改进的自适应小波阈值法及其在测井曲线去噪上的应用

对测井曲线的各种去噪方法进行总结,根据小波阈值去噪法的优越性,提出一种改进的自适应小波阈值去噪法。选取Matlab工具箱里自带的曲线和测井曲线进行小波阈值去噪测试,改进的自适应小波阈值方法去噪方面表现优秀。新方法在滤除噪声的同时还能更好地保留信号的细节。

基于CEEMDAN与自适应小波阈值的行星减速器振动信号组合降噪方法

针对行星减速器振动信号易受噪声干扰的问题,文中提出了基于自适应噪声完全集合经验模态分解和自适应小波阈值的组合降噪方法,并通过仿真和实验信号证明该方法的有效性。对振动信号进行自适应噪声完全集合经验模态分解,获得一系列本征模态函数;计算各本征模态函数的排列熵值,根据排列熵估计不同分量的噪声水平;排除噪声分量,保留有用分量,对含噪分量进行自适应小波阈值去噪,最后将去噪分量和有用分量进行重构得到降噪信号。

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。

基于改进小波阈值—CEEMDAN的变压器局部放电超声波信号白噪声抑制方法

为了有效去除变压器局部放电超声信号中的白噪声干扰,提高后续局部放电模式识别及定位的准确性,提出了一种基于改进小波阈值和自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的变压器局部放电超声波信号去噪方法。首先,通过对放电信号进行CEEMDAN分解得到一系列由高频到低频的本征模函数IMF(intrinsic mode function);然后,利用多尺度排列熵(multi-scale permutation entropy,MPE)算法计算各阶IMF分量的排列熵PE(permutation entropy),根据各IMF的排列熵值确定信号的去噪阈值与有效阈值。对高于去噪阈值的IMF分量采用改进小波阈值法进行去噪处理,对低于有效阈值的IMF分量视为基线漂移进行剔除。最后,通过重构去噪分量与剩余分量来获得去噪后的超声波信号。仿真和实验结果均表明,文中所提出的去噪算法大大提高了信号的信噪比,并保留了原始超声波信号中的有效信息,对提高后续利用超声波信号进行局部放电模式识别及定位的精确性具有重要意义。

基于小波变换的改进阈值函数自适应去噪方法

在多分辨分析小波阈值去噪方法的基础上[3],用一种改进的阈值函数和自适应阈值选取算法相结合的方法,克服了硬阈值法不连续性和软阈值法有偏差的缺点。该方法能自动跟踪噪声,不同尺度自适应采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高信噪比。仿真实验和地震资料处理结果表明,该方法去噪效果明显,可在各类消除随机噪声的信号处理中发挥作用。

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。

基于改进小波阈值的自行火炮信号降噪方法研究

为有效滤除自行火炮柴油发动机振动信号中的噪声,提出基于改进小波阈值的振动信号降噪方法。运用改进的自适应噪声完备集成经验模态分解处理原始振动信号得到各个本征模态函数分量,通过多尺度排列熵检测分量的随机性,筛选出需要降噪的分量,使用改进的小波阈值降噪方法对筛选出的分量降噪,重构降噪后的分量与无需降噪的分量,获得所需的振动信号。同时,针对人工选取多尺度排列熵中各参数对计算结果影响较大的问题,提出一种改进麻雀搜索算法对多尺度排列熵中各参数进行寻优。分别通过仿真信号和实验室实测数据验证所提方法的可行性和有效性,结果表明:与小波阈值降噪、多小波相邻系数降噪和ICEEMDAN-MPE-小波阈值降噪方法相比,所提方法应用于仿真信号时信噪比分别提升5.989 4 dB、6.078 7 dB和1.565 3 dB;应用于实验室实测数据时,降噪误差比分别降低22.143 3、6.834 9和0.722 7,为自行火炮振动信号降噪提供一种新的思路。

改进的自适应阈值小波图像抑噪算法

深入分析VisuShrink阈值和NormalShrink阈值的原理,本文提出了一种改进的自适应阈值图像抑噪算法。该算法根据噪声在不同的小波分解尺度下呈现出不同的特性,估计每层的噪声方差,从而确定适合各个尺度级的自适应最优阈值,并依此对图像进行抑噪。实验结果表明,与传统的均值滤波、中值滤波、VisuShrink阈值法、自适应多阈值法、NormalShrink法、自适应阈值小波去噪法相比较,改进算法所得图像的视觉效果和峰值信噪比均得到改善。

改进的自适应小波阈值去噪新算法

针对软硬阈值去噪算法中存在的边缘模糊等问题,分析含噪图像中噪声的分布特点,提出了基于最小均方算法的自适应去噪新算法。该算法基于分层理想阈值保留图像细节并抑制噪声,确定各个尺度级的自适应最佳阈值,提高峰值信噪比。实验对比表明:自适应小波阈值去噪新算法处理后图像的信噪比均提升了12%,图像去噪效果明显。

基于CEEMDAN-改进小波阈值的大坝变形数据处理方法

针对现有方法对大坝变形监测数据去噪精度低、易将部分高频有用信息误判为噪声的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)和改进小波阈值联合去噪的方法。该方法利用CEEMDAN对原始数据进行分解,通过t检验对分解获得的多个本征模态函数(IMF)分量进行特征分析,筛选出含噪分量并利用Pearson相关系数和方差贡献率进行校验,最后采用改进的小波阈值对筛选出的含噪分量进行精细化去噪,并重构去噪后的模态函数分量,得到去噪后的数据。仿真试验和工程实例验证结果表明,该方法在多种不同指标上均优于对比的3种方法,同时能够更有效地保留数据的高频有用信息,提高准确度和平滑性,可用于大坝中的非线性变形数据去噪处理。

基于改进型小波阈值的输油管道磁记忆信号降噪方法

利用金属磁记忆检测方法对输油管道进行早期诊断时,磁记忆检测信号常常被各种噪声源污染,极大地降低缺陷信号可检测性。在传统软、硬阈值降噪方法基础上,根据磁记忆检测信号的特点,提出了一种改进小波阈值函数与自适应阈值相结合的方法,选用Daubechies小波作为小波函数,分解级数为4层,采用自适应方法计算阈值。用新型漏磁/磁记忆检测仪进行了算法验证,将改进降噪方法应用于磁记忆检测信号的降噪处理。与传统软、硬阈值降噪算法相比,新算法克服了软阈值信号失真和硬阈值不连续、振荡等缺点,提高了重建信号的信噪比,降低了均方根误差值,有效地消除了信号噪声,为正确判断输油管道的应力集中位置及早期诊断提供了理论依据。

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。

基于小波熵自适应阈值的语音信号去噪新方法

针对语音信号去噪问题,提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号,计算小波分解后信号子带区间的小波熵,然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限,采用折中指数阈值函数对各层高频系数进行去噪处理,重构降噪后的语音信号,最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明,当输入信噪比为5 dB时,小波熵自适应阈值去噪法的输出信噪比是最大的,且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线,从而证实该算法具有更好的去噪性能。

粒子群优化小波自适应阈值法用于局部放电去噪

为了提高局部放电在线监测中小波去噪的自适应能力,并降低去噪信号的畸变率,提出了一种用于电力设备局部放电信号去噪的粒子群优化小波自适应阈值方法。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SURE无偏估计的最优阈值自适应选择方法,结合粒子群优化算法进行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。为了验证其去噪效果,还引入遗传算法对小波自适应阈值法进行优化计算。对局部放电仿真信号与实测局部放电信号的去噪结果表明,本文与标准软阈值法和遗传算法优化小波自适应阈值法相比,能更好地去除局部放电信号中的白噪声,计算速度更快,具有良好的去噪效果和应用价值。

基于改进阈值法的小波去噪算法研究

为了克服传统小波阈值去噪算法中存在的缺陷,采用小波系数放大法,并对阈值函数进行改进。由于信号中存在奇异点,会在奇异点处产生Pesudo-Gibbs现象,采用基于改进小波阈值法的平移不变去噪方法可以有效抑制Pesudo-Gibbs现象,对去噪效果进行强化。仿真实验结果表明:基于平移不变的去噪方法可以明显提高信噪比,其去噪效果优于传统的软、硬阈值去噪方法,具有较高的实用价值。

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。

基于小波阈值改进的去噪算法研究

在平常的信号检测中,常常伴随着信号噪声的存在,使得检测结果不准确,所以需要对信号进行去噪处理。而小波去噪在信号预处理方面应用广泛,特别是小波阈值去噪,操作简单且效果良好。针对软、硬阈值去噪方法进行分析,提出一种基于高次逼近法改进阈值的去噪方法。仿真实验表明,利用自适应阈值的高次逼近法,其去噪效果优于常规的软、硬阈值及高次逼近法,得到的信号效果更好。

改进阈值函数的小波熵方法抑制局部放电白噪声的研究

针对传统硬阈值法和软阈值法的缺陷,提出了改进阈值函数的小波熵方法。该方法对含噪局放信号进行小波分解,基于小波熵自适应选取阈值,并引入一种改进阈值函数对小波系数进行处理,最后重构得到去噪后信号。典型仿真信号和实测信号的去噪结果表明,提出的方法能够有效去除局放信号中的白噪声。

基于改进阈值函数的光纤分段小波去噪算法

危险化学品立体仓库火灾预警系统采用光纤传感技术测量仓库内各位置温度值,在处理光纤测温数据时,传统小波去噪算法易产生人为振荡。针对此问题提出了基于改进阈值函数的分段小波去噪算法。将数据中易引发伪吉布斯现象的部分划分为准高温段采用平移不变法处理,其他部分采用传统小波去噪算法。采用阈值法处理小波系数时,设计了改进阈值函数以减小数据失真和数据波动。实验结果表明,与传统小波去噪相比,算法在不同信噪比情况下都能有效消除数据震荡,具有良好的去噪效果。