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。

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。

改进小波阈值与优化BiLSTM组合的大坝变形预测方法

变形是反映大坝结构状态变化的重要指标。由于变形数据的非线性特点和其背后复杂的机理,提升变形的预测精度对大坝安全及结构控制具有重要意义。为此,基于融合建模理念提出了一种组合的大坝变形预测方法,该方法结合了改进小波阈值去噪与鹈鹕优化算法(POA)优化的双向长短期神经网络(BiLSTM)。首先,采用改进小波阈值去噪法对变形实测数据序列进行处理;其次,通过POA搜索最优超参数组合用于优化BiLSTM模型;最后,基于最优超参数下的BiLSTM模型进行大坝变形预测。工程实例表明,改进小波阈值法具有更好的去噪效果,POA-BiLSTM能够准确预测大坝变形。在最终测试集上平均MAE、MAPE、RMSE、R^(2)分别为0.244、0.041、0.301、0.906。相较于其他方法,表现出更高的预测准确性和稳健性,可为大坝变形监测提供参考。

基于INGO-VMD-改进小波阈值算法的TDLAS二次谐波信号去噪研究

针对可调谐半导体激光吸收光谱(TDLAS)技术中气体浓度检测信号———二次谐波信号夹杂噪声导致反演精度下降的问题,提出基于改进的北苍鹰优化算法(INGO)、变分模态分解(VMD)和改进小波阈值法联合的去噪算法,利用包络熵值最小为目标函数的INGO算法寻找VMD中重要参数———模态个数k和惩罚因子α,以分解后的各固有模态分量(IMF)能量密度与平均周期乘积为一常量的特点筛选出有效信号IMF分量,联合小波改进阈值法对有效信号进行降噪并组合得到去噪后信号。仿真实验对比分析表明INGO-VMD-改进小波阈值法能有效滤除噪声信号,降低幅值误差,提高反演精度,降噪效果较优,降噪后波形相似系数为99.86%,信噪比达到25.2305 dB,均方根误差达到0.01523%,较含噪信号,峰值误差下降0.157。

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CEEMDAN与改进小波阈值的电缆局部放电信号降噪方法

对检测到的电缆局部放电信号降噪是实现电缆绝缘诊断与评估的前提,为此提出一种基于自适应噪声的完备集合经验模态分解(CEEMDAN)与改进小波阈值的电缆局部放电信号降噪方法。首先,采用CEEMDAN算法将染噪局部放电信号进行分解,得到数个模态分量;然后,计算模态分量的峭度值,筛选出有效特征分量并重构;最后,将重构信号通过改进小波阈值法再次降噪去除冗余噪声,得到降噪后的局部放电信号。将该方法、传统小波阈值法及集合经验模态分解与改进小波阈值法分别用于不同噪声强度下局部放电仿真信号的降噪处理,结果表明该方法具有更高的信噪比与波形相似系数,能有效抑制周期性窄带干扰与白噪声。

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。

ICEEMDAN-小波阈值法在谐波信号中的应用

为了在噪声环境下检测电力系统谐波信号,引入一种基于改进自适应噪声集合经验模态分解(ICEEMDAN)与小波阈值降噪的电力系统谐波信号检测新方法。该方法首先通过ICEEMDAN对含噪谐波信号分解,获取若干内在模态分量(IMF),计算每个IMF与原谐波信号的相关系数来确定含噪模态分量;然后使用改进的小波阈值函数对含噪分量进行去噪处理,通过希尔伯特变换(HT)获取谐波信号的幅频信息;最后将去噪后的IMF与优势IMF进行重构得到去噪后的信号。算例分析表明:ICEEMDAN和改进的小波阈值联合检测使得电力系统稳态谐波的平均误差为3.11%,暂态谐波的平均误差为3.64%,信噪比提高且去噪后的信号能够更真实地反映电力系统扰动信号的特征。

基于改进小波阈值的生命雷达去噪方法

雷达生命体征探测是一种新型的无接触生命体征探测方式。鉴于接收到的雷达回波信号易受到周边环境噪声干扰,影响监测准确性,利用正切函数的特性,提出一种基于正切函数的小波阈值去噪方法,优化了传统阈值函数不连续和过度降噪的问题;对于阈值选取,根据小波分解噪声水平选取最佳阈值,增强了阈值的自适应性。使用该方法分别对仿真信号和雷达实测信号进行去噪处理,并与传统的硬阈值和软阈值函数进行对比,从两个去噪指标进行定量分析,结果表明,基于正切函数的小波阈值去噪法优于传统小波阈值降噪,验证了该方法的有效性。

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。

基于改进小波阈值函数的闪电电场信号去噪研究

为了减少噪声对闪电电场信号的影响,进一步提高闪电资料的可靠性,提出了一种基于改进小波阈值函数的闪电电场信号去噪方法。该方法通过调整参数a使其具备了软、硬阈值的优点,并克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的缺陷。使用本文的改进小波阈值函数法对不同噪声强度的标准闪电波形和实测闪电电场信号进行了去噪研究,并用信噪比(SNR)和均方根误差(RMSE)对去噪效果进行了定量分析。实验结果表明,与硬阈值、软阈值、半软阈值和Garrote阈值法相比,所提方法对闪电电场信号去噪效果更加显著,而且能较好的保留信号的细节信息和基本特征。

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。

基于小波改进阈值消噪的缸盖振动信号分析

提出了一种改进的小波阈值新方法对内燃机缸盖振动信号进行消噪,进而实现特征向量的提取。试验表明采用改进小波阈值方法能有效地消除信号中噪声的干扰,提高信号的信噪比。用小波包提取消噪后信号的能量作为特征向量,来表征内燃机故障特征,可为神经网络的自适应故障诊断提供新的故障样本。

改进小波阈值函数在管道泄漏信号处理中的应用

在实际应用的环境下,天然气管道中存在的噪声会影响泄漏信号的有效提取,为了能够提高泄漏检测系统的灵敏度,需要提升信号去噪的效果。在对硬阈值函数、软阈值函数和Garrote阈值函数对比分析的基础上,提出了一种改进的小波阈值函数。通过MATLAB仿真对比实验,验证了改进的小波阈值算法的优越性,该函数能够有效的滤除管道泄漏信号中的噪声,并且在更大程度上保留原始信号的特征信息。

基于改进小波阈值的油井动液面检测信号去噪处理

油井动液面检测信号在套管中传播易受到噪声干扰,使得接箍回波与液面回波信号特征被掩盖,导致声速和动液面计算不准确。本文提出了一种改进小波阈值油井动液面检测信号去噪方法,通过对动液面检测信号进行小波分解,计算改进小波阈值,对近似系数和细节系数处理,并进行检测信号重构,获得去噪后清晰的接箍回波与液面回波信号,提高了计算动液面检测声速与动液面值的精确度。应用结果表明,该方法对动液面检测信号去噪效果明显,且信噪比提高、均方差减小,在油井动液面实时动态监测具有典型的应用价值。

改进的小波阈值法瞬时信息提取

利用Hilbert变换提取瞬时信息是储层预测的一种常用方法,但抑制噪声的能力弱。在分析小波软、硬阈值去噪方法优缺点的基础上,引进了一种改进的阈值去噪方法。该方法可以很好地压制地震信号中高频随机噪声,且保持原信号的细节信息。在实际地震资料处理中,首先利用改进的方法去噪,然后再采用Hilbert变换提取瞬时信息,取得了较好的地质效果。

基于CEEMDAN-改进小波阈值的水工结构振动信号联合降噪方法

针对水工结构在泄流激励作用下动力响应信号被噪声淹没的实际问题,提出一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)和改进小波阈值函数联合降噪的方法。对水工结构振动信号先进行CEEMDAN分解,将信号分解成一系列固有模态(IMF)分量,运用自相关函数和互相关系数剔除无效IMF分量,实现振动信号的初次降噪;再利用改进小波阈值函数对含有主要振动信息的IMF分量进行降噪处理,实现含噪信号的二次降噪;最后,将包含主要结构振动信息的IMF分量和残量进行信号重构,得到降噪后的振动信号。通过数值仿真分析,发现CEEMDAN-改进小波阈值联合降噪后信号(10%噪声水平)的信噪比从20.21提升到23.54,均方根误差从0.19降低到0.09,验证了联合降噪具有更高的信噪比和更低的均方根误差,更为接近纯净信号。结合国内某水电站导墙实测数据,运用该方法进行降噪分析,结果表明该方法具有较好的降噪性能和应用前景,可为水工结构流激振动安全诊断提供有效依据。

基于改进形态-小波阈值降噪的轴承复合故障声学诊断

现场采集的滚动轴承复合故障声学信号存在噪声来源复杂、背景噪声强、非线性等特点,导致已知的自适应多尺度形态滤波不能很好的适用于轴承复合故障的盲分离。针对上述问题,提出一种基于改进的自适应多尺度多结构形态滤波(IAMSCMF)、改进的小波阈值降噪方法(IWTDM)和稀疏量分析(SCA)相结合的滚动轴承复合故障特征盲提取方法。首先利用IAMSCMF和IWTDM构造滤波器进行滤波及提高信噪比(SNR);其次利用SCA分离信号;最后用FFT进行频谱分析。仿真分析和滚动轴承现场采集声学信号分析结果均清晰的提取出了轴承故障特征,验证了算法的有效性。