联合VMD与改进小波阈值算法的GIS局部放电信号去噪

针对气体绝缘开关设备(GIS)因其内部缺陷而产生的局部放电(PD)信号含有白噪声干扰的问题,提出联合变分模态分解(VMD)与改进小波阈值算法进行去噪。首先运用VMD将含有噪声的PD信号拆解为多个本征模态分量;然后在现有的小波阈值去噪算法的基础上,克服传统软硬阈值函数的缺点,构造新阈值函数,并采用改进小波阈值算法对每个本征模态分量进行处理,将处理得到的信号重构;最后得出去噪后的局部放电信号。将所提出的方法与小波阈值去噪、VMD算法进行比较分析,通过仿真结果表明,所提方法去噪效果更好,为GIS设备内部PD信号去噪提供参考。

基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法

针对图像处理中存在椒盐噪声和高斯噪声的问题,提出了一种新的小波阈值函数与改进中值滤波融合的噪声抑制算法。依据椒盐噪声与其周围邻域像素灰度值存在的明显差异,估计椒盐噪声,采取3×3模板进行反复迭代滤除椒盐噪声。对高斯噪声,利用极限思想提出了一种新的小波阈值函数,并引入三个控制变量,通过调节控制变量使所构成的小波系数在一定阈值范围内无限接近原小波系数。实验结果表明,提高了峰值信噪比,减小了均方误差,较好的保留了图像细节。

基于数学形态学与小波阈值组合滤波算法的大地电磁噪声压制

针对实测大地电磁信号资料中常出现的强噪声干扰问题,提出一种基于数学形态滤波和小波阈值滤波结合的大地电磁噪声压制方法。首先,利用自适应多尺度形态滤波算法对含噪信号进行初次滤波,以消除脉冲类干扰。然后,对已处理的信号进行小波阈值滤波提取大尺度强噪声轮廓。最后,剔除强噪声干扰重构大地电磁信号。通过仿真实验对比,在不同强度噪声干扰背景下,所提方法的性能优于普通小波阈值方法,能更多地保留大地电磁原始信号的细节特征。实测资料处理结果表明,该方法能有效地抑制大尺度强噪声干扰和基线偏移的影响,改善视电阻率曲线质量,具有较好的应用前景。

基于小波阈值降噪算法的滚动轴承故障诊断

滚动轴承因平稳的运行特性广泛用于工业生产领域,其安全稳定运行对工业生产有重要意义.针对滚动轴承的故障诊断问题,提出基于小波阈值降噪(wavelet threshold denoising,简称WTD)算法.研究结果表明:相对于其他3种算法,WTD算法具有较强的故障诊断能力.因此,WTD算法具有有效性.

基于自适应小波阈值和双边滤波器的去噪算法

针对以往小波阈值去噪算法在去噪过程中出现的去噪不彻底、噪声误判和图像边缘模糊的问题,提出了一种新的基于自适应小波阈值和双边滤波器的图像去噪算法。该算法中的小波阈值随着分解尺度和子带的变化而变化,这样不同分解尺度和不同子带采用不同的阈值进行去噪,克服了统一阈值的不足,增强了算法的自适应性;在软阈值函数去噪之后,利用双边滤波器达到保护图像边缘的目的。仿真实验表明,该算法能够有效地去除图像噪声,改善图像的视觉质量,并且能够较好地保留图像的边缘和细节信息。

联合双边滤波器和小波阈值收缩去噪算法研究

针对现有去噪算法去噪不彻底、噪声误判、损害图像边缘和纹理细节信息的缺点,提出一种联合双边滤波器和小波阈值收缩图像去噪算法。首先,使用双边滤波器对含有噪声图像进行分层;其次,对不同分层结果,选择不同滤波器进行去噪:高对比度层采用双边滤波器,低对比度层采用小波阈值收缩去噪方法;最后,融合高、低对比度层去噪图像,实现有效去除噪声的同时,保证图像信息完整。实验结果表明,本文算法的峰值信噪比达到40.99 d B,比非局部均值滤波、双边滤波器、小波阈值收缩和偏微分方程图像去噪算法分别提高了7.79%,3.56%,11.22%和1.91%;与此同时,还能有效保留图像边缘和纹理等细节信息。

融合小波阈值降噪和INFO-LSSVM算法的化工过程参数预测

针对化工过程非线性、时滞性高的实际问题,以某氨合成工段为研究对象,首次提出基于小波阈值降噪的向量加权平均算法(INFO)优化最小二乘支持向量机(LSSVM)的氨合成塔预测方法 INFOLSSVM,将小波降噪理论与INFO-LSSVM算法结合创建了预测精度较高的氨合成塔预测模型,用模型筛选出6个氨合成工段中的样本数据进行小波阈值降噪预处理,然后用INFO-LSSVM训练降噪后的数据,得到小波阈值降噪的INFO-LSSVM氨合成塔预测模型,对比INFO-LSSVM、PSO-LSSVM、LSSVM模型的预测结果,得到三者的均方根误差分别为0.231 8、0.447 7、0.496 4,可为多因素作用下类似预测提供借鉴。

基于改进小波阈值的声波信号去噪算法与仿真

光纤声波传感技术由于原始数据信噪比较低,数据可靠性和声波源定位精度受到严重影响。为解决这一问题,对小波阈值去噪方法进行了优化:首先,提出了一种新的阈值函数,通过形状调整因子实现去噪的同时保留了关键信息,兼具硬阈值和软阈值函数的优点,具有较高的灵活性和可控性。其次,引入自适应阈值计算方法,采用改进模拟退火算法优化阈值选择,降低算法对参数选择的依赖。通过仿真实验验证,该方法有效抑制了信号中的噪声,提升了数据可用性。与原始方法相比,该方法显著提高了信噪比,真实信号的仿真测试证明了其鲁棒性。

联合双重滤波的水下图像NSCT阈值去噪算法

针对水下图像噪声特点以及去噪时边缘细节保护不理想的问题,提出了基于联合双重滤波的NSCT阈值去噪算法.该方法采用具有平移不变性的非下采样轮廓波变换对水下图像进行多尺度和多方向分解,根据分解后图像的噪声分布特点,联合频域与空域方法将中值滤波和非局部均值滤波算法分别应用于高低频图像的滤波处理,设置合理阈值进行去噪,进一步恢复图像细节并重构图像.实验结果表明,水下图像的去噪效果明显提高.

基于双边滤波的图像阈值降噪算法改进与研究

为了解决传统图像阈值降噪不理想,效果较低的问题,文章研究设计了基于双边滤波的图像阈值降噪算法的改进。首先,提出基于双边滤波的图像阈值降噪算法的改进,分析双边滤波理论,给出图像阈值降噪算法的改进后的算法步骤。然后,分析训练样本集中的双边滤波降噪方法,需要通过阈值降噪的图像重构与双边滤波的噪声方差估计两方面完成双边滤波降噪。最后,设计基于双边滤波的图像阈值降噪算法实验,验证基于双边滤波的图像阈值降噪算法的降噪效果。实验结果表明,该方法对于去除图像的高斯白噪声有更好的效果,并且能够将边缘等细节信息很好的保存下来。

基于小波阈值滤波的光纤陀螺信号消噪算法

根据小波多分辨率分析的特点和光纤陀螺信号的数学模型,提出了一种阈值滤波的算法,并比较了几种小波基不同的滤波效果。通过试验结果分析,证明了小波阈值滤波的可行性。

基于卡尔曼滤波的小波去噪和IWOA-ELM的颈肩肌肉疲劳分类方法

针对采集的表面肌电信号噪声干扰多,以及缺少颈肩肌肉疲劳状态划分标准和分类模型的问题,本文提出了一种基于联合去噪和优化极限学习机的颈肩肌肉疲劳分类方法。首先,使用AnyBody建立颈肩骨骼肌肉生物力学模型,根据肌肉pH值和RPE劳累感知量表划分肌肉疲劳状态。采集6名健康青年人斜方肌上束疲劳状态下的表面肌电信号。然后,结合卡尔曼滤波和改进的小波阈值函数进行联合去噪,提取均方根、积分肌电值、平均功率频率、中值频率、瞬时平均频率、瞬时中值频率6个特征参数。最后,使用改进鲸鱼优化算法优化极限学习机的权值和阈值,建立IWOA-ELM颈肩肌肉疲劳分类模型。实验结果表明,联合去噪算法效果更佳,IWOA-ELM模型训练集准确率为96.3%,测试集准确率为97.5%,均方根误差为1.108,对于不同受试者分类模型准确率均高于95%,因此本文提出的联合去噪算法和IWOA-ELM模型在颈肩肌肉疲劳分类方面具有优势。

遗传算法用于局部放电小波自适应阈值去噪

小波去噪用于局部放电信号在线监测具有良好的效果,阈值选取与局部放电去噪后信号的畸变具有紧密联系。为提高局部放电监测中小波去噪的自适应能力,并降低去噪信号的畸变率,提出一种小波自适应最优阈值去噪算法,用于变压器局部放电脉冲信号去噪。该方法采用小波对局部放电信号进行分解,在阈值选择时采用基于史坦无偏似然估计(SURE)的最优阈值自适应选择方法,并引入一种新的具有多阶导数的阈值函数,结合二进制遗传算法全局自适应搜索最优阈值,使最优阈值自适应寻优速度大大提高。对局部放电仿真信号和现场局部放电信号的去噪结果表明,该方法与Donoho阈值计算公式及标准软阈值法相比,能更好地去除局部放电信号中的白噪声,去噪信号失真度较小,具有良好的应用价值。

基于双域滤波的三维块匹配视频去噪算法

将双域滤波和三维块匹配算法相结合,充分利用了视频序列的时空频域的相关性,进行视频去噪。将三维块匹配视频去噪算法中小波阈值去噪得到的图像替换原引导图像,抑制了双域滤波算法基本层不平滑的问题。参考残差矩阵的能量谱对短时傅里叶变换系数进行阈值收缩,减少细节层的噪声残留。实验结果表明,本算法有效地解决了双域滤波算法的基本层不平滑、细节层有噪声残留的问题,主观和客观对比也表明,本算法有着较为优秀的去噪效果。

基于Bayesian估计和Wiener滤波的阈值去噪方法

基于阈值的小波域去噪方法的核心是阈值选取 ,通过最小化一个Bayesian风险函数得到一种自适应阈值 ,结合线性滤波中具有代表性的Wiener方法 ,提出了一种新的去噪方法 .实验结果表明 ,该方法能有效地去除图像中的白噪声 ,同时还能较好地保留图像的边缘信息 。

混合粒子群优化小波自适应阈值估计算法及用于局部放电去噪

小波去噪是局部放电(PD)检测中常用的去噪手段,小波阈值的选取会对局部放电信号失真度及误差产生重要影响。为了提高局部放电小波去噪的自适应能力,降低去噪畸变,提出了1种用于局部放电信号去噪的混合粒子群优化小波自适应阈值估计(HPSOWATE)算法。针对普通阈值选取算法容易陷入局部最优的问题,采用融合了交叉、变异的HPSOWATE算法进行了全局自适应搜索最优阈值。引入遗传算法及标准粒子群算法对计算结果进行了验证。对局部放电染噪仿真信号和现场实测信号的去噪结果表明,该算法能够有效地跳出局部最优位置,较快收敛到全局最优,显著提升了结果可信度和算法计算速度。计算结果表明,所提出的算法在不同信噪比下得到的去噪信号的均方误差(MSE)和幅值误差都最佳,能更好地去除局部放电信号中的白噪声,具有良好的应用价值。

基于改进中值滤波和提升小波变换的阈值去噪方法研究

对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(ρ,σ)=(0.4,20)时,采用本文去噪方法,峰值信噪比(PSNR)为34.002 1,平均绝对误差(MAE)为2.365 3。

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯(Bayes)估计的双小波维纳滤波的电能质量信号去噪算法。该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能。实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波维纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比。

遗传算法VMD参数优化与小波阈值轴承振动信号去噪分析

针对轴承振动信号夹杂的噪声极大地影响有用信息的提取,提出了基于遗传算法的变分模态分解(Variational mode decomposition,VMD)与小波阈值去噪方法。该方法首先利用遗传算法选择合适的VMD参数,然后用VMD方法对含噪声的信号进行自适应分解,最后对分解的模态分别进行小波阈值处理后重构信号,得到去噪后的信号。对实际轴承信号的分析结果表明,该方法与常用的去噪方法相比,能够得到更高的信噪比和更低的均方差。

基于小波阈值消噪自适应滤波的GPS/INS组合导航

惯导系统中惯性元件误差是影响惯性导航及其组合导航精度的重要因素。在GPS/INS组合导航自适应滤波的基础之上,提出利用小波进行阈值消噪以提高组合导航精度。首先对惯性元件输出信号进行频谱分析,确定相应的多分辨分析尺度以及不同尺度下对高频系数采取的相应措施。对噪声占主要成分的尺度将其高频系数全部置零,对噪声和有用信号共同占有的尺度将其高频系数作阈值处理。利用实测数据进行验证,结果表明这种方法能够有效地削弱惯性元件误差的影响,提高GPS/INS组合导航系统的精度和可靠性。