VTI介质改进声学近似qP波交错网格正演模拟

Alkhalifah提出的声学假设近似令沿TI介质对称轴的qSV波速度近似为0,建立了相应的qP波波动方程并进行了数值模拟,但存在两个不足:一是方程中存在退化的qSV波解,不是纯qP波波动方程;二是方程不适用于ε<δ(ε和δ为Thomsen参数)的介质。为此,在Liang等的工作基础上,将改进声学近似方法的思想引入qP波频散关系和一阶波动方程推导。令qSV波的精确频散关系中的圆频率为0,同时结合椭圆分解,推导了VTI介质纯qP波解耦频散关系,利用改进标量算子的空间域渐近近似建立了VTI介质改进声学近似qP波一阶速度—应力波动方程,采用交错网格有限差分算法实现了基于改进声学近似的VTI介质纯qP波正演模拟。频散关系分析和数值示例表明,基于改进声学近似的qP波一阶波动方程不包含退化qSV波,是纯qP波方程,与弹性波波动方程模拟结果吻合较好,具有较高精度,并且该方程在ε≥δ和ε<δ的VTI介质中均是稳定的,同时也适用于复杂VTI介质。

基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法

针对现有红外图像增强算法存在信噪比低、细节模糊、清晰度差等问题,本文提出基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法。首先,为克服尺度参数固定和光线散射导致红外图像退化的问题,利用大气透射率得到Retinex尺度参数的全尺度映射图,从而有效提高图像的清晰度,并将输入图像和使用全尺度Retinex处理后的输入图像作为算法的第一个输入和第二个输入。其次,为解决传统小波阈值函数在图像降噪过程中存在伪影、细节丢失等问题,设计改进小波阈值函数,通过引入尺度因子,在计算每层高频子图小波系数后,能根据该层数自适应调整尺度因子,并引入调节因子,结合指数函数,使该函数不仅能抑制高频子图噪声,还能极大程度保留细节信息。然后,使用小波图像融合的方式融合输入的高频子图和低频子图,进一步提高输出图像的纹理细节。主客观仿真结果表明,所提算法比其它对比算法具有更好的降噪和细节突出能力,并能提高红外图像的人眼视觉效果。最后,本文算法应用于红外成像模块采集的红外图像增强,效果良好,表明本文方法具有实用性。

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换(EWT)和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交(NDQ)算法和奇异值分解(SVD)算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法(IPSO)优化支持向量机(SVM)的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。

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。

基于改进小波分析的电弧故障高频信号识别

电力故障监测范围较广,电弧故障高频信号识别准确率不高,因此引入改进小波分析技术,设计电弧故障高频信号识别方法。按照故障类型将电弧故障分为串行电弧、并行电弧、接地电弧。检验电弧高频信号的正则性,确定平方函数的连续小波变换结果,通过离散化处理分析故障特征。根据特征提取结果利用小波模极大值理论完成信号降噪处理,采用分级保留识别故障波形,通过电路信号分析实现故障高频信号识别。实验结果表明,该方法对时刻突变点故障识别准确率高达99.99%,对连续间断点故障识别准确率高达99.2%,故障信号识别效果好。

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。

基于改进负压波法的海底管道泄漏研究

管道作为油气运输的主要方式之一,自然和人为的因素的破坏会导致油气资源发生泄漏,造成经济损失及环境污染。本文以海上油田的海底管道为研究对象,阐述了负压法检漏技术的基本原理,改进了负压波定位算法,提出并推导了其泄露位置粗区间的计算公式,利用OLGA软件搭建管道泄漏模拟系统,计算了管道的泄漏点,可实现对泄漏点的准确定位,可及时发现海底管道的泄漏风险并进行故障维护。

基于改进经验小波变换模型的供能管道移动GIS综合智慧巡检策略

当前供能管道巡检策略由于对管道的缺陷特征提取不够纯净,导致缺陷定位准确度差,因此,提出了基于改进经验小波变换模型的供能管道移动GIS综合智慧巡检策略。利用移动GIS技术采集管道数据,根据管道数据采用改进经验小波变换模型对管道缺陷特征进行提取,其树状结构的子频带自分解能够准确分辨出缺陷源信号与其他干扰信号,提取到更加纯净的缺陷特征,并对缺陷特征向量特征集进行滤波,从而计算出管道缺陷的具体位置。在实验论证中,对提出的策略的定位准确性进行了验证,结果表明,提出的策略应用于供能管道巡检中,对管道缺陷定位的准确性较高。

基于改进小波变换的电气一次设备故障检测研究

传统的电气一次设备故障检测方法通常基于固定的阈值进行故障判断,导致故障检测的误报率较高。针对上述问题,提出基于改进小波变换的电气一次设备故障检测方法。首先,通过监测电气一次设备的状态,实时获取设备的运行数据。接下来,利用改进小波变换对故障信号进行分解,将复杂的信号分解为多个尺度的成分。最后,根据信号分解与特征熵值从大量的数据中自动提取出与故障相关的特征,利用这些特征进行故障检测。实验结果表明,基于改进小波变换的电气一次设备故障检测方法的误报率低,检测结果具有较高的可信度,具有应用价值。

基于改进小波变换的供电网络通信电源系统故障诊断方法

供电网络通信电源系统具有复杂的电路结构和多变的运行环境,导致不能准确诊断出故障类型,因此设计一种基于改进小波变换的供电网络通信电源系统故障诊断方法。获取供电网络通信电源系统的运行信号,利用改进的小波变换技术对运行信号进行预处理,有效去除噪声和干扰,提取出故障特征。基于这些故障特征,建立供电网络通信电源系统的故障诊断模型,判断故障类型,实现供电网络通信电源系统的故障诊断。实验结果表明,应用所提方法可成功诊断出全部故障类型,证明设计方法具有较高的诊断准确率,适用于复杂电源系统的故障诊断问题。

融合改进小波去噪与T-Taylor的井下定位算法

针对超宽带井下定位方法中,信号易受到非视距(NLOS)误差的影响,导致定位算法的精确度与环境适应性较差的问题,本文提出了一种融合改进小波去噪和T-Taylor算法的井下定位算法。对原始测距值进行降噪处理,抑制NLOS误差对定位的影响;同时引入三球交会算法,将其作为Taylor算法的初始算法,确保Taylor算法收敛的同时,增强定位算法在井下复杂环境的定位精度与环境适应性;通过蒙特卡罗仿真试验进行验证。结果表明,融合算法能够在一定程度上降低测距误差,增强算法对于复杂环境的适应性,提高定位精度,在NLOS环境下较C-Taylor算法有更高的定位精度与抗噪声性能。经实地定位试验验证,融合算法平均定位精度相比于C-Taylor算法有一定程度的提升,提高了37.3%。

改进小波变换的船舶射频信号降噪和识别

针对船舶射频信号受通信环境因素及硬件多源噪声的广泛复合因素影响而包含多种频段的噪声,在实时检测中造成有效信号检测率低、误差大的问题,本文设计一种船舶射频信号噪声降噪和识别的软硬件结合的仿真系统。将获取到的船舶射频信号经A/D转换电路转换后,在小波抑制模块分解得到小波系数,并采用改进阈值小波滤波后重构信号,送入信号识别模块利用概率神经网络进行识别。实验结果表明:本文提出的降噪识别方法能够有效地降低信噪比,提升船舶射频信号的识别率,可以应用到实际的船舶射频信号的检测系统中。

改进自适应无参经验小波变换在变压器高频局放电流噪声抑制中的应用

变压器是电力系统中的关键设备,局部放电(partial discharge,PD)是致使变压器绝缘劣化的主要原因,也是绝缘劣化的重要表现形式。针对高频PD信号中窄带干扰和白噪声这些复杂的噪声信息,提出一种基于互信息和样条插值拟合优化频谱分割的改进自适应无参经验小波变换的降噪方法。该方法以无参经验小波变换为基础,计算经无参经验小波变换分解的各个时域分量的互信息值进行合并优化得到新的频谱分割点,然后在各个频段内提取峰值点,将这些峰值点进行三次样条插值拟合得到拟合曲线,将拟合曲线的极小值点作为最新频谱分割点进行划分得到各个时域分量,最后计算各个分量的峭度值,去除峭度值小于3的分量,将剩余分量进行通用阈值降噪重构达到PD信号降噪效果。仿真、实验室和现场测试表明,与现有小波变换降噪和基于经验模态分解降噪的方法进行对比,文中的方法能够更加有效抑制变压器高频PD信号中的噪声信息。

大电流弧爆激波的改进等离子炬聚束性能研究

具有高温高压特性的大电流弧爆激波,在材料加工与军工领域有着巨大的应用前景。为实现定向热冲击,需要对弧爆激波聚束,通过改进等离子炬,设计了一种聚束原型机。采用等效电弧爆炸的方法,利用Autodyn-2D和高精度多物质求解器Euler-2D对9组设计方案进行数值模拟,分析了原型机的聚束管、管仰角和电极距离等对弧爆激波聚束性能的影响规律。研究结果表明:等离子炬通过加装聚束管改进后,能将弧爆激波射流速度与压强峰值分别提升300%、500%;管仰角γ对出口出处射流速度有很大的影响;弧倾角λ为45°时,聚束波的速度和能量最大;电极距离主要影响弧爆激波速度和压强的变化率。

基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术

针对电网环境噪声导致自适应噪声的CEEMDAN谐波检测精度低的问题,文中提出了一种基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术。利用修正因子T j自适应调整阈值,通过可调参数τ调节阈值函数软、硬特性,并将改进的小波阈值去噪方法应用于谐波信号的预处理。经预处理的信号再进行CEEMDAN分解,可有效抑制模态混叠束缚。运用相关度判据去除虚假分量,并利用Hilbert变换解调包含谐波特征的分量,准确提取其幅频信息。经MATLAB仿真可知,改进小波阈值去噪与CEEMDAN-HT的融合算法可将稳态谐波检测平均误差被控制在1%以下,暂态谐波检测平均误差被控制在2.1%以下,呈现出良好的抗噪性能。

基于高阶幂的单快拍LDACS系统波达方向估计

L波段数字航空通信系统(L band digital aeronautical communication system,LDACS)是未来航空宽带通信重要的基础设施之一,针对LDACS信号容易受到相邻波道大功率测距仪(distance measuring equipment,DME)信号干扰的问题,提出了联合正交投影干扰抑制与单快拍稀疏分解的波达方向(direction of arrival,DOA)估计方法。通过子空间投影抑制DME干扰,然后使用单快拍数据构建伪协方差矩阵,对伪协方差矩阵求高阶幂,之后进行奇异值分解,并利用约束条件求解稀疏解得到期望信号来向的估计值。所提方法使用高阶伪协方差矩阵降低了噪声影响,仅用单快拍就可以准确估计LDACS信号的入射方向。仿真结果表明,改进单快拍高级幂(improved single snapshot high order power,ISS-HOP)L1-SVD算法的估计精度优于ISS-HOP-MUSIC算法。该方法可以有效抑制DME干扰,提高OFDM接收机性能。

基于改进粒子群算法的UWB雷达人体动作识别研究

针对雷达信号中的杂波干扰及样本数量对人体动作识别精度的限制,提出一种基于改进粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)模型的超宽带(ultra-wideband,UWB)雷达人体动作识别算法。利用动态目标指示(moving target indication,MTI)与小波阈值滤波对接收到的UWB回波信号进行预处理,消除回波信号中的杂波和噪声对人体动作识别的影响;结合二维离散小波包分解(two dimensional discrete wavelet packet decomposition,2D-DWPD)与奇异值分解(singular value decomposition,SVD),对预处理后的雷达信号进行特征提取和降维;提出一种改进粒子群算法,优化SVM模型的相关参数进行识别和分类。实验结果表明,提出的算法准确率可达到96.25%,具有良好的识别性能。

改进小波阈值函数在手部姿态获取中的应用

针对手部康复系统对手部姿态获取的同步性及精准性要求,基于极限的思想,提出了一种改进的小波阈值函数。该算法解决了传统软、硬阈值函数的不连续、失真等问题,且没有额外添加调节参数,减少了阈值去噪中的计算量。仿真结果表明:本文算法去噪效果在信号整体平滑度和精度上都有明显提升,能够在保留原始信号特征的基础上,抑制重构信号振荡。通过手部康复系统实验测试,算法可有效提高手部姿态、手指弯曲度等信息获取精度,以及系统映射的实时性。

EEMD与改进小波阈值结合应用于心电信号去噪研究

心电信号监测过程中噪声是不可避免的,目前主要采用EEMD算法对观测信号所带有的噪声进行滤除,但该方法会直接丢弃高频噪声主导的低阶IMF分量或低频噪声主导的余项,导致部分有用信息丢失。为此,文中提出将改进的小波阈值与EEMD相结合,应用于心电信号去噪。改进的阈值方法能有效地去除各IMF分量噪声,再将处理后的各分量叠加,得到去噪的心电信号。通过真实监测信号实验进行验证,结果表明,所提方法具有较好的去噪声和重构效果,能够完整地保留QRS特征。

基于经验模态分解和改进小波软阈值降噪法的电站信号降噪研究

在对电站各类信号进行故障诊断时,由于其所处的复杂工作环境,采集设备得到的信号中经常包含背景中强噪声干扰,导致在后续信号关键特征的识别和处理时会出现较大困难。为降低噪声的影响,本文将经验模态分解与改进小波软阈值降噪法相结合进行电站信号的处理并进行了方法有效性验证。该方法的主要流程如下:首先,将信号进行经验模态分解,分离出若干个本征模态分量和残差。其次,对其与原始信号进行互相关分析,识别有用信号主导的分量和噪声主导的分量,并将噪声信号主导的分量进行改进小波软阈值降噪法处理后,将其与有用信号分量和残差进行重构。最后,将经验模态分解和改进小波软阈值降噪法降噪处理后的信号与传统只采用小波阈值降噪法处理后的信号进行评价,结果表明本文方法的信噪比更高、均方根误差更小、相关系数更高、平滑度更好,可有效消除背景噪声的影响。