信号的小波包变换看做通过等带宽的滤波器组,输出是对应频带上的分量,如某一频带上存在离散谱干扰,其小波包变换树节点的信息熵将会明显增大。同时,提出基于小波包分解和重构算法的熵阈值法。结果表明,这种方法具有良好的自适应性,无须事先确定离散谱干扰的数目及其中心频率,干扰抑制能力强,能准确提取局部放电脉冲的相位,对于单一放电类型,可以标定放电量的大小。 相似文献
15.
引起面板堆石坝沉降变形的环境因素复杂,观测数据呈现出明显的噪声干扰特性,限制了数学模型拟合及预测的精度。对原始信号进行小波变换可有效分解其中的有用信号和噪声,因此,引入小波变换理论建立了基于小波阈值去噪的数学模型,并对面板堆石坝(CFRD)的沉降变形实测数据实施去噪,再对去噪后的数据进行高斯过程回归(GPR),建立了预测堆石坝沉降变形的模型。依托CFRD的实测沉降变形资料,采用Wavelet-GPR模型对大坝沉降进行了拟合与预测,并与未进行去噪的GPR模型计算结果进行对比。结果表明:Wavelet-GPR模型观测值与预测值的残差符合正态分布,去噪后学习段的均方根误差(RMSE)由0.928 7 mm减小至0.457 7 mm,平均绝对误差(MAE)由0.485 0 mm减小至0.330 6 mm;预测段的RMSE由1.308 9 mm减小至0.917 6 mm,MAE由0.926 3 mm减小至0.730 3 mm;且去噪后模型的样本观测值个数在其预测值95%置信范围内的占比有明显提升。因此,利用小波阈值去噪对实测沉降数据进行降噪处理能够降低噪声导致的数据观测值与真实值之间的误差,Wa... 相似文献
16.
基于离散平稳小波变换的原油触变特性研究 总被引:1,自引:0,他引:1
首次将离散平稳小波变换用于实验测定的原油触变信号的去噪。并与五点三次平滑处理及离散止交小波变换的去噪结果进行比较;实验结果表明:离散平稳小波变换明显优于其他滤波方法。对经离散平稳小波变换去噪后的触变数据分析的基础上,提出采用一种新型四参数双曲触变模型。该模型物理意义明确。拟合精度高,可用于工程实践。 相似文献
17.
18.
通过泄漏检测模型试验分析测量信号中的噪声来源,在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上,借鉴神经网络反向传播学习算法的思路,提出了信号预滤波结合阈值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值,再将此阈值用于同一工况下整个时间段的去噪,这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显,比传统小波去噪、改进神经网络去噪等方法效果更好。 相似文献
19.
20.
准确检测故障行波信号的奇异点是行波故障测距的关键。现场故障行波信号通常含有大量噪声,有些情况下单独使用传统的小波变换将不能有效检测到信号的奇异点。为解决强噪声情况下故障行波信号奇异点的检测问题,提出了基于奇异值分解理论和小波变换的故障行波信号奇异点检测方法。通过构造重构的吸引子轨迹矩阵,并由Frobenious范数意义下的最佳逼近矩阵可以得到除噪后的信号序列,对所得信号序列进行奇异性检测得到信号序列奇异点。仿真结果表明,该方法在强噪声情况下可以去除噪声影响,并且保持信号的奇异性,准确检测到信号的奇异点。 相似文献