Denoising Method for Partial Discharge Signal of Switchgear Based on Continuous Adaptive Wavelet Threshold

Partial discharge(PD) is an important reason for the insulation failure of the switchgear. In the process of PD detection, PD signal is often annihilated in strong noise. In order to improve the accuracy of PD detection in power plant switchgear, a method based on continuous adaptive wavelet threshold switchgear PD signals denoising is proposed in this paper. By constructing a continuous adaptive threshold function and introducing adjustment parameters, the problems of over-processing of traditi...     

基于BEEMD的单目测距图像区间阈值降噪算法

图像噪声是影响单目视觉定位精度的主要因素。该文在二维经验模态分解(BEMD)和阈值降噪方法的基础上,提出一种基于二维集合经验模态分解(BEEMD)的区间阈值图像噪声滤除方法。图像经过BEEMD分解为不同尺度的多个二维本征模态函数(IMF)分量和1个残余分量,依据图像和IMF分量的2范数准则和概率密度函数方法剔除纯噪声IMF分量,通过合理选择调节因子α,利用改进的区间阈值降噪方法实现图像降噪。将该算法应用于单目视觉测距中,并与BEMD算法进行对比,结果表明,该方法不仅能有效抑制BEMD中的模态混叠问题,而且能有效削弱图像噪声影响,从而提高单目视觉测距的精度和可靠性。     

基于K-均值聚类与小波分析的声发射信号去噪

为准确识别声发射信号模式,必须剔除声发射信号中的噪声,传统滤波去噪方法效果并不理想,小波阈值去噪方法显示了独特的优势。针对小波阈值去噪方法中阈值设置风险问题,利用K-均值聚类方法对小渡分解后的高频系数进行分类,确定去除噪声对应小波系数的阈值,然后进行小波系数重构达到去噪目的。采用硬闲值法与软阈值法对声发射信号进行小波阈值去噪,将基于K-均值聚类方法生成的闽值和改进Donoho方法生成的阈值分别作为小波去噪闽值,实验结果表明,在信噪比、均方根误差和平滑度三个指标上,本方法优于改进Donoho方法。     

基于改进小波阈值函数的船用雷达回波去噪

为了对船用雷达（9GHz脉冲雷达）回波降噪,提出了基于小波阈值函数的改进方法,分析了中间阈值以及对应的阈值函数对船用雷达回波信号降噪的影响.在模拟雷达回波信号的降噪实验中,对新的阈值方法与软阈值、硬阈值、Firm阈值、Yasser阈值方法进行了比较.通过对阈值函数参数的调整,使得新的小波阈值函数得到更高的信噪比、更小的均方根误差和更大的能量比,证明了新方法的有效性;在实测雷达回波信号的降噪实验中,得到了一致的结论,证明了新方法的实用性.     

一种新的自适应多阈值小波去噪算法

小波阈值法在图像去噪中应用较广泛,该方法最重要的一个环节是最优阈值的确定.为此,提出一种新的自适应多阈值的阈值计算方法.由于小波分解后,信号小波系数的绝对值较大,噪声小波系数的绝对值较小,并且不同尺度不同方向上噪声的方差不同,方差和信号小波系数的个数存在一定的关系,这样就可以根据信号小波系数的个数确定最佳阈值在小波系数绝对值序列中的位置,得出最佳阈值.实验表明,使用本方法从RMSE和SNR两个客观指标上看,能得到更好的效果,同时更适合人眼的视觉特性.     

压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用,主要通过阈值方法来有效的降低图像的噪声,但它的结果中会出现诸如伪吉布斯现象之类的情况.为消除此类情况,将平移不变量小波变换引入到小波图像降噪中,并结合阈值方法进行消噪处理,同时在阈值处理前对分解后的高频与低频系数进行适当放大,从而形成平移不变量与系数放大法的有机结合.经仿真实验,证明这种方法比一般的图像消噪方法有很大改进,特别是图像的均方误差有很大的降低,提高了信噪比.     

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用，主要通过阈值方法来有效的降低图像的噪声，但它的结果中会出现诸如伪吉布斯现象之类的情况。为消除此类情况，将平移不变量小波变换引入到小波图像降噪中，并结合阈值方法进行消噪处理，同时在阈值处理前对分解后的高频与低频系数进行适当放大，从而形成平移不变量与系数放大法的有机结合。经仿真实验，证明这种方法比一般的图像消噪方法有很大改进，特别是图像的均方误差有很大的降低，提高了信噪比。     

基于HHT的涡街流量计脉动流噪声去除方法研究

采用了Hilbert-Huang变换(HHT)的方法对去除涡街计脉动流噪声进行了研究。首先运用EMD尺度滤波方式对涡街计脉动流噪声进行滤波去噪。然后,将EMD尺度滤波结果和小波阈值运用于涡街计脉动流噪声去除的结果进行了对比,离线仿真结果表明,EMD尺度滤波去噪和小波阈值去噪都能达到较好的效果,但是前者更加简便,完全是自适应的,这也为涡街信号处理提供了一种新的滤波去噪的有效方法。     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

自适应阈值的小波变换在纸病去噪中的应用

以图像噪声会影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出一种自适应阈值小波变换去噪方法．该方法根据含噪信号特性和信噪比,自适应地选择小波变换的最优分解层数和最佳软阂值,达到最优的降噪效果．仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波能有效地滤除噪声,同时还能较好地保护图像细节,使图像达到更好的视觉效果．     

基于小波变换的高密度电法资料去噪研究

小波变换方法是近年来发展起来的一种新的数学方法,目前,小波分析已经成为国际上公认的最新时频分析工具,成为多学科共同关注的焦点,尤其是它可以对离散性信号进行非线性降噪处理.传统的高密度电阻率信号降噪处理一般采用坏点切除、滑动平均或偏值滤波的方法,即采用线性方法经行降噪,不能很有效地突出有用异常信号、完全去除畸变点,从而不...     

几种图像消噪处理算法在织物疵点检测中的应用

利用图像处理技术对织物疵点检测的过程中不可避免受到各种噪声源的干扰.采用sym 4小波默认阈值、coif 2小波软阈值和bior.3.7小波软阈值消噪算法对织物疵点图像进行消噪处理,并比较了原始含噪图像增亮处理前后的消噪效果.研究表明:coif 2小波软阈值消噪算法适合对织物小疵点图像进行消噪处理,原始图像经过增加亮度后处理效果更佳.     

基于小波变换的电能质量监测

针对噪声系数的幅度随着尺度增加而减小的特点,提出了一种改进的基于小波分解层数的波段自适应降噪算法.利用Matlab仿真软件建立了电压暂降的系统模型,运用小波分析的方法对污染白噪声的电压暂降信号进行了时频分析和降噪处理,分析了软硬阈值降噪方法.实验结果表明,该方法通过调整两个可调参数获得较优的小波系数阈值估计,与常见的三种典型算法相比不仅较好地去除了噪声干扰,且信噪比更高,均方误差更小,同时具有更优的信息保全能力.     

基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

A data-driven threshold for wavelet sliding window denoising in mechanical fault detection

Wavelet denoising is an effective approach to extract fault features from strong background noise.It has been widely used in mechanical fault detection and shown excellent performance.However,traditional thresholds are not suitable for nonstationary signal denoising because they set universal thresholds for different wavelet coefficients.Therefore,a data-driven threshold strategy is proposed in this paper.First,the signal is decomposed into different subbands by wavelet transformation.Then a data-driven threshold is derived by estimating the noise power spectral density in different subbands.Since the data-driven threshold is dependent on the noise estimation and adapted to data,it is more robust and accurate for denoising than traditional thresholds.Meanwhile,sliding window method is adopted to set a flexible local threshold.When this method was applied to simulation signal and an inner race fault diagnostic case of dedusting fan bearing,the proposed method has good result and provides valuable advantages over traditional methods in the fault detection of rotating machines.     

基于经验模态分解(EMD)的小波阈值除噪方法

针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较．试验结果证明,当信号的信噪比较小时,基于经验模态分解的小波阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段．     

基于保持参数的DTI各向异性滤波

弥散张量磁共振成像(DTI)易受噪声干扰,且现有DTI去噪方法仅对各方向通道的DWI数据进行单独处理,未充分考虑各通道之间相关性以及DTI数据本身结构和形态特点.针对这些不足,作者根据DTI数据结构及形态特征,综合DWI不同方向通道间相关性,重构统一特征值和特征向量的扩散张量,并增加保持参数对迭代滤波过程进行约束,实现DTI各向异性滤波去噪并降低了对DTI数据结构和形态特征的影响.将所提出的方法分别用于合成弥散张量数据仿真和真实脑部DTI数据实验.仿真和实验结果表明,该方法能有效减少噪声对DTI数据的影响,较之现有去噪方法效果更好.