基于K奇异值分解的多级图像去噪算法

针对一般去噪算法对信号的利用度不够的问题,提出一种基于KSVD的多级去噪算法。该算法通过加强观测图像及利用残差信号相结合的方法对图像进行联合去噪,在一定程度上增加了可恢复的细节信息。同时考虑到在噪声稍高的环境中,噪声原子极易污染字典,所以算法利用Bartlett校验来达到对噪声原子监测的目的,并通过替换等手段合理地优化字典。实验结果表明,该算法能够显著地提升去噪表现,尤其是对于富含纹理的图像有着更好的表现,不仅峰值信噪比更高,细节部分也表现得更加优秀。

考虑广域行波信号强噪声干扰的输电线路故障定位

为解决噪声数据影响故障定位精度及现有定位模型对相邻测点信息利用不足的问题,提出了时-空多级去噪与时-空图卷积网络相结合的输电网故障定位方法。首先,利用时-空多级去噪方法实现各测点行波信号的噪声抑制;其次,将行波测点及测点间的架空线作为节点和边构建广域行波图数据;然后,时-空图卷网络根据各测点的拓扑关联挖掘广域行波特征,选定故障线路并利用自适应权重融合多源测距结果;最后进行算例分析。结果表明,所提方法在强噪声干扰环境下故障选线精度高且故障测距误差小,可有效提高输电网运行的经济性。