融合小波阈值去噪与平滑处理的直流充电电能计量方法

在电动汽车直流充电场景下,直流侧电网信号中包含有噪声,影响直流充电电能计量的准确性。针对该问题,文中提出一种基于小波阈值去噪与平滑处理的直流充电电能计量方法。该方法通过小波阈值去噪算法对含噪的原始信号进行去噪处理,通过粒子群算法确定改进软硬阈值折衷函数的两个常参数,使得小波阈值去噪算法的去噪效果达到近似最优。进一步采用滑动平均法对去噪后信号进行平滑处理,并利用梯度积分计算直流充电电能。通过仿真结果表明,通过粒子群算法确定小波阈值去噪算法中的参数,可以实现去噪效果的优化;平滑处理可以提高电能计量的准确性;三次样条插值法对电能计量结果的改善效果不大。

改进的小波阈值去噪在压力管道声发射中的应用

声发射检测技术是在不损坏工件的基础上进行的缺陷检测,被广泛应用于特种设备检测。压力管道作为输送气体、液体、液化气体等介质的基础设备,一旦发生泄漏,会引发爆炸、中毒等危害事故。通过声发射检测管道泄漏初期信号,可反演管道内部缺陷情况,实现灾害预警,本文通过分析传统小波去噪理论,采用改进的阈值去噪算法进行含噪声发射信号的去噪处理,对后续声发射声源定位具有重要意义。

基于小波阈值去噪与HHT滚动轴承故障诊断

针对噪音比较强烈环境下的故障诊断问题,提出了一种小波阈值去噪与希尔伯特黄变换(HHT)相结合提取轴承信号故障的方法。首先采集滚动轴承在运作时的振动信号,选取合适的小波阈值对采集到的时域信号进行去噪处理。采用HHT对信号进行时频分析,将去噪信号分解为若干个固有模态函数分量(IMF)并对其进行希尔伯特变换(HT),最终从希尔伯特边际谱得到故障频率从而判定轴承是否发生故障。试验结果表明,上述方法可以有效地降低噪声信号对HHT对轴承故障诊断的影响,更好的保留了有用的信息,提高故障诊断的准确性和可靠性。

一种改进的小波阈值去噪算法

针对阈值函数存在降噪效果不理想的问题,提出一种新的小波阈值去噪函数。利用Matlab进行模拟仿真实验,并用几种阈值算法对含噪的局部放电信号进行去噪,采用SNR和均方根误差(MSE)这两个指标来衡量降噪效果,对比实验结果发现,新的阈值函数处理后的结果优于传统方法。

基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术

针对电网环境噪声导致自适应噪声的CEEMDAN谐波检测精度低的问题,文中提出了一种基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术。利用修正因子T j自适应调整阈值,通过可调参数τ调节阈值函数软、硬特性,并将改进的小波阈值去噪方法应用于谐波信号的预处理。经预处理的信号再进行CEEMDAN分解,可有效抑制模态混叠束缚。运用相关度判据去除虚假分量,并利用Hilbert变换解调包含谐波特征的分量,准确提取其幅频信息。经MATLAB仿真可知,改进小波阈值去噪与CEEMDAN-HT的融合算法可将稳态谐波检测平均误差被控制在1%以下,暂态谐波检测平均误差被控制在2.1%以下,呈现出良好的抗噪性能。

改进小波阈值去噪算法在GPR数据处理中的应用

探地雷达技术已经广泛应用于城市道路及地下空间隐伏病害的快速精细探测,但受城市环境复杂干扰影响,探地雷达数据掺杂噪声与杂波,导致数据信噪比低,影响处理与识别精度。为提高探地雷达数据的信噪比,得到高质量的探测数据,本文在传统小波阈值去噪算法的基础上,提出了一种基于粒子群算法的改进小波阈值去噪算法。采用MATLAB、gprMax2D工具进行去噪仿真实验。实验结果表明,本文提出的去噪算法与传统的软、硬阈值去噪算法相比,信噪比分别提高了28.02%、6.97%,均方误差分别降低了71.86%、31.88%,具有更好的去噪效果。将本文提出的算法运用到实测探地雷达数据处理过程中,可以为城市道路及地下空间安全提供技术支撑。

基于阈值去噪和Elman神经网络的激光陀螺误差补偿

为了降低激光陀螺信号中噪声对导航解算精度的影响,提出了一种基于阈值去噪和Elman神经网络相结合的误差补偿方法。首先,采用指数型阈值函数对原始数据进行阈值去噪;然后,以激光陀螺的3轴原始数据作为Elman神经网络的输入,经小波阈值处理后的单轴信号作为神经网络的输出,建立一个3输入1输出的Elman神经网络模型,再用神经网络训练后的预测误差作为补偿信号对阈值信号进行补偿处理;最后,用Allan方差对补偿前后的信号进行误差分析。结果表明:所提方法可以降低激光陀螺的随机误差,相对原始信号的随机误差降低了38%~89.8%,方差降低了2个数量级。

轴系轮廓重构信号的CEEMDAN—小波阈值去噪方法

针对轴系回转过程中动不平衡引起的位移误差信号含噪问题,提出自适应噪声完备集合经验模态分解(CEEMDAN)—小波阈值去噪的轴系轮廓重构模型。采用CEEMDAN对位移信号进行分解得到各阶本证模态函数(IMF),采用相关性分析提取含噪的IMF分量,并对其进行小波阈值去噪,与经验模态分析EMD—小波阈值去噪方法进行比较,最后将提纯后的信号进行重构。模拟仿真表明,去噪后的信号不仅保持了原有信号的特征,并且有效去除了噪声。将去噪后的信号输入到重构轮廓模型进行试验,结果表明,去噪后分离的单个截面回转误差准确度提高了0.05μm,圆度误差准确度提高了0.0703μm。

基于小波阈值去噪和自适应变分模态分解的谐波检测方法

为准确检测电力系统的谐波分量,提出一种基于小波阈值去噪和自适应变分模态分解(VMD)的谐波检测方法。在传统VMD算法基础上,通过构建输入信号Hankel矩阵并进行奇异值分解(SVD)的方法,自适应确定模态分解个数;利用改进的小波阈值去噪方法减少噪声的干扰,进一步提高检测精度。仿真实验表明,所提方法能有效地估计谐波的频率和幅值参数,具有较高的检测精度和良好的噪声鲁棒性。

基于改进小波阈值去噪的地下管线磁异常信号提取研究

为解决地下管道磁异常信号采集受环境噪声干扰的问题,本文采用小波阈值法作为地下管道磁异常信号的基本去噪模型,并加入复合归一化指标。在传统评价指标的基础上,优化小波基函数、最优分解尺度和阈值函数,确定具有可调变量基因的改进阈值函数,以弥补传统软硬阈值函数估计方法的断点振荡和丢失细节的不足。通过仿真信号和实验,对含噪磁异常信号进行去噪及效果评价。仿真和实验结果表明,改进后的阈值函数能有效消除周围噪声对磁异常信号的干扰,进而准确恢复原始磁异常信号,与常规方法相比,提取的信号失真较小,信噪比较高,可为后续的磁异常反演提供更准确的数据支持。

拉曼光谱小波阈值去噪最佳分解层数自适应确定方法的研究

拉曼光谱技术是一种广泛应用于食品检测、环境监测和化学分析等领域的高新技术,噪声是影响分析结果准确性的主要原因,因此消除检测过程中的噪声干扰尤为重要。小波阈值去噪具有计算速度快、选基灵活的优点被广泛运用到信号去噪中,最佳分解层数的确定是该方法最重要内容之一。对白噪声与实际噪声的差异性和共性进行研究与分析,结合小波分解原理和小波系数变化规律,提出基于小波细节系数能量比值的最佳分解层数自适应确定方法,在整个小波阈值去噪过程中,只需要进行一次阈值处理和小波重构。通过仿真和实验验证了该方法的可行性和正确性,结果表明该方法可以更快速、更准确地找到最佳的分解层数,可以缩短拉曼光谱仪等光学检测仪器的分析时间、提高分析结果的准确性和仪表的智能化、自动化程度。

基于小波阈值去噪和函数主成分分析的交通流预测

准确的交通流预测不仅有助于改善交通状况,而且有利于推动智能交通系统的发展。大多数当前的预测方法没有充分利用时间序列的潜在函数特性来进行预测。针对这个问题,本文提出了一个基于小波阈值去躁和函数主成分分析的交通流预测模型(Wavelet Threshold De-noising-Functional Principal Components Analysis, WTD-FPCA)。使用中国贵阳市真实的交通数据集对所提模型进行验证,并使用均方根误差(Root Mean Square Error, RMSE),平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)和均方误差(Mean Square Error, MSE)来评价WTD-FPCA模型的预测性能。在预测性能比较中,我们考虑了季节差分自回归移动平均(Seasonal Autoregressive Integrated Moving Average, SARIMA)、长短期记忆(Long Short-Term Memory, LSTM)网络、循环神经网络(Recurrent Neural Network, RNN)和门控循环单元(Gate Recurrent Unit, GRU)。预测结果表明,WTD-FPCA模型的预测性能最优。

一种改进的小波阈值去噪法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法,其中阈值函数的选择关系着重构信号的连续性和精度。但是硬阈值函数在阈值点具有不连续性,软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,这些缺点限制了阈值去噪法的进一步应用。将硬阈值和软阈值函数进行加权平均,选取适当的权值函数,可以构造出一种克服了软硬阈值缺点的新的阈值函数。仿真结果表明,该方法具有较好的去噪效果。

小波阈值去噪函数的改进方法分析

小波阈值去噪是一种简洁有效的去噪方法,传统阈值去噪法包括软、硬阈值法,它们在实际应用中取得了很大的成功,但同时也存在一些有待改进的地方。为此,介绍了3种国内外有代表性的小波阈值函数改进方法,并在传统阈值函数的基础上提出了一种新的双变量阈值函数。对局部放电仿真信号进行的去噪分析结果显示,改进阈值函数在信噪比增益和最小均方误差意义上要优于传统的软、硬阈值函数,其中新的双变量阈值函数在4种改进阈值函数中具有最优的去噪性能。

基于新阈值函数的小波阈值去噪算法

针对传统小波阈值函数在阈值处的不连续性、小波估计系数存在偏差等不足,导致去噪后的图像出现失真、产生吉布斯震荡等问题,提出了一种改进的阈值函数,与常用的硬阈值、软阈值以及已有改进的阈值函数相比,该函数不仅易于计算,而且具有优越的数学特性。为了验证该阈值函数的优越性,通过仿真实验对几种小波去噪方法的峰值信噪比(PSNR)与均方差(MSE)进行了对比。实验结果表明,此去噪方法无论是在视觉效果上,还是在均方差和信噪比性能分析上均优于常用的阈值函数。

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

建立齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。

基于SURE无偏估计的自适应小波阈值去噪

本文在D .L .Dohono提出的小波阈值去噪的基础上 ,提出了一种新的阈值函数 ,与原来的分段阈值函数相比 ,此函数具有明显优点 ,表达式简单易于计算 ,连续可微 ,易于求导 .此函数的这些优点为实现信号的自适应去噪提供了可能 .本文应用此阈值函数 ,基于SURE无偏估计 ,给出了一种自适应去噪方法 .并用受污染的blocks、bumps、heavysine、doppler等典型信号做实验 ,实验结果显示此方法能在最小均方误差 (MSE)意义上收敛 。

基于CEEMD-EEMD的局部放电阈值去噪新方法

为了解决局部放电信号去噪过程中自适应性不足,提出了基于完全经验模态分解和总体平均经验模态分解(CEEMD-EEMD)的局部放电阈值去噪新方法。首先将放电信号进行CEEMD分解,其次对分解出来的固有模态函数进行EEMD分解,根据数理统计的知识将分解后的信号进行阈值去噪。利用该算法对局部放电的仿真信号和实测信号进行去噪处理,并与常规的小波去噪算法比较分析。仿真和实验的去噪结果表明,基于CEEMD-EEMD的局部放电阈值去噪方法取得了良好的去噪效果,验证了该方法的有效性,从而为局部放电信号的预处理提供了一种新思路。

采用不同小波母函数的阈值去噪方法性能分析

以用于测定汽油辛烷值的红外吸收光谱分析为背景 ,评估采用小波去噪方法时各种小波和阈值组合的去噪能力。文章构造了一个理想的原始光谱信号 ,考虑到小波去噪后信噪比以及原始光谱信号保留率这两者之间的协调关系 ,基于信噪比 (SNR)定义了一个评价去噪优劣的评估系数 η ,在此基础上采用三种小波族系 (Symlets,Daubechies ,Coiflet)、四种阈值选取方法 (Rigrsure ,Sqtwolog ,Heursure和Manimaxi)和三种阈值重调方法 (One ,Sln ,Mln)对理想原始光谱信号进行了基于小波变换的信号去噪处理实验 ,以评价各种小波函数和阈值选取及重调方法的优劣。通过一系列的试验表明 ,对于该类型的信号 ,在实验所考察的小波族系和阈值选取及重调方法的范围内 ,采用Daubechies9或Symlet7,11,14 ,15小波 ,Rigrsure阈值选取规则和Sln阈值重调方法 ,可以得到最优的去噪性能。

小目标识别的小波阈值去噪方法

为改善小目标识别的滤噪效果并提高其信噪比,构造了新的阈值函数并采用局部方差估计法来计算阈值对小目标进行去噪处理。对小波分解层次中各高频子带选取不同的阈值,其中大于阈值的小波系数采用改进的双曲线函数作为阈值函数,小于阈值的小波系数采用指数函数与对数函数相互组合的方式作为阈值函数。对采用的阈值函数进行了理论推导,并与软、硬阈值法进行了实验对比。计算机仿真结果表明:经本文阈值法处理后,信噪比相对于含噪图像提高了70.8%,而软、硬阈值法分别提高了49.8%和59.7%。光学实验进一步证实:该方法能更有效地提高信噪比,增强联合变换相关器对于小目标的识别能力。