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。

基于二维离散平稳小波的电能质量扰动分类

针对电能质量扰动分类这一难题,提出一种基于二维离散平稳小波的分类方法。首先对信号进行一层二维小波变换,得到一个低频分量和水平、垂直和斜线3个高频分量,利用这4个部分的信号能量组成特征向量,再通过水平高频系数的模极大值将稳态和暂态扰动分开,分别建立稳态和暂态神经网络实现分类。该方法只需要采用最简单的小波函数db1对信号进行一层小波变换,对噪声不敏感,简单易行。仿真结果表明了该方法的有效性。

基于双局部阈值小波收缩的图像去噪算法

提出了一种基于双局部阈值的小波收缩的图像去噪算法。该算法利用小波系数的幅值、空间特性以及对噪声图像的分割,得到两个局部阈值:幅度阈值和空间阈值。利用这两个局部阈值(每个区域阈值不同)对小波系数做相应的"收缩"处理和重构,从而得到一个优质的去噪图像。该算法计算简单速度快,去噪效果明显,优于其他一些去噪算法。

基于小波变换与You-Kaveh模型改进的图像去噪方法

文中在You-Kaveh模型(简称Y-K模型)基础上通过构造新的扩散系数提出新的四阶偏微分方程去噪模型(简称四阶PDE去噪模型)。先对含噪图像进行高斯滤波,预先平滑掉较大噪声点;利用二维离散平稳小波分解变换对图像进行分解,分解层数的多少会直接影响到图像的视觉效果,本文选择对图像进行3层分解;利用新的模型对含噪图像分解后的高频子带进行去噪处理,低频不处理,避免过度增强;最后重构增强后的高频子带和低频子带。通过仿真实验证明,本文提出的模型能够较好地去除高斯噪声并保持图像特征,也克服了二阶偏微分方程和原四阶偏微分方程的缺点,同时具有很好的去除椒盐噪声的能力。