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。

基于小波分析的改进软阈值去噪算法

总结了Donoho等人提出的软阈值法和硬阈值法的缺点,并在二者的基础上,提出了一种新的阈值去噪方法——改进软阈值去噪法。该方法很好地结合了软、硬阈值法的优点,同时又可以有效去除低频段的噪声。讨论了改进软阈值法的原理,给出了其模型;通过实验将新方法与传统的软、硬阈值法的去噪效果进行了对比。结果证明,新方法的去噪效果在时域和频域上都优于传统方法,而且信噪比更高。

基于改进的小波软阈值法的SAR图像去噪

斑点效应是SAR图像所不可避免的 ,在不降低图像空间分辨率前提下消除或最大限度地抑制斑点噪声 ,是当前研究的热点。本文介绍了一条能够让小波技术更好地应用于雷达图像去噪而实现起来又非常简便的途径———将原始雷达图像作对数变换 ,将乘性噪声转化为加性噪声 。

故障分析中的小波软阈值改进除噪方法

软阈值消噪是信号消噪中的标准算法。故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征。通过分析信号和噪声的小波系数在小波空间的不同特性,在"噪声强度估计"、"阈值选择策略"和"小波系数调整策略"三个方面对软阈值除噪技术进行了改进。仿真研究表明改进方法较好地解决了保护信号局部特征和抑制噪声之间的矛盾,并对各种类型的故障信号均能进行有效的分析。

一种改进的小波软阈值去噪方法性能分析

分别利用软阈值函数和修正软阈值函数对局部放电仿真信号进行小波去噪分析。仿真结果表明，修正软阈值函数在优于传统软阈值函数去噪性能的基础上，更具有灵活性，仅通过调节函数的可变参数，就可以获得具有最大信噪比和最小均方误差的去噪信号。

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。

改进的脊波变换图像半软阈值降噪方法

脊波变换是一种源于小波又高于小波的多尺度几何分析方法,应用于图像中。借鉴小波去噪的思想提出一种新的图像去噪方法,采用基于Bayesian估计的自适应阈值和半软阈值技术进行去噪,针对脊波变换所产生的轻微的"划痕",引入平移不变的方法消除这种条纹干扰。实验结果表明,该方法较好地处理了图像细节和边沿保留与噪声抑制的矛盾,是一种有效的去噪方法。

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。

电能质量信号的小波软阈值去噪方法

基于DONOHO的软阈值去噪方法,提出了一种改进的小波软阈值算法。该算法利用高斯白噪声的正态分布特点、3Σ法则和小波变换系数的分布特点,在有效去除白噪声的同时较好地保留了信号的局部特征,且不受采样点数的影响。MATLAB仿真表明,该法在较强白噪声干扰下仍能有效去噪,较之无偏风险、固定阈值、启发式阈值、极大极小值等去噪方法更为有效,特别适于强噪声背景下弱信号的提取。

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。

基于改进阈值函数的小波域去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪算法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,此函数不仅易计算,且具有优越的数学特性和清晰的物理意义。试验结果表明,该方法可有效地去除白噪声干扰,无论在视觉效果还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。

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。

一种改进的小波阈值去噪算法及其仿真分析

针对小波阈值去噪方法中传统软硬阈值法各自存在的缺点,提出了开方法阈值去噪法。该方法对阈值的处理采用开方逼近的思路,使其曲线能很快逼近硬阈值方法曲线,并具有较好的连续性,克服了硬阈值法不连续和软阈值法有恒定偏差的缺点。通过仿真试验将开方法与其他三种方法的去噪效果进行了对比。结果证明,新方法兼顾了软硬阈值法的优点,去噪效果更好,信噪比更高。

一种改进小波阈值降噪算法及其仿真研究

针对D.L.Donoho提出的硬阈值函数不连续、重构信号存在第二类间断点、软阈值函数存在恒定偏差的问题,在软、硬阈值函数折中方法的基础上,根据两圆在阈值处相切以及直线与圆相切的原理,构造出一种新的阈值函数改进方法。首先,介绍了小波阈值去噪算法的流程以及传统阈值函数的数学模型,并分析了其存在的问题;其次,给出了改进阈值函数的改进思路及数学推导过程;最后,将四种传统小波阈值去噪算法和改进的阈值去噪算法用于含噪doppler信号的去噪仿真测试。试验结果表明,改进的小波阈值去噪算法可以在有效滤除大量随机噪声的同时保留信号中固有的高频分量,提高信号的信噪比,并对去噪后的结果进行增益放大。该方法对类似地震信号的非平稳随机信号处理过程中的随机噪声压制与有效信号放大有一定的指导意义。

基于二进小波变换和软阈值改进的信号消噪

软阈值消噪是信号消噪中的标准算法.理论上,软阈值方法在最小最大误差方面是近似最优的.研究表明,通过结合系数消噪和软阈值方法,可以达到更低的误差下界.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,采用了具有平移不变性的二进小波变换.实验结果表明,文中所提算法的消噪结果具有更高的信噪比和更光滑的外观.

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。

一种改进的小波消噪阈值选取方法

在3σ准则及半硬取阈值(SHT)的基础上,介绍了一种新的阈值函数。该阈值函数不仅克服了硬阈值函数不连续的缺点,并且解决了软阈值函数存在的恒定偏差。仿真结果表明,消噪效果有了明显的改观。