基于ESMD的局部放电信号自适应去噪方法

检测电力设备的绝缘缺陷对确保电网安全可靠运行具有重要意义，但电力设备信号易受到现场噪声干扰。因此，抑制局部放电信号背景噪声是准确诊断电气设备绝缘状态的关键问题之一。本研究提出了一种自适应阈值辅助极点对称模态分解(ESMD)的自适应去噪方法，采用ESMD对局部放电信号进行分解得到一系列模态分量，构建基于相关系数和峭度自适应重构准则，以减小噪声干扰对局部放电特征的影响；针对重构的局部放电信号，引入自适应阈值进一步去除重构信号中的残余噪声，从而实现干扰抑制。本算法分别针对局放仿真信号和现场实测信号进行了去噪实验，结果表明，基于ESMD的自适应去噪算法能够有效抑制噪声干扰，保留局部放电信号特征，波形相似系数接近1,提高了局部放电检测的准确性。     

基于经验模态分解空域相关滤波的脉冲星信号消噪

针对脉冲星信号信噪比极低,且信号中有色噪声成分远大于高斯白噪声的特点,提出了一种基于经验模态分解(empirical mode decomposition,EMD)的脉冲星信号空域相关滤波消噪方法。首先建立脉冲星信号的分形高斯噪声模型,根据双对数功率谱密度估计分形高斯噪声的Hurst参数值;然后,结合脉冲星累积信号的窗口辐射特性和分形高斯噪声经EMD分解后的噪声分布特点,估计脉冲星信号各层内蕴模态函数(intrinsic mode function,IMF)中噪声的方差;最后,以IMF噪声方差为基础,建立EMD空域相关滤波方法并应用于脉冲星累积轮廓消噪。实验结果表明,与经典的平移不变小波阈值消噪法、平移不变小波空域相关滤波消噪法以及EMD模态单元比例萎缩消噪法相比,改进的EMD空域相关滤波消噪法在抑制脉冲信号中的噪声和保留更多的微脉冲特征细节信息方面更加有效。     

融合小波和形态学的避雷器在线监测方法研究

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。     

微震信号FIR–小波联合滤波算法及应用

固定频率干扰和背景噪声是严重影响深部岩石工程岩爆灾害微震监测与预警的难题。为解决这一难题,充分利用经典FIR(finite impulse response)带阻滤波器擅于处理固定频率噪声信号的优势,对干扰进行滤除;针对小波阈值去噪方法存在的不足,提出无偏估计小波阈值去噪方法,解决了小波阈值去噪方法滤除噪声时阈值难以准确确定的难题;对FIR带阻滤波器及提出的无偏估计小波阈值去噪方法进行有机融合,提出微震信号FIR–小波联合滤波算法,并研发了FIR–小波联合滤波模块。利用加噪后的合成正弦信号和微震信号对提出的算法进行验证,结果表明不同信噪比条件下,提出的算法具有较好的滤波效果,且具有良好的鲁棒性。巴基斯坦NJ水电站引水隧洞TBM施工过程中,强环境噪声干扰条件下应用结果表明:提出的算法提高了P波拾取的精度和岩石破裂信号的定位精度,为岩爆的预警与防治提供有力支撑,具有重要的理论与实际意义。     

信号去噪阈值与阈值函数的取舍研究

为了提高爆破振动信号精度,采用小波阈值去噪方法对爆破振动信号进行去噪,在去噪过程中阈值与阈值函数的选取是关键,阈值与阈值函数选取的合适与否将直接影响到消噪的效果。研究结果表明:heursure和sqtwolog两种阈值的去噪效果比较好;软阈值函数较硬阈值函数有更好的去噪效果。     

基于小波变换的爆破地震信号阈值去噪的应用研究

运用小波变换多尺度分析的思想,在不同的尺度下观察信号不同的局部化特征。利用小波系数的统计特性和噪声本身的性质,应用信号特征估计信号中的噪声形态,提出了一种爆破地震信号小波变换阈值去噪的方法,在小波阈值去噪中准确估计噪声阈值水平,使在消除信号噪声的同时保留信号中弱特征成分。通过理论和实践证明了这种方法能够有效地消除爆破地震信号中的噪声。     

改进的模平方处理法在变形分析中的应用

变形监测中获得的观测数据不可避免地存在着噪声,如何从受噪声干扰的数据序列中提取特征信息,提高变形监测的精度是变形监测系统所涉及的关键技术问题之一。在赵瑞珍的阈值算法基础上,提出了一种改进的阈值算法,进而给出改进的模平方处理法。理论分析、工程实例的结果表明,改进的模平方处理法能够更有效地克服软阈值方法恒定偏差的缺点,进一步提高了消噪的精度和可靠性。     

基于经验模态分解的电测井信号去噪研究

电测井方法所得到的信号含有一定的随机噪声,对原始信号进行处理之前需对其进行去噪。基于经验模态分解(EMD)得到的本征模态函数(IMF)具有自适应性、完备性、可重构性以及正交性和良好的时频聚集性等特点。因此,利用IMF分量去噪对于处理信号与噪声频率混叠的情况具有很好的效果,是一种多分辨率的去噪方法。本文采用一种首先经过经验模态分解,其次通过对部分IMF分量进行软阈值去噪的方法,研究结果表明,该方法能有效去除电测井信号的噪声干扰,且效果优于传统的小波软阈值去噪结果。     

基于小波系数Laplace模型的混合傅里叶-小波方法在去除电缆瓷套终端红外图像白噪声中的应用

抑制图像噪声是电气设备红外诊断技术的前提。为有效抑制白噪声,本文提出一种用于电缆瓷套终端红外图像的改进混合傅里叶-小波去噪方法。该方法先在傅里叶域中采用维纳滤波器去噪,得到初步去噪后的红外图像;再针对初步去噪后的图像,在小波域中采用考虑小波系数尺度间相关性的拉普拉斯模型对小波系数建模,并在此基础上,运用最大后验概率估计估计出真实图像的小波系数,利用真实图像小波系数的估计值来重构信号,得到最后的去噪图像。数值试验表明,与传统的软阈值方法比较,运用该方法去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE)。     

基于EEMD阈值的绝缘子泄漏电流去噪的研究

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。     

小波降噪技术在高密度电阻率信号处理中的应用

传统的高密度电阻率信号多采用平均或线性平滑方法进行降噪,效果往往不够理想。本文通过建立低阻球体的正演模型,选取sym4小波作为降噪小波,并采用软阈值和分解层数为四层的降噪处理方法,对原始信号进行降噪,然后再对降噪后的曲线进行数据反提取,最终再利用高密度电阻率法反演软件(Res2dinv)进行反演,对比其反演结果表明,利用小波降噪后的效果比较理想。最后结合工程实例,验证了小波变换降噪技术的可行性和实用性。     

GPS单历元变形信号小波降噪方法研究

本文阐述了小波分析理论的基本原理 ,针对一种特殊含噪状态下的GPS单历元变形信号 ,提出了分尺度、分阶段多阈值GPS单历元变形信号的小波降噪方法 ,并与通常基于阈值的小波降噪方法对比 ,通过残差的直方图统计 ,直观说明了本文方法能在有效降噪的前提下 ,保留更多的变形信号。     

基于高阶统计量的小波阈值去噪方法在探地雷达中的应用

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。     

非线性小波变换阈值法去噪在工程中的应用

利用基于非线性小波变换阈值去噪算法,对变形监测数据进行去噪处理,对模拟数据的处理结果表明,基于非线性小波变换阈值去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔除变形监测数据中的噪声,识别被噪声疏忽的有用信号。     

结合小波分析的金属面夹芯组合板损伤检测

夹芯板作为一种保温隔热性能良好的新型建筑材料,在建筑工程中逐渐被广泛应用.通过采用超声波法对各种在正常使用过程中可能出现的夹芯板损伤进行检测,并用小波分析技术对超声回波的信号进行去噪处理,并对处理过超声回波信号进行小波分解.结果表明:经过小波去噪和小波分解之后,能够通过识别出反射回波信号的到达时间和各级小波分解的波形较...     

岩石高边坡安全监测数据的小波变换去噪处理

 把小波变换模极大值去噪法和小波变换阀值去噪法应用于noissin模拟噪声信号和某水电站岩石高边坡安全监测资料,根据信号和噪声在小波变换各尺度上的不同传播特性,剔除由噪声产生的模极大值点,保留信号所对应的模极大值点,利用剩余模极大值点重构小波系数,恢复原有监测信号。并通过信噪比、去噪信号能量比、去噪信号与原信号标准差三个性能指标,比较二者的去噪性能。实例应用表明,小波变换模极大值去噪法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,重构信号能够更光滑地重现原始信号,比小波变换阀值去噪法性能更佳,具有更好的实际应用价值。     

基于AEEMD和改进DATA-SSI算法的桥梁结构模态参数自动化识别

模态参数作为桥梁结构最重要的动力参数之一,在实际运用中,可通过监测其变化情况来辨识结构的使用性能,精确地参数识别对保障桥梁健康运营具有十分重要的意义。鉴于此,该文对现阶段常用的振动信号降噪处理算法和模态参数识别算法进行了相应的改进。一方面,提出一种新的信号自适应分解与重构算法,即自适应总体平均经验模态分解算法（AEEMD）,该算法相比总体平均经验模态分解算法（EEMD）而言,能够根据信号的自身特征自动化确定添加白噪声的幅值标准差和集成平均次数|能更好地处理端点效应|同时还能够保证所得本征模态函数之间不存在模态混叠现象|最终实现有效IMF分量的自动化筛选和信号重构。另一方面,将多维数据聚类分析算法引入随机子空间算法中,并以频率值、阻尼比以及振型系数为因子建立判别矩阵,以智能化区分虚假模态和真实模态,最终实现模态参数自动化识别。文章最后分别用模拟信号和实际桥梁测试信号对所提算法的有效性进行验证,结果表明,该文所提算法能运用于实际桥梁结构的模态参数自动化识别。     

基于小波变换对GPS信号去噪的分析

小波分解能够精细地把信号划分到不同的频带范围内,因此可对含噪信号在不同频带范围内的特征进行信噪分离.本文从GPS精密测量、导航领域的信号去噪角度,探讨了基于小波分析的信噪分离方法,并结合具体实例,说明小波分析对GPS信号消噪处理的实用性及有效性.