期刊文献+

小波阈值去噪的研究及应用 被引量:6

下载PDF
导出
摘要 在采集信号的过程中,原始信号会受到大量噪声信号的影响。对信号进行去噪处理时,提取有用信号十分重要。小波分析作为一种信号处理方法,在时域和频域上都有良好的局部性,可以很好地抑制噪声。最常用的小波去噪方法是小波阈值去噪法。简要研究了小波阈值去噪法的相关内容,并将其应用在实际风电场的风速数据中,针对风速序列的不稳定性进行去噪处理,以减小风速序列的波动性。实验证明,去噪后的信号更加稳定,波动性明显减弱。
作者 盛楠 陈国初
出处 《科技与创新》 2016年第20期76-76,共1页 Science and Technology & Innovation
  • 相关文献

参考文献2

二级参考文献17

  • 1岑翼刚,岑丽辉,孙德宝.信号Lipschitz奇异性的计算与分析[J].计算机工程与应用,2004,40(18):35-36. 被引量:6
  • 2BISHOP C M. Training with noise is equivalent to Tikhonov regularization[J]. Neural Comput, 1995, 7(1): 108 - 116.
  • 3DONOHO D L. De-noising by sofl-thresholding[J]. IEEE Transactions on Information Theory, 1995, 41(3): 613 - 627.
  • 4DONOHO D L, JOHNSTONE I M. Threshold selection for wavelet shrinkage of noisy data[C] //Proceedings of the 16th Annual Con- ference of the IEEE Engineering in Medicine and Biology Society, Maryland, USA: [s.n.], 1994:24 - 25.
  • 5ZHANG X P. Thresholding neural network for adaptive noise reduction[J]. IEEE Transactions on Neural Networks, 2001, 12(3): 567 - 583.
  • 6邵春福,熊志华,姚智胜.道路网短时交通需求预测理论、方法及应用[M].北京:清华大学出版社,2011.
  • 7Williams B M, ,Hoel L Pu Modeling and Forecasting Vehicular Traffic Flow as a Seasonal ARIMA Process: Theoretical Basis and Empirical Results[J]. Journal of Transportation Engineering, 2014,129(6) : 664-672.
  • 8Ojeda L L,Kibangou A Y, De Wit C C. Adaptive Kal- man filtering for multi-step ahead traffic flow predic- tion[C]. Proceedings of the American Control Confer- ence. 2013 : 4724-4729.
  • 9谭满春,李英俊,徐建闽.基于小波消噪的ARIMA与SVM组合交通流预测[J].公路交通科技,2009,26(7):127-132. 被引量:24
  • 10董春娇,邵春福,熊志华,李娟.基于Elman神经网络的道路网短时交通流预测方法[J].交通运输系统工程与信息,2010,10(1):145-151. 被引量:34

共引文献17

同被引文献36

引证文献6

二级引证文献33

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部