双小波非凸稀疏正则化去噪算法研究

针对航空发动机ECT滑油监测数据在采集传输过程中易受噪声干扰而影响数据有效特征提取的问题,提出了一种双小波去噪算法.在2个小波域下对数据进行分解,通过阈值函数进行滤波,利用小波系数的分布差异,迫使2个小波域下的去噪信号相同,反正切函数作为罚函数,得到更加稀疏的系数表达.实验结果表明:与传统的小波去噪方法相比,连续信号和...     

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯(Bayes)估计的双小波维纳滤波的电能质量信号去噪算法.该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能.实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波雏纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比.     

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯（Bayes）估计的双小波维纳滤波的电能质量信号去噪算法。该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能。实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波维纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比。     

双小波神经网络迭代的漏磁缺陷轮廓重构技术

在二维漏磁缺陷重构中,建立基于径向基小波神经网络(RWBF)的正演和反演模型,提出了一个反馈形式的双小波神经网络迭代模型,通过迭代使目标函数最小化,实现对缺陷轮廓的快速逼近。用仿真和实验获取的训练样本分别对正演和反演模型的RWBF进行训练。为了提高径向基神经网络的适应性和精度,提出了一种新的训练算法。首先确定最优分解层数,然后利用梯度下降法修正网络的权值。对不同分辨率和不同信噪比下的漏磁信号进行了重构,并与其他方法进行了比较。结果表明,双小波神经网络迭代模型能够实现漏磁缺陷的精确逼近,具有良好的鲁棒性,是有效的二维轮廓重构方法。     

基于双小波的短时电压波动信号检测

提出了一种基于dbl小波和dblO小波检测短时电压波动(Short Duration Voltage Variation,SDVv)信号的方法,首先利用dbl小波对信号进行分解得到低频系数模,据此初步确定SDVV信号的发生时段,并记下每时段的起始和结束时刻点。再应用dblO小波对信号进行分解得到第一层高频分解系数,而由dbl小波确定的起始和终止时刻点前后的1/2采样周期内检测第一层高频分解系数的模极大值,以确定非过零点和波峰的起止点。根据具体的判断规则即可确定电压波动的准确起止时刻,还可根据dbl小波分解得到的低频系数模确定电压波动的幅度。仿真和试验结果表明了该方法的可行性和有效性。     

几种短时电能质量扰动分类和检测的双小波分析法

提出了短时电能质量扰动分类和检测的双小波分析法。利用双小波（db1和db24）各自的优点，把电能质量5种扰动（电压凹陷、电压凸起、电压间断、暂态脉冲和暂态振荡）有效地从含有噪声的采样信号中鉴别出来，并能实现扰动的各项指标测定。该方法弥补了以往小波检测方法中，当噪声污染严重或扰动发生、终止在工频相角为0或π附近时，可能检测不到或误判断的不足。仿真计算结果表明，该方法对扰动的分类简单、有效，对扰动各项指标测定尤其是电压凹陷、凸起和间断的时刻及幅度的确定，精度甚高。     

基于概率神经网络和双小波的电能质量扰动自动识别

对电能质量(PQ)扰动的自动识别是找出引起PQ问题根本原因的前提。提出了一种基于概率神经网络PNN(Probabilistic Neural Networks)和db10,db1双小波的PQ扰动自动识别方法。首先,利用db10小波对信号进行分解,将各层小波变换系数的能量和第1高频层模极大值情况作为PNN的输入矢量,判断扰动类型;然后,对信号进行傅里叶变换以检测信号中是否含有谐波;最后,对判断存在电压下降的信号进行db1小波分解,根据其低频层的模值区分电压下陷和电压中断信号。测试结果表明,该方法提高了识别正确率,且实现简单,能有效检测幅值较小的谐波。