奇异值分解在电缆局部放电信号模式识别中的应用

针对局部放电在线检测中的局部放电信号模式识别,在对局部放电信号进行去噪预处理的基础上,对去噪后的局部放电信号进行小波包分解,利用小波包系数构建小波包系数矩阵;然后,对小波包系数矩阵进行奇异值分解,定义奇异值能量百分比作为局部放电信号的特征向量,并利用M-ary算法将支持向量机二分类扩展到多分类,使用粒子群算法对支持向量机参数进行优化;最后,将特征向量作为输入,使用支持向量机对4种放电信号进行识别,并与BP神经网络的识别效果进行对比.结果表明:利用奇异值能量百分比构建的放电信号特征向量能够很好反映原始信号的特征;基于支持向量机能够有效对放电信号进行识别,平均识别率达到95%,随着分解尺度增大,4种放电信号的平均识别率增大,但增大的幅度减小;支持向量机和BP神经网络均能够很好识别4种放电信号,且支持向量机相比BP神经网络,具有更好的识别效果.     

基于EMD的桩基缺陷信号去噪改进研究

针对桩基检测环境复杂,存在复杂噪声的问题.提出一种基于峭度准则和信号相关性分析的经验模态分解(EMD)去噪改进算法,通过峭度准则判断分量包含特征信息的多少,通过信号相关性分析判断分量是否为噪声分量,利用改进EMD时空去噪方法对信号进行第一次去噪,在此基础上,利用EMD小波阈值法对信号进行二次去噪,两次去噪构成本文完整的基于EMD的信号去噪改进算法.实验仿真显示该去噪方法对于桩基微弱信号在保留信号特征信息的前提下取得了显著的去噪效果.信号的去噪效果将直接影响到桩基缺陷信号的识别检测,具有重要的应用价值和研究意义.     

变压器局部放电监测中的小波去噪方法

由于强烈的窄带周期干扰、白噪声和脉冲干扰等外部干扰,变压器局部放电在线监测技术中的局部放电信号提取一直是个难题.应用小波去噪技术研究了局部放电在线监测中的噪声抑制方法,对母小波及阈值(threshold)的自动选择方法进行了深入研究.仿真信号和现场实测信号分析表明,该方法适于变压器局部放电在线监测中的白噪声抑制,而对周期窄带干扰的抑制效果相对较差,需与其它对窄带周期干扰抑制效果较好的数字滤波方法结合,将具有良好的实际应用效果.     

基于相空间重构和独立分量分析的超声信号噪声消除

提出了一种新的基于相空间重构和独立分量分析的超声信号去噪方法.应用该方法处理了实际的试块超声检测信号,并与小波去噪的效果进行了比较.实验结果表明,该去噪方法的效果与小波去噪方法接近,其特色是通过超声信号和噪声信号的盲源分离实现噪声消除.该去噪方法与小波去噪方法相比具有使用简单容易、去噪效果好和自适应强等优点.     

基于提升小波的脉冲涡流检测信号去噪的研究

脉冲涡流检测是无损检测的一个重要方法.由于检测过程噪声的干扰,信号在测量过程中不可避免的受到不同程度的污染.文章介绍了提升小波的基本原理、阐述了提升小波去噪的算法.利用提升小波对脉冲涡流检测过程中的噪声进行去噪,得到了去噪后的结果波形.实验结果表明,采用提升小波去噪可以使脉冲涡流检测结果信号的信噪比得到显著的提高.     

一种抑制PD白噪干扰的有效复合信息技术

根据局部放电(partial discharge,PD)信号与白噪干扰经复小波变换后的不同特点,利用复小波变换后实部、虚部的简单信息构造出一种抑制白噪干扰的实、虚部组合序列的有效复合信息,分析该复合信息中序列幂指数对PD去噪性能的影响,并用去噪前后描述信号波形相似参数(normalized correlation coefficient,NCC),结合信噪比(signal to noise ratio,SNR),对用复小波变换去噪后的效果进行综合评价,给出不同的局部放电波形对应的复合信息序列幂指数值,最后,用所构造的db4复小波对仿真和实测PD信号进行了去噪。研究结果证明了在众多的复合信息中,复小波变换实、虚部组合序列的复合信息能有效抑制PD白噪干扰,畸变小,在-7 dB的强噪声中,提取PD信号的NCC和SNR仍高达0.918 6和17.42 dB,有利于PD检测。     

基于S变换与奇异值分解的局部放电信号去噪方法

根据白噪声在S变换域服从2分布且平均功率谱与频率成正比的特点,提出了基于S变换与奇异值分解(SVD)的局部放电(PD)信号去噪方法。首先对带噪PD信号进行S变换,得到时频矩阵;接着利用SVD与奇异值差分谱理论,确定PD信号发生的时间与个数,得到白噪声区域;然后通过构造与频率成正比的线性方程,采用硬阈值法对时频矩阵进行处理,完成PD信号的第一次去噪;最后利用SVD对PD信号进行第二次去噪。仿真和实测信号的分析结果表明,文中方法的去噪效果优于小波阈值法,且该方法更简便快捷。     

一种用于复小波变换的有效系数阈值

构造了用于抑制局部放电信号中白噪声的复小波,并分析了现有几种小波阈值的不足,根据局部放电的小波变换系数具有模极大值的特点,提出了有效小波系数阈值法．用有效小波系数阈值法对4种模拟局部放电信号和实验室实测局部放电信号进行去噪研究,并与史坦的无偏似然估计阈值法和极大极小原理选择阈值法进行了比较,结果表明有效小波系数阈值法具有自适应功能,抑制白噪声比较彻底。提取的局部放电信号失真较小．     

级联自适应局部投影降噪方法

针对具有非线性、非平稳性特征的信号，提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先，利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后，利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明，本方法能够提高信噪比并降低均方误差，并在信号结构失真时恢复其原始吸引子形态，去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性能.     

基于门限值小波包变换抑制局部放电白噪干扰

分析了局部放电在线监测系统中局部放电信号及白噪干扰小波变换特征，局部放电信号在大部分尺度上具有较大的幅度，而白噪声信号随尺度的增加而迅速趋于零，从而对信号在各个尺度上的小波系数设定一个门限，如果某尺度上的系数大于门限，则认为它对应于局部放电信号，否则对应于噪声信号。提出了用基于门限值的小波包变换方法从白噪中提取局部放电信号的方法。实测数据分析结果表明，经此法处理后信噪比明显提高，可用于在线监测局部放电信号中白噪干扰的抑制。     

基于小波变换的地震数据去噪的研究

根据小波变换的原理,提出了将小波变换应用于地震数据进行去噪的方法.该方法利用有用信号和噪声的小波系数在时频域内的差异,选取有用信号的小波系数进行重构从而达到去噪的目的.采用时域400道数据,每道100个采样点的二维地震数据进行实验,结果表明:小波去噪法能取得良好的去噪效果,选取小波系数越多,恢复的信号强度越好,但也会相应的引入更多的噪声.     

小波去噪在电能质量检测中的应用

在电能质量检测领域,测量信号通常叠加着随机噪声,因此在噪声污染比较严重的场合,对检测到的信号一般要进行去噪处理.针对此类噪声问题,利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,提出了基于小波变换的阈值去噪法.     

基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

基于小波包及隐式马尔科夫模型的局放信号去噪

将基于小波变换的隐式马尔科夫模型(HMM)方法改进并扩展至小波包域，用于去除发电机局部放电信号中的白噪声．采用实测的局部放电信号验证了方法的有效性．结果表明，对比传统的门限去噪算法，基于小波包的HMM方法有更好的去噪效果；而与基于小波变换的HMM方法相比，所建立的模型更能体现信号的特征，对于信号分析乃至进一步的模式识别有着更大的价值．     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

基于提升小波变换的心音去噪新方法

针对传统的小波阈值函数去噪无法有效滤除信号中的特定噪声,结合软、硬阈值函数的优点,提出了一种基于提升小波新阈值函数算法对心音信号进行去噪.首先利用提升小波变换对心音信号进行分解;然后利用新阈值函数更新其小波系数进行重构;最后与提升小波软、硬阈值函数去噪后的心音进行了希尔伯特包络提取验证其去噪效果.实验结果表明,提出的提升小波去噪新方法较软、硬阈值方法有更好的滤波效果,且提取的曲线包络更加清晰、平滑.     

一种基于局部均值分解的小波阈值信号去噪方法

在时频分析中,针对非平稳信号的滤波去噪的问题,鉴于部分传统的去噪方法对于非线性非平稳信号滤波的效果不是很理想。基于Smith提出的局部均值分解法,结合小波阈值,找出了一种自适应时频分析法。通过实例分析,比较小波阈值去噪、基于EMD小波阈值去噪和基于LMD的小波阈值去噪3种算法在进行信号滤波去噪过程中的效果,采用信噪比和均方根误差2种评价因子对该3种算法进行评价,结果表明基于LMD的小波阈值去噪方法能够更好的去除信号噪声,对信号去噪提供了一种新思路。     

小波变换用于提取MLAEP信号

中潜伏期听觉诱发电位（MLAEP）与麻醉深度紧密相关,本文利用小波变换实现提取MLAEP信号。本文首先研究了小波变换与信号奇异性的关系,再根据小波变换模极大值的变化特性来检测信号的局部奇异性,利用信号和噪声不同的尺度特性实现去噪。仿真结果表明此方法对MLAEP的提取具有较好效果。     

基于小波熵的最优阈值去噪方法

小波去噪的核心问题是如何选取合适的阈值函数,进而估计出原始信号的小波系数.现有的改进去噪函数中大都含有需要根据经验来确定的待定参数,易用性和去噪效果均不理想.基于信号的小波熵理论,提出了令去噪后得到原始信号和噪声信号的小波熵之和为最大、从而获得了最优的小波软阈值去噪函数.对含噪声的Blocks信号进行仿真分析的结果证实了文中提出方法的有效性,该方法比采用软、硬阈值方法具有更好去噪效果.     

不同小波去噪法处理热重信号的研究

通过对恒温DTG曲线的小波去噪研究,发现采用不同的小波以及小波分解层次都会影响到最终的去噪效果．利用信噪比、均方根误差和李氏指数等指标作为评判标准,比较了不同去噪信号的特征,并确定了最佳的小波去噪参数．同时对过滤得到的噪声信号进行分析,发现这些噪声信号符合白噪声的标准,通过比较小波去噪与相邻点平均法和傅里叶过滤法,证明小波法在处理DTG信号时具有优势。