基于优化分解与误差修正的光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种基于优化分解降噪联合误差修正模型。该模型分为3个阶段,第一阶段,首先用基于全局搜索的鲸鱼优化算法(GSWOA)选取变分模态分解(VMD)的参数,之后运用优化后的VMD对原始数据进行分解;然后利用互相关分析重构高频分量,最后对高频分量进行小波软阈值降噪(WTSD);第二阶段,运用门控循环单元(GRU)对每个分量进行预测,将所有分量预测结果叠加起来得到初步预测结果;第三阶段,对初始预测结果进行误差修正(EC)。为验证模型的有效性,利用宁夏太阳山光伏电站2021年1、4、7、10月份的光伏实测数据进行实验,实验结果表明,相比于LSTM、GRU、VMD-LSTM,该混合模型表现出更好的性能。

面向水下焊接电信号的粒子群优化小波软阈值去噪法研究

为降低噪声干扰以及提高检测精度,提出一种针对水下焊接电信号的基于粒子群优化的小波软阈值去噪方法。通过对信号进行小波分解,以信噪比作为评价指标,不断迭代进行全局搜索最优阈值从而完成信号去噪,并分别进行仿真及实测水下焊接电信号的去噪实验。结果表明,提出的算法具有信号信噪比更高、均方根误差更小、能有效保留信号的细节信息等优点,有利于水下焊接电信号特征的提取,从而为水下焊接质量在线监测提供基础。

基于小波变换和Prony算法的间谐波参数辨识

现场采样获得的间谐波信号通常叠加着随机噪声,如果不对噪声进行有效消除,其信号特征信息的提取将会受到很大影响.通过对小波软阈值去噪方法的探讨,对间谐波信号进行去噪预处理,并采用现代谱估计P rony方法辨识间谐波参数,提取信号特征信息.计算结果表明,采用小波软阈值方法对间谐波信号进行去噪预处理,有利于提高其参数辨识的准确性.

基于小波预处理技术的低频振荡Prony分析

提出了一种利用改进的小波软阈值去噪技术,首先对电力系统低频振荡数据进行预处理,然后采用Prony算法提取低频振荡信号特征的分析方法。在分析Prony算法原理的基础上,分析了参数选择对算法的分析速度与精度有较大影响,提出了Prony算法主要参数的选择策略,即信号抽样频率应大于信号最高频率的2倍,以避免频谱混叠;信号时间长度应包含2个周期最低频率的振荡,以提高参数估计精度;模型初始阶数应远大于信号中实际包含的指数项个数,以使最优子集分量逼近观察到的数据。仿真和动模实验结果表明,基于小波预处理技术的Prony算法具有分辨率高、拟合效果好的优点,能满足电力系统低频振荡特征分析的需要。

基于总体平均经验模态分解的语音增强算法研究

总体平均经验模态分解EEMD(Ensemble Empirical Mode Decomposition)虽然能够在一定程度上抑制模态混淆,但添加的白噪声不能被完全中和,对所有本征模态函数IMF(Intrinsic Mode Function)分量进行集成平均等增加了计算工作量。基于EEMD和结合小波阈值去噪思想,提出改进的EEMD方法。首先对原始信号进行EEMD分解,得到一系列IMF分量;其次对筛选后的每个IMF计算噪声强度;然后采用小波启发式阈值估计噪声并计算阈值;最后以软阈值的方式滤除每个IMF中噪声并重构信号还原出增强的语音。通过分析仿真信号和实测信号,结果表明:该算法对带噪语音有很好的滤波效果,与其他同类算法相比提高信噪比2~4 d B。

基于改进型中值滤波算法的图像去噪

去噪算法在图像处理中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪,在小波软阈值去噪算法的基础上,提出一种基于噪声个数判断的改进型中值滤波算法。仿真结果表明,该算法能够同时抑制高斯白噪声和脉冲噪声,可以更好地保留图像的边缘细节,与小波软阈值算法、小波硬阈值算法、中值滤波算法相比,具有更好的去噪性能。

新软阈值去噪方法在临场感中的应用

本文在分析了软阈值算法的优点与不足之处的基础上,提出了一种新的软阈值图像去噪方法,并将此方法成功运用到临场感系统中。该方法不仅继承了软阈值算法失真误差小、实现简单等优点,而且针对原始算法阈值划分粗糙、图像边缘模糊等缺点,引入了调整因子和相邻窗口等方法降低阈值估计风险和提高图像清晰度。理论证明及实验结果表明,新方法是一种高效的实时去噪算法,其不仅具有良好的视觉效果和较低计算复杂度,而且在相同噪声情况下,新方法的MSE、PSNR等指标均优于传统算法。

基于子波变换阈值决策的非稳信号去噪

本文通过对Dinoho阈值决策子波域去噪方法进行研究，该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。接着具体讨论了在Sym8子波基底下，用此方法对非稳雷达回被进行五尺度的Mallat算法仿真，结果表明该方法抑制噪声效果良好且简单易行，是传统匹配滤波无法比拟的。

改进型软阈值算法在临场感系统中应用研究

小波理论在图像去噪领域得到了广泛应用,在研究传统小波软阈值算法的基础上,分析了该算法的优点与不足之处,针对传统算法易造成背景信号模糊以及低频信号的损失的缺陷,在阈值选取时,提出了分层调整因子的概念,经过严格的理论证明,当调整因子取值1/2时,对不同的图像处理有较好的稳定性,且算法实现与小波基选取无关。研究结果表明:新算法在一定程度上弥补了传统算法的缺陷,去噪图像的频谱比传统算法宽广,低频信号保留较好,图像背景清晰平滑,去噪的视觉效果明显,而且具有较好的可操作性,易于实现。其应用于临场感系统取得了较好的效果,显示出新算法具有良好的应用前景。

基于双边滤波与小波阈值法的矿区遥感图像处理

矿区遥感图像为开采沉陷监测与预计提供了大量的精确数据,对于实现矿区开采沉陷高精度监测与预计发挥了重要作用。由于矿山遥感图像受到矿区复杂的自然环境、成像系统电压不稳定等因素的干扰,导致实地获取的矿山遥感图像在很大程度上受到噪声干扰,图像整体较模糊,难以准确提取有用信息。为此,将双边滤波算法与小波阈值去噪算法相结合,提出了一种矿区遥感图像去噪算法。鉴于双边滤波算法具有较好的边缘保持性能,故首先采用该算法对矿区遥感图像进行处理,以滤除一部分噪声;然后对初次滤波后的图像进行3层小波分解,对分解得到的低频分解系数不作处理,对高频分解系数提出了一种小波域指数型阈值去噪模型进行滤波;最后通过低频分解系数与滤波后高频分解系数重构,获得了高清晰度的矿山遥感图像。采用某矿区2幅遥感图像进行试验,并采用双边滤波算法、小波软阈值去噪模型与新算法进行试验对比,结果表明:新算法在去除噪声的同时,能够最大限度地保持图像细节信息的完整性,其性能总体优于其余2类算法,对于高效处理矿山遥感图像,进而提高矿山开采沉陷监测与预计精度有一定的参考价值。

小波信号分层中的软阈值模糊性确定分界

文中以小波阈值信号去噪为研究对象,提出将小波信号分层中的软阈值进行阈值精确取值分析。利用小波函数将信号从时阈变换为频域,使小波各层频域充满噪声信号的能量,使信号与小波系数形成一一对应,在各层分解后使信号层的小波函数在尺度空间中完成确定;运用小波阈值信号去噪方法,对经过处理后的信号进行小波阈值选定,通过对软阈值函数的选值,确定噪声小波函数在小于小波函数的情况下应舍弃该信号;确定软阈值的选择能够令大部分噪声的小波系数取值为零,输出处理后的有效小波信号,确定软阈值的界限。实验证明,对小波阈值中的软阈值函数进行精确取值,对叠加的噪声信号或干扰能实现有效的处理。

结合阈值去噪与边缘优化的图像增强算法

针对图像在传输过程中容易出现干扰的问题,该文通过研究图像的增强技术,通过对比分析,提出了一种结合阈值去噪与边缘优化的图像增强算法,该算法结合小波Contourlet变换与人眼的视觉固有特性,有效地对分解后的图像系数进行分类,并结合改进边缘优化算法的增益因子来优化边缘区信号;而非边缘区采用改进后的软阈值去噪算法进行去噪处理。经实验,该算法具有准确性高与去噪能力强的特性,能够在去噪的同时有效保护边缘信号,与预期目标相符,具有一定的实用价值。

改进小波变换的电子音乐信号去噪研究

针对电子音乐信号受噪声干扰易出现信号失真、电子音乐存在断点的问题,提出改进小波变换的电子音乐信号去噪方法。首先,分析不同尺度中电子音乐信号小波系数相关性,采用软阈值算法去除电子音乐中的噪声;然后,采用修匀法对去噪后电子音乐信号进行处理,提升电子音乐信号整体连续性。结果表明,改进小波变换去噪后电子音乐信号波动区间与去噪前相同,去噪后电子音乐信号未受损,信号连续性好,去噪性能明显优于对比方法。

多媒体资源库中图像去噪处理技术研究

针对多媒体资源库中图像斑点噪声产生的原因,本文提出一种新的斑点噪声抑制算法:将小波提升方案与Directionlet变换相结合,利用改进的小波软阈值算法对图像变换域进行局部去噪。仿真实验表明,该算法能够有效去除斑点噪声,较完整地保持图像中的边缘和理纹细节信息,取得了良好的视觉效果。

基于小波变换的RL湍流退化图像复原算法

为了从湍流退化图像中准确有效地恢复出目标图像,提出一种基于小波变换的RL湍流退化图像复原算法。该算法首先对湍流退化图像进行小波分解,可得到不同分解尺度下,不同频带的子图像。根据不同方向的高频子段的小波系数,估计出各个高频子段噪声方差,进而求得适用于各频段的自适应阈值,以这些阈值为软阈值法的临界条件分别对各频段的小波系数进行收缩,最后用RL算法去迭代小波重构后的图像来实现湍流退化图像的复原。为了验证该方法的有效性,分别用这两种算法在不同噪声条件下,对同一幅退化图像进行了仿真实验。改进后的算法使得两幅图像的峰值信噪比分别提高5.894 3dB和7.108 4dB。结果表明,本文的算法相比RL算法在复原效果上有一定的提高。

遗传算法优化小波阈值对水质光谱数据的去噪研究

针对紫外-可见光谱法水质检测系统易受到仪器本身和外界环境的噪声干扰,所测得的光谱数据存在大量系统和杂散光噪声的问题,在对紫外-可见光谱法水质检测系统的噪声源分析的基础上提出将遗传算法应用于小波阈值优化的去噪方法,并与小波软阈值、SG平滑和中值滤波方法进行了对比。为评价去噪效果,对同一浓度的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪实验。在采用遗传算法选取小波最优阈值对标液进行去噪处理的同时,还采用传统小波软阈值去噪、SG平滑和中值滤波去噪作为对比。为验证该算法的实际可行性,进一步用这四种方法对某地排水沟和某污水处理厂排水口的实际水样光谱进行去噪处理。实验结果表明:基于遗传算法的小波阈值去噪效果良好,相较于传统的小波软阈值去噪、SG平滑和中值滤波的方法,信噪比分别提高了2.2994、5.7066、2.6155 dB,均方根误差分别减小了0.0028、0.0087、0.0033,峰值信噪比分别提高了2.0837、5.2569、2.7375 dB。基于遗传算法的小波阈值去噪算法不仅抑制了光谱数据中的噪声,同时也提高了系统精度,为紫外-可见光谱法水质光谱去噪处理提供了一种新的解决办法。

一种基于小波变换的图像去噪算法

利用小波方法去噪,是小波分析应用于工程实际的一个重要方面。针对图像存在大量噪声的情况,阐述小波变换去除信号噪声的基本原理和方法。在综合考虑图像去噪平滑效果和图像的清晰程度的基础上,提出一种多方向多尺度的自适应小波去噪算法。通过试验数据验证了该算法的可行性和鲁棒性。实验结果表明该方法增强了图像的视觉效果。

基于小波分析的数字图像噪声消除

小波变换作为一种数学理论和方法在科学技术界引起了越来越多的关注和重视。本文通过阐述基于小波变换的Donoho软阈值去噪方法 ,旨在向读者展示小波变换在图像噪音消除方面的实际运用以及其前景。其中笔者具体对一幅加噪音图像进行Mallat算法仿真 ,其结果表明该去噪算法具有很强的实用性 ,很值得推广、运用。

小波去方块算法在空间分级视频编码中的应用

可分级视频编码适用于网络环境变化较大的视频传输领域,它为用户提供不同质量的视频。但是,在空间可分级编码器中,基本层图像的方块效应会影响增强层的预测,降低其编码效率。如果采用去方块滤波器对基本层的恢复图像进行滤波,可以期望减轻块效应带来的不良影响。该文针对分块DCT压缩编码产生的方块效应,将小波域软阈值去方块滤波算法应用到空间可分级视频编码中,实验验证该方法能较好地改善图像质量,具有良好的效果。

基于正交小波变换的信号降噪算法研究

提出了一种基于正交小波变换的信号降噪方法,深入研究了小波变换中的信号分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以取得较好的去噪效果。