基于平稳小波变换的光伏直流串联电弧故障检测

光伏系统直流串联电弧故障具有随机性和隐蔽性的特点,且容易受到外部环境和光伏系统内部噪声的影响,难以检测。利用小波变换提取的电流时频域特征对电弧故障有很好的辨识度,但面临小波基选取的问题。在采集大量电弧故障数据的基础上,通过小波变换分析和对比实验,提出一种针对常用电弧故障特征指标提取的最优小波基选取方法。通过此方法确定bior4.4小波基为提取电弧故障特征的最优小波基,并由此构建基于bior4.4平稳小波变换的时频域特征。通过对比试验发现,基于bior4.4的时频域特征对电弧故障的辨识度明显提高,且表现出对正常噪声信号的抑制作用。为从多角度反映电弧故障特征,补充时域特征,并与时频域特征结合构成电流特征库,利用随机森林算法实现电弧故障的诊断。电弧故障检测准确率达到98.58%,正常信号的误判率仅为0.76%。

改进的基于平稳小波变换的散斑去噪方法

针对剪切散斑干涉相位条纹图去噪过程中存在的噪声残留和边缘模糊问题,提出一种将正余弦分解和平稳小波变换相结合的散斑去噪方法,使用平稳小波变换对图像的正余弦分量进行小波分解,利用改进的小波阈值函数和阈值选取规则对分解后的高频图像进行处理,最后进行小波重构和反正切运算得到去噪后的相位条纹图。通过实验对各方法去噪后的效果进行分析,该方法能够保留边缘信息,改善相位图的质量,对比现有传统算法均方差分别降低了0.05、0.03,信噪比分别提高了3.1、1.1 dB。

基于PADC-PCNN与平稳小波变换多焦距绿色植株图像融合算法

[目的/意义]构建绿色植株三维点云模型需大量清晰图像,受镜头景深限制,在采集大纵深植株图像时图像会部分失焦,导致出现边缘模糊、纹理细节丢失等问题,现有的处理算法难以兼顾处理质量和处理速度。本研究目的是提出一种新型算法,提高融合图像质量问题的同时兼顾处理速度。[方法]提出了一种基于非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)的参数自适应双通道脉冲耦合神经网络(Parameter Adaptation Dual Channel Pulse Coupled Neural Network,PADC-PCNN)与平稳小波变换(Stationary Wavelet Transform,SWT)的植株图像融合方法。首先对植株的RGB图像进行通道分离,针对含纹理细节等特征较多的G通道进行NSST分解,低频子带使用梯度能量融合规则,高频子带使用PADC-PCNN融合规则;对轮廓信息和背景信息多的R、B通道,采用速度快且具备平移不变性的平稳小波变换,用以抑制伪Gibbs效应。自建了480幅图像共8组数据,以光照环境、距离和植株颜色为变量,同时采集不同焦距图像验证算法性能。[结果和讨论]基于PADCPCNN-SWT算法与常用的快速导向滤波算法(Fast Guided Filter,FGF)、随机游走算法(Random Walk,RW)、非下采样剪切波变换的脉冲耦合神经网络算法(Nonsubsampled Shearlet Transform based Pulse-Coupled Neural Network,NSST-PCNN)、平稳小波变换算法(Stationary Wavelet Transform,SWT)和非下采样剪切波变换的参数自适应双通道脉冲耦合神经网络(Nonsubsampled Shearlet Transform based Parameter-Adaptive Dual-Channel Pulse-Coupled Neural Network,NSST-PADC)等五种算法相比,在清晰度上比前四种算法分别提高了5.6%、8.1%、6.1%和17.6%,在空间频率上比前四种算法分别提高了2.9%、4.8%、7.1%和15.9%,而相较于融合效果最好的NSSTPADC算法在处理速度方面平均提升200.0%,同时调焦范围约6 mm。[结论]本研究提出的基于PADC-PCNNSWT多焦距图像融合算法实现了在保障融合质量的同时,提高了融合图像的效率,为搭建绿色植株三维点云模型提供高质量数据的同时节省了时间。

基于平稳小波变换算法的线路故障测距

为解决在线路故障识别时,其行波波头难以辨认以及存在行波波速需要消减这两个问题,本文提出了一种基于平稳小波变换算法的线路故障测距的方法。与传统意义上的小波算法相比,本文提出的算法存在以下3个优点:1.可以有效消除噪声的干扰;2.提高了对行波波头的识别率;3.增强了对奇异点的识别成功率。将上述提出的算法与测距算法相结合,使线路故障的测距结果更加准确。并经MATLAB仿真算例结果发现,本文提出的算法对故障的定位精度高,效果具有普适性。

一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法

含噪电能质量扰动信号分析的前提是准确找到突变点信息,对信号进行去噪的同时,又必须保留突变点特征。针对此问题,选取平稳小波变换分解信号,并利用提出的改进阈值函数对信号进行去噪。将含噪的电能质量扰动信号进行多层平稳小波变换,逐层估计平稳小波变换细节系数中噪声的均方差σ_j,计算各层阈值σ_j2lnk^(1/2)并根据信号、噪声的小波系数在不同尺度上的分布特点,通过ln(j+1)对各层阈值进行修正,结合改进的阈值函数分别对各层小波系数进行处理。利用尺度系数和处理后的小波系数进行重构,得到去噪后的信号。仿真结果表明,改进的阈值函数去噪方法能够较好地滤除噪声并保留突变点特征,从处理后的小波系数中可以清晰地观察到扰动的起止时刻,并能够分辨出暂态振荡与谐波干扰。

基于平稳小波变换的图像去噪方法

正交小波阈值消噪方法已广泛地应用于图像噪声抑制 ,目前对于正交小波阈值去噪方法的研究主要集中于如何选取阈值使消噪达到较好的效果 ,然而对于图像中噪声幅度较大的情况下 ,正交小波变换阈值消噪会使图像边缘失真 ,甚至图像模糊 .提出的平稳小波变换的图像消噪方法 ,可以有效地降低噪声 ,同时又较好地保持图像边缘细节 ,与正交小波变换阈值降噪方法相比 。

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷 ,提出一种利用平稳小波变换 (StationaryWaveletTransform)的心电信号消噪方法 ,对受噪声污染的心电信号进行多层平稳小波变换 ,逐层估计平稳小波变换细节信号中噪声的均方差σj,选取各层阈值σj 2lnn(n为细节信号长度 ) ,对平稳小波变换的各层细节信号进行分别阈值处理 ,然后进行小波逆变换重建信号 ,以达到对信号消噪和恢复的目的 .这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象 。

基于平稳小波变换的冬小麦覆盖度高光谱监测"

在2010与2011年度冬小麦生长季,通过大田小区试验,实测了冬小麦冠层的高光谱反射率与覆盖度。分析了不同覆盖度下的冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱反射率与覆盖度的相关性,建立了基于归一化植被指数(NDVI)与比值植被指数(RVI)、小波能量系数的不同生育期冬小麦覆盖度估算模型。结果表明:覆盖度越大,冬小麦光谱反射率在可见光波段越小,在近红外波段越大。在可见光波段,光谱反射率与覆盖度负相关,在"红边"处,由负相关变成正相关。在返青期、拔节期,NDVI估算效果好(R2为0.835 9、0.805 7);在抽穗期、灌浆期,RVI估算效果好(R2为0.803 1、0.829 4)。在返青期、拔节期、抽穗期、灌浆期,以高频、低频小波能量系数为自变量的冬小麦覆盖度估算模型的R2分别达到0.911 2、0.895 4、0.880 2、0.927 5。

基于平稳小波变换的陀螺仪信号去噪方法

针对传统小波去噪效果的局限性,分析了平稳小波与经典小波之间的关系,首次将平稳小波用于陀螺仪信号去噪,并与经典小波的去噪结果进行比较;实验结果表明,陀螺仪信号经平稳小波去噪后的寻北精度明显优于经典小波,进一步验证了平稳小波变换具有较好的去噪效果.

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。

基于平稳小波变换及奇异值分解的湖底回波分类

提出一种水下目标回波的特征提取方法。该方法根据平稳小波变换的冗余性和奇异值的稳健性,将湖底回波信号的平稳小波变换系数矩阵的奇异值作为特征向量。它本质上是利用平稳小波变换将信号分解到多个子空间,再采用K-L变换实现对子信号的特征压缩。实测数据分析表明,本文方法与子带能量特征法相比: (1)在相同的样本集和类内距条件下,得到的类间距大于后者, (2)不论所选测试样本和训练样本是否属于同次湖试所得,分类正确识别率均高于后者, (3)随样本集的变动,其正确识别率抖动程度远小于后者。因此,该方法能得到更加稳健、有效的特征以及更好的分类效果。

基于离散平稳小波变换和Bayes估计的红外图像去噪方法

提出一种基于离散平稳小波变换与Bayes估计的红外图像去噪方法。针对红外图像信号与噪声的不同特点,对红外图像进行离散平稳小波变换后,采用Bayes估计方法自适应地从带噪信号的小波系数观测值中估计信号的小波系数值。该方法不仅有效克服了传统离散正交小波变换去噪时容易产生G ibbs现象的问题,也避免了常用小波去噪算法对小波系数截断式处理可能造成的图像细节模糊和信息丢失。最后,通过对实际电力设备红外图像的去噪实验,验证了方法的有效性。

基于离散平稳小波变换的红外图像去噪

提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。

基于离散平稳小波变换的心电信号去噪方法

提出一种基于离散平稳小波变换的心电信号噪声去除方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的阈值去噪方案。该方法有效克服传统离散正交小波变换去噪时容易产生Gibbs现象的问题,从而达到保持心电波形特征且抑制噪声的双重目的。

基于模态振型和平稳小波变换的悬臂梁微小缺陷识别研究

结构损伤识别方法有很多种,通常结构振动模态振型对缺陷的损伤识别较为敏感,振型体现结构的固有属性及结构局部的特征,可以用于检测缺陷的存在及其位置。但是缺陷比较微小时,仅仅通过振型难以进行损伤识别。因此本文通过对振型进行平稳小波变换处理来检测悬臂梁的微小缺陷。通过有限元模态分析获得含不同缺陷深度、不同缺陷宽度、不同缺陷位置的悬臂梁模型的振型并利用平稳小波变换进行分析处理。结果表明:该方法可以准确判断缺陷的存在及其位置,并且平稳小波细节系数突变峰值随着缺陷深度增大而增大,随着缺陷宽度增大而增大;另外,该方法受振型节点影响,在工程实际应用时应综合前几阶次振型进行缺陷识别。

基于平稳小波变换的图像去噪方法

针对传统正交小波变换在图像去噪时存在的边缘失真,提出了一种基于平稳小波变换的图像去噪方法。使用系数关联法将图像小波分解后的高频分量像素标记为噪声和边缘,如果小波系数被标记为边缘,则保持其系数不变,否则采用基于邻域的方法进行系数收缩。当噪声方差较大时,收缩后最小尺度的高频分量中会存在一些孤立的亮点或暗点,借助次大尺度高频分量将其去除,对处理后的小波系数进行平稳小波反变换得到去噪图像。实验结果表明,本文方法能够在去除噪声的同时较好地保持图像的边缘,是一种有效的图像去噪方法。

图像分割与平稳小波变换法融合红外与可见光图像

为改善红外与可见光图像融合后的视觉效果,提出一种基于图像分割和平稳小波变换的图像融合方法。首先,结合最大类间方差方法与边缘检测方法,将红外图像分割为背景部分和目标部分;然后利用平稳小波变换对红外图像的背景部分与可见光图像分别进行多尺度分解,低频部分采用区域空间频率取大融合准则,高频部分采用绝对值取大融合准则,对多尺度分解后的各层进行融合,再利用平稳小波逆变换得到融合结果;最后,对该融合结果与红外图像的目标部分采用加权求和的融合准则进行融合,得到最终的红外与可见光融合图像。实验结果表明,通过提出的方法进行红外与可见光图像融合,不仅很好地突出红外图像的目标信息,还较好地体现可见光图像的场景细节信息,视觉效果明显改善;其标准差、信息熵、互信息均优于拉普拉斯金字塔变换和小波变换等传统的融合算法。实验结果验证了方法的有效性。

SAR图像平稳小波变换相干斑抑制方法

提出了一种基于平稳小波变换的合成孔径雷达 (syntheticaperturradar,SAR)图像相干斑噪声抑制方法 ,即通过对SAR图像进行多层平稳小波变换 ,对平稳小波变换的细节图像信号进行阈值处理 ,以达到相干斑噪声抑制的目的 .实验结果表明 :此方法除了对相干斑噪声有很好的抑制作用外 ,还保留了尽可能多的目标特征和图像细节 ,有着较好的图像视觉效果 .

基于二维离散平稳小波变换的短时电能质量扰动检测方法

基于二维离散平稳小波变换,提出了一种精确定位短时电能质量扰动起止时刻的检测方法。利用二维小波变换将信号分解在3个不同的高频方向,用水平高频系数精确定位发生在工频相位过零点的电压凹陷的起止时刻,用垂直高频与斜线高频系数之和精确定位发生在工频相位非过零点的电压凹陷的起止时刻。该方法只需采用最简单的小波函数db1对信号进行1层小波变换,简单易行且对噪声不敏感。运用Matlab6.5进行仿真实验,验证了该方法的有效性、准确性和鲁棒性。

一种新的基于平稳小波变换的红外焦平面非均匀性校正技术

在分析固定图案噪音频率分布的基础上,提出了一种利用平稳小波进行非均匀性校正的方法.选择合适的小波函数对红外图像序列进行分解,从而估计出非均匀性校正的增益和偏置系数,最终实现红外焦平面阵列的非均匀性校正.利用小波的多分辨性质,提高了低频部分的频率分辨率,有效的抑制了一般基于场景统计校正算法中易于出现的"人工鬼影"现象.用真实的红外图像序列进行了处理,实验证明了算法的优越性.