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。

基于改进经验模式分解算法的实时滤波新方法

由于电液伺服系统本身的特点使某些干扰信号频段与正常信号的频段很靠近,普通数字滤波器很难起到较好的作用。为了能够精确过滤这些干扰信号,改进了Hilbert-Huang变换中所提出的经验模式分解(EMD)算法,扩展了极值点的定义,给出了插值判断条件,新增了分解结束判断条件。改进后的EMD算法对电液伺服系统信号有更好的包络效果、更佳的分解效果和更快的分解速度,可以满足实时滤波要求。将基于改进EMD算法的实时滤波器应用于实际的电液伺服控制系统后,同普通数字滤波器和原EMD算法进行对比,其结果验证了该滤波器的滤波效果优于普通数字滤波器,计算效率得到提高。

基于经验模式分解的滤波去噪法及其在GPS多路径效应中的应用

经验模式分解(Empirical Mode Decomposition,EMD)是一种新的信号处理技术,它是基于数据本身的,且能在空间域中将信号进行分解,从而可以区分噪声和有用信号。根据EMD分解白噪声而得到的本征模式函数(IMF)分量的能量密度与其平均周期的乘积为一常量这一特性,建立一种新的基于EMD滤波去噪方法,并将该方法应用于GPS多路径效应的研究中。通过对模拟数据与GPS实测数据的处理分析,得出以下主要结论:①EMD滤波去噪法与小波方法都能最大限度地削弱测量的随机误差,但EMD滤波去噪法比小波方法更直接,且不受测不准原理及小波函数选择的影响;②相比小波方法,EMD能够更有效地剔除瞬时强噪声,从而能够提取更精确的多路径效应重复性误差改正模型。

基于经验模式分解处理局部放电数据的自适应直接阈值算法

根据局部放电信号的特征,将经验模式分解(EMD)应用于局部放电信号分析中,提出了处理局部放电数据的自适应直接阈值(ADT)算法。首先,将基于EMD的时空滤波方法应用于局部放电数据的预处理中。与传统滤波方法相比,该方法无需预定义滤波器系数,而且能够充分保留原始信号本身所固有的非平稳特征。其次,为了最大限度的抑制噪声干扰,进而提出了ADT算法。该方法不存在小波方法中的小波基选取问题,以多分辨率的EMD为基础,结合3σ准则自适应地确定分解尺度和阈值,是一种完全的数据驱动型方法,具有较好的自适应能力和综合处理性能。仿真数据和试验数据的处理结果表明了该方法的有效性。

激光雷达信号的可变间隔阈值经验模式分解去噪法

针对采用经验模式分解直接阈值(EMD-DT)和经验模式分解间隔阈值(EMD-IT)在激光雷达回波信号的去噪应用中会产生的模态混叠现象,采用一种可变间隔阈值的经验模式分解(EMD-SIT)的去噪方法。首先,对信号进行经验模式分解。然后,采用过零率方法将分解出的含有噪声的固有模态函数分离。最后,应用过零点阈值,设立一个新的可变阈值,将EMD-IT和EMD-DT有效融合对信号进行去噪。通过与多种阈值的仿真对比以及激光雷达的回波信号去噪实验,结果表明该方法可以有效地去除噪声,抑制模态混叠,较EMD-IT和EMD-DT更具有优越性,因此有着很好的应用前景。

基于经验模式分解的有源滤波器谐波检测

本文把经验模式分解(EMD)应用于有源滤波器的谐波检测。对谐波电流进行EMD分解,得到一系列固有模态函数(IMF),由于EMD分解的完备性,不同的IMF代表了不同的频率分量,即得到基波和各次谐波IMF分量,从而完成谐波的检测。在分解中,采用三次样条插值求包络曲线,并通过对信号两端添加极值点的方式来减轻边界效应的影响。仿真结果表明,基于EMD的谐波检测方法,不仅能有效地将电力系统谐波自适应地分离出来,而且对于有源滤波器的谐波检测具有较高的实时性。

基于经验模式分解的电晕放电辐射信号阈值降噪处理方法

随着输电电压等级的提高,电晕放电已成为影响高压、特高压输电线路安全稳定运行的重要因素。鉴于此,提出了基于经验模式分解(empirical mode decomposition,EMD)的电晕放电辐射信号阈值降噪处理方法,首先利用EMD算法对采集到的电晕放电辐射信号做分解处理,得到不同的基本模态分量,然后利用阈值函数和给定阈值对各分量做降噪处理,并对处理后的分量重构,得到降噪后的信号。研究结果表明:与小波降噪和EMD时空降噪相比,基于EMD的阈值降噪方法不存在基函数选取和分解层数选取等问题,其降噪过程是完全由信号特征决定的自适应降噪,同时该方法保留了小波降噪中对各分量进行阈值处理来降噪的优点,并且在对信号的降噪过程中去除了可能存在于信号中的趋势项干扰,因而该方法更有利于对电晕放电辐射信号的降噪处理。

经验模式分解算法的探讨和改进

对经验模式分解算法中的滤波停止条件和端点延拓问题进行了研究。在改进的EMD算法基础上,通过对本征模函数使用“新的滤波停止条件”,获得了更好的实验分解结果,同时,由于改进的EMD算法假定信号是无限长的,回避了B样条插值中节点延拓的固有问题,研究了有限长度信号的端点延拓问题,给出了端点延拓算法,从而弥补了已有方法的不足,使之更具实用性。实验表明,文中提出的算法是有效的。

小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取

针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题,将小波改进阈值方法和经验模态分解(Empirical Mode Decomposition,EMD)相结合,提出一种基于小波改进阈值的经验模态分解去噪方法,并应用到旋转机械故障特征提取中。首先,为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处,研究小波改进阈值方法并利用其进行振动信号预处理,减少随机噪声对振动信号的干扰,同时减少EMD分解过程中的分解层数以及其边缘效应对有用信号分解质量的影响。在实际应用中,由于振动信号中混有多种不同性质的噪声,预消噪处理常常不足以消除全部噪声的干扰,因此有必要用EMD相关度方法适当地消噪后处理,提高故障特征提取的准确度,研究为旋转机械故障进一步识别诊断提供了重要的参考。

基于均值滤波矩阵组的二维信号快速经验模式分解方法

根据矩阵变换理论,提出了一种基于滤波矩阵组的局部均值求取方法.该方法构造了均值滤波矩阵组,只需在待处理矩阵左右各乘一个均值滤波阵,即可得到待处理阵的加权均值,简化了包络均值求解过程.在上述局部均值滤波理论的基础上,提出了二维信号的快速经验模式分解算法.实验证明,算法运算时间比传统经验模式分解方法提高了两到三个数量级.

曲率滤波-经验模式分解的运动人体目标检测预处理

利用曲率滤波-经验模式分解预处理检测并提取人体目标特征,以降低图像分解运算复杂度,同步增强边缘和纹理特征,提高特征区分性。表现在:(1)在第一层经验模态分解中,以曲率滤波曲面映射原图像的连续平滑曲面,形成包络曲面及均值面,首层分解图像纹理特征显著,以下各层凸显边缘与结构特征;(2)从低分辨率到高分辨率尺度图像匹配出相邻层强边缘区域,易于人体目标轮廓候选区域的提取;(3)以首层分解图纹理特征筛分背景,在相邻层中匹配前景特征区域,形成人体姿态特征的轨迹图,易于判别人体姿态及行为。在人体行为识别实验中,采用曲率滤波-经验模式分解预处理提取的轮廓特征与人体行为典型数据库ground truth对比,在UIUC示例数据的轮廓提取的精度和召回率都达到90%以上。对人体姿态及行为做识别处理,验证了预处理方法的有效性。

利用改进经验模式分解和相关分析综合方法的区间振荡同调性追踪研究

为了丰富区间振荡动态特性中同调性指标的获取手段,提出了一种基于改进经验模式分解(R-EMD)技术和相关分析(CA)方法相结合的追踪机电振荡同调性的综合方法。它首先利用R-EMD技术从广域测量系统(WAMS)采集的联络线有功功率、母线电压相角等信号中提取各主导区间模式的分量信号,然后对各通道信号进行时域相关性分析,借助互相关系数确定主导区间模式下机群或机组的同调性。该方法较Prony等参数化方法具有对非平稳非线性信号适应性强,对噪声敏感性弱的特点;较标准经验模式分解技术(EMD)和希尔伯特黄变换(HHT)方法具有频率分辨率更高,避免前者应用于低频振荡分析时可能出现的频率混叠问题;较谱相关分析法反映相位关系直观性更好。案例分析在一个新英格兰39节点系统和一个澳大利亚东南部简化系统中展开,借助PSS/E仿真工具自定义了一个随机时变负荷模型以模拟系统运行环境,结果验证表明了该方法的有效性。

一种通用型基于经验模态分解的小波阈值滤波方法研究

首先针对中高频水声信号,提出一种改进的经验模态分解加小波软阈值滤波方法;然后将信号进行带通滤波处理及经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法在频域上对这些模态进行滤波,最后对信号进行重构,并将其转换为时域信号。分别采用本方法和原时域上的小波阈值方法对不同频率的水声信号进行滤波,经计算分析可知,对频率小于800 Hz的水声信号,采用原方法可获得较好的滤波效果;当信号频率大于800 Hz时,采用本方法的滤波效果更好,因此应针对不同频率的水声信号,选择合适的滤波方法,以获得满意的滤波效果。

基于加权滤波经验模式分解的遥感图像融合

加权滤波经验模式分解(weighted filter empirical mode decomposition,WFEMD)作为一种新的多尺度、多分辨率分析方法,与小波、超小波和现有二维经验模式分解方法相比,更加适合于二维图像中的细节特征分析。该方法运用自适应加权滤波器直接求取均值面,解决了传统二维经验模式分解(empirical mode decomposition,EMD)方法的固有缺陷;将WFEMD方法引入遥感图像融合,能够更好地提取原始图像的特征,为图像融合提供更多的信息。鉴于此,提出了一种基于WFEMD变换的图像融合方法。首先,利用WFEMD的自适应性、多尺度性和高频细节信息的强获取能力,将待融合的图像分别进行WFEMD分解,对不同图像的内涵模式分量(intrinsic mode functions,IMF)按照该文提出的细节/背景原则进行融合,剩余分量按照平均原则进行融合。最后,将融合后的内涵模式分量重构,获取融合图像。实验证明,该方法的融合效果优于其他图像融合方法。

CEEMDAN与改进形态差值滤波结合的滚动轴承故障诊断

受电机所处工作环境中诸多因素的影响,轴承故障振动数据通常会混杂大量噪声,使得故障特征被无效噪声信息所淹没。为了将轴承故障冲击特征信息从含噪信号中提取出来,提出了一种CEEMDAN与改进形态差值滤波结合的故障诊断方法。在诊断初始阶段利用CEEMDAN对故障信号加以处理,得到相应的固有模态函数(IMF);用归一化互信息及峭度值作为评判标准,筛选所需的IMFs分量信号,并以此为基础完成信号重构;利用改进形态差值滤波实现对重构信号的去噪处理;求取处理后的信号频谱并加以探究,提取故障特征信息,完成对故障的有效诊断。由实例验证结果可知,该方法可在背景噪声干扰下对故障特征频率进行较好的定位,能够作为滚动轴承故障诊断的有效方法。

基于经验模式分解的通信信号异常漂移检测

由于混合数字通信信号包含多个信道,且每个信道的特征不同,数据量相对较大,受到多种干扰的影响,信噪比较低,导致其异常漂移检测精度低。为此,提出多信道混合数字通信信号异常漂移检测方法。采用多线性主成分分析方法对通信信号展开降维处理;利用经验模式分解方法对降维后的通信信号分解,通过IMF能量确定异常漂移分量所处位置,实现通信信号异常漂移检测;建立RBF神经网络非线性滤波器,将信号漂移分量输入滤波器中,完成多信道混合数字通信信号的漂移校正。仿真结果表明,所提方法的信号降维效果好,信号异常漂移检测平均绝对误差较低,数字通信信号异常漂移校正质量高。

基于改进的经验模式分解的旋转设备振动信号特征提取

针对旋转设备局部碰摩故障振动信号的特征,提出了一种基于经验模式分解(Emp iricalMode Decomposition,EMD)与小波分析相结合的故障特征提取的改进方法,先利用小波分析方法将振动信号分解为低、中、高3个频段,然后对各个频段的信号进行EMD分解,实现碰摩、背景和噪声信号分离,从而提取旋转设备局部碰摩振动信号的故障特征。在某热电厂2号汽轮发电备用机组的碰摩故障诊断的应用中,仿真信号和试验数据的分析结果表明,该方法正确、有效,可应用于工程实践。

采用集合经验模态分解和改进阈值函数的心电自适应去噪方法

针对心电信号中存在基线漂移、工频和肌电干扰等噪声对后续的分析和诊断带来干扰的问题,提出了集合经验模态分解(EEMD)改进阈值函数的心电自适应去噪方法。运用EEMD将含噪心电信号分解得到一组由高频到低频分布的固有模态函数(IMF)。采用过零率自适应判断各IMF的噪声类别:若IMF包含高频噪声,采用结合软硬阈值优缺点所提出的改进阈值函数以去除IMF分量中的高频噪声;若IMF包含低频的基线漂移,则采用中值滤波器抑制基线漂移。最后将处理后的IMF分量叠加,即可重构去噪后的心电信号。实验结果表明,与已有的小波阈值法去噪后的信噪比(SNR)和均方根误差(RSME)对比,所提方法对心电信号去噪效果更加显著,而且能完整地保留波形特征。

基于经验模式分解与小波软阈值的联合去噪法

为获得往复运动摩擦副摩擦力信号良好的去噪效果,在分析传统的经验模式分解去噪和小波阈值去噪的优缺点的基础上,提出在模式相关系数准则下,将经验模式分解去噪与小波软阈值去噪结合起来的综合去噪方法。首先利用经验模式分解出若干个固有模式函数分量,在模式相关系数准则下找出由噪声主导和由信号主导的固有模式函数分量的分界点,接着对由信号主导的模式函数分量分别进行小波软阈值去噪,然后再进行重构从而获得去噪信号。实验结果表明,此去噪方法具有良好的自适应性和稳定性,提高了信噪比,并较好地保留了原信号的细节信息。

经验模式分解改进算法的比较

文章针对经验模式分解中的关键问题,运用3种不同的方法进行改良分析,比较其优劣。证实改进算法在特定的方面有其优越性。