基于改进变分模态分解和小波阈值法的单相接地故障电流降噪

针对电力系统输配电线路发生单相接地故障时,电气设备间的电磁环境复杂,现场环境干扰严重导致故障录波装置采集到的故障零序电流信号含有大量噪声,影响后续选线准确率的问题,提出了一种改进VMD和小波阈值法联合的单相接地故障的零序电流降噪方法,通过北方苍鹰优化算法优化改进变分模态分解（VMD）对零序电流信号分解,引入自适应相关阈值对分解后的分量进行筛选,对噪声分量进行小波阈值法降噪,最后将信号进行重构。通过搭建模型进行仿真实验,所提算法比传统VMD降噪算法信噪比提高了5.52%~35.99%,均方根误差降低了12.78%~30.88%,与小波阈值降噪方法、EEMD-小波阈值降噪方法、CEEMDAN-小波阈值降噪方法相比,也都有明显的优势,并且在标准测试信号Heavy Sine信号和Bumps信号中进行实验验证了算法的适用性。     

一种新的多小波自适应阈值降噪方法研究

为了能更好恢复强噪声中的微弱信号,提出一种多小波的自适应阈值降噪方法。该法首先将多小波引入降噪,克服传统单小波的不足,可以匹配信号中不同的特征信息;其次,在传统软、硬阈值降噪方法的基础上,提出了一种自适应阈值算法,克服每一级尺度上都采用同一阈值的缺点。将本方法和多小波软阈值法、D4小波自适应阈值法进行降噪对比实验,显示该方法不仅有效消除了信号噪声,尤其重要的是更好地保留了原有用信号的信息特征。     

改进双树复小波变换和高阶累积量的齿轮箱信号降噪方法

采用传统阈值降噪方法对小波系数分别进行软、硬阈值处理时在强背景噪声下提取的齿轮箱故障振动信号效果不理想,且实、虚部分离的阈值处理方法会引起局部相位失真。利用双树复小波变换的平移不变性,提出了双树复小波变换和高阶累积量的齿轮箱振动信号降噪方法。对分解和单支重构后的各双树复小波系数采用了四阶累积量的处理方法,根据信号和噪声的统计特性进行信噪分离。由于小波分解层数会直接影响信号的去噪效果,因此,采用粒子群算法优化小波的分解层数。仿真和实验信号处理结果表明:该方法与双树复小波变换的软、硬阈值处理方法相比,在不同信号和噪声水平下更能有效地抑制噪声干扰,提高信噪比,并且能够满足实验中对采集到的振动信号进行特征提取的需求。     

基于小波包惩罚函数的烟机振动信号软阈值降噪

为解决烟机振动信号受到噪声干扰这一问题,研究基于小波包阈值降噪的原理和方法,给出了小波包阈值降噪的步骤,阐述了Birgé-Massart惩罚函数确定阈值的原则和软阈值的量化处理,分析了阈值、信噪比和均方误差随惩罚因子的变化规律.并将基于小波包惩罚函数的软阈值降噪与Rigrsure、Heursure、Sqtwolog、Minimax4种阈值降噪方法进行了比较.结果表明基于惩罚函数的小波包软阈值方法能有效降低噪声.基于该方法的烟机振动信号降噪在保留信号突变部分的同时,具有良好的光滑性.     

基于小波变换的离子迁移谱信号处理技术

针对离子迁移谱信号受到噪声干扰的现状,本文提出利用小波阈值降噪的方法对离子迁移谱原始信号进行降噪处理.建立了基于小波变换的阈值降噪模型,以图谱中的1ng TNT信号为实验对象,对阈值计算原则、阈值处理方法以及小波基的选择进行了优化.结果表明：采用sym5小波,将原始信号进行3层分解后,根据固定阈值原则（Universal）获得的阈值,按照软阈值方法对小波系数进行处理并重构,原始信号中的噪声可以得到有效抑制.     

基于高斯性检验的自适应小波去噪方法

针对软阈值和硬阈值去噪算法存在的缺陷，提出了一种基于高斯性检验的自适应非线性阈值去噪方法。该方法根据信号和噪声的模极大值特性自适应确定分解层数，引入高斯性检验选择软阈值和硬阈值方法对每层小波系数进行降噪处理。仿真结果表明，该自适应滤波方法简单有效、稳定性高，去噪后信号信噪比得到很大提高，且不同仿真信号结果都明显优于经典的小波去噪算法。     

风机振动信号的小波阈值降噪处理

针对现场采集到的风机振动信号中存在大量噪声问题,采用不同的小波和阈值组合对仿真信号进行降噪处理,得出db8小波和heursure阈值选取方法可以得到最优的降噪性能.并将该方法应用于风机实际振动信号的降噪处理.结果表明,采用db8小波和heursure阈值选取方法的降噪组合,不仅能够有效降低信号中的噪声成分,还很大限度的保持了原信号的故障特征.     

小波分析在轴承故障特征信号降噪中的应用

为有效识别滚动轴承故障特征,需对含噪的实际信号进行降噪.基于小波具有多分辨分析,可有效区分信号中噪声的特点,采用Matlab将滚动轴承内圈故障信号进行小波分解,对分解后的系数进行分层软阈值降噪.为验证降噪的有效性,将去噪后的信号进行频域分析,经验证与实际相一致,证明小波在信号降噪方面有着非常大的优越性.     

盲小波算法在金属矿床地震资料去噪处理中的应用

根据小波分析和盲信号分离原理,提出了一种金属地震资料降噪的盲小波算法。首先将金属地震信号用小波分解为不同频带的信号;其次把不同频带的信号进行软阈值法处理,并进一步对不同频带信号进行盲分离,提取出与源信号相关的信号;最后通过小波重构估计源信号。通过盲小波算法与其他降噪技术对实际金属地震资料进行降噪处理,结果表明盲小波算法能有效消除各种干扰噪声。去噪后的金属地震资料纹理清晰,地震资料剖面信噪比显著提高。     

基于coif-5小波的心音自适应阈值降噪方法

为改善小波阈值及阈值函数在心音信号降噪处理中性能,通过使用coif5小波做5层小波分解,抑制分量极少的层次的系数,保留有用分量层次的系数,然后引入相关统计参量进行阈值自适应估计,并按提出的阈值函数对有用分量层次系数阈值化处理,最后通过处理后的系数重构出降噪信号；所提方法与硬阈值、软阈值、线性中间阈值函数降噪性能进行了对比,并采用了三类评价指标做出了有效评价。实验结果表明：提出方法降噪后的SNR更高、RMSE更小、听诊MOS更高。可见,提出方法降噪性能更优。     

改进小波变换的煤岩电磁辐射信号去噪方法

针对煤矿井下干扰源会对煤岩受载破坏产生的电磁场监测造成较大影响,采用小波阈值函数进行信号前期预处理,采用粒子群优化算法进行优化,对加噪的信号进行去噪仿真,去噪效果对比硬、软阈值函数得到提高.对某矿工作面采集的电磁辐射信号利用改进小波算法进行去噪研究.研究结果表明:采用粒子群优化小波算法进行降噪重构,能够较好地去除信号中的尖峰噪声,并保留原始信号特征,信噪比得到显著提高.     

基于小波阈值的图像信号去噪方法研究

主要对基于小波阈值的图像信号去噪方法展开研究。首先阐述小波分析进行信号分解及重构的算法原理,在此基础上总述了小波阈值进行图像信号去噪的算法原理及流程。最后对去噪效果进行了仿真分析,并将信号去噪结果与均值滤波、中值滤波等经典去噪方法进行比较。仿真结果表明,基于小波阈值的图像信号去噪方法能有效去除一维及图像信号中的噪声,输出信号的信噪比性能较传统滤波去噪方法性能更佳。     

基于小波的被动声呐降噪研究

采用基于小波的降噪理论,研究了水下舰船辐射噪声的被动声呐降噪问题,在舰船辐射噪声的建模与仿真条件下,分析对比了不同方法对舰船辐射噪声信号降噪的效果,并分析比较了利用各种小波基和采用不同阈值条件下对信号进行降噪处理的效果。在分析对比的基础上进行小波包软阈值去噪取得了较好的效果,对被动声呐降噪提供了较好的应用前景。     

基于小波的被动声呐降噪研究

采用基于小波的降噪理论,研究了水下舰船辐射噪声的被动声呐降噪问题,在舰船辐射噪声的建模与仿真条件下,分析对比了不同方法对舰船辐射噪声信号降噪的效果,并分析比较了利用各种小波基和采用不同阈值条件下对信号进行降噪处理的效果。在分析对比的基础上进行小波包软阈值去噪取得了较好的效果,对被动声呐降噪提供了较好的应用前景。     

基于小波包神经网络分析的滚动轴承故障诊断

针对轴承故障识别率低、故障信号不平稳的问题,提出了改进小波包能量特征提取和神经网络的故障诊断方法.首先利用改进小波包算法将轴承内圈、外圈、滚动体三个部位的采集信号进行三层分解与重构;然后通过小波包能量谱提取不同节点能量,形成故障特征集;最后依次建立BP和Elman神经网络故障分类模型,将所得的小波包节点能量作为特征向量输入到故障模型,进行轴承不同故障状态的分类识别.实验结果表明,本文算法可准确分类并预测轴承运行状况,提高了诊断准确率.     

基于LabVIEW的小波阈值融合算法去噪分析

采用小波变换进行信号分解处理,通过分析阈值去噪所用的小波尺度及阈值选择法,提出选取BayesShrink自适应阈值估计,构建基于软、硬阈值折衷法和一种新阈值函数的多算法融合阈值处理方法.利用Matlab仿真实验分析该方法的可行性和有效性,在LabVIEW环境下进行实际工程信号的去噪测试.实例分析表明,该方法的主要优点在于它对随机强噪声的降噪效果明显.     

小波奇异值分解的瞬变弱信号检测

研究小波阈值法和奇异值分解法,分析最大分解层数、阈值函数、小波基函数的选取以及窗长和保留奇异值个数等参数的选择,并在此基础上提出小波与奇异值分解相结合降噪检测信号的方法。该方法首先将信号作小波分解,再对小波分解系数作奇异值分解,最后通过阈值法保留小波系数并重建降噪信号,利用重建信号进行信号检测。结果表明:该方法能更好地区分信号和噪声,获得更好的降噪和检测结果。     

基于自适应阈值小波变换的心音去噪方法

在采集心音信号时,难免会引入一些噪声,对心音信号诊断之前必须对其做去噪处理。由于心音信号是非线性非平稳信号,对心音信号去噪处理常用小波变换去噪方法,但是传统的小波阈值函数去噪方法需要自定义阈值,去噪效果也不理想,且可能会滤除了大量的细节特征,从而无法对心音信号做出正确的判断。为了克服传统小波阈值函数对心音信号去噪处理出现失真的问题,本文在半软阈值函数的基础上提出了基于蚁群算法优化选取阈值的非线性小波变换去噪方法。以原始心音为研究对象,通过选用db6小波并进行6层小波分解,分别选用硬阈值函数、软阈值函数、半软阈值函数、蚁群算法的优化阈值的半软函数等不同的小波去噪处理,并将去噪效果与原始心音进行对比,然后利用蚁群算法的全局搜索性搜索最小均方误差意义下的最佳阈值。仿真结果分析表明:蚁群算法优化选取阈值的心音去噪效果不仅能够去除噪声,还能保留信号细节特征,该方法与传统的硬阈值函数去噪方法相比信号的信噪比(SNR)和均方根误差(RMSE)均得到明显的改善。     

基于小波收缩的神经网络图像“去噪”算法研究

提出一种基于小波收缩的神经网络图像“去噪”的新方法。此算法引入了一种新的小波收缩函数（3次样条曲线）对小波系数进行处理。由于此算法中的小波收缩函数具有较好的光滑特性,它克服了小波收缩中硬阈值和软阈值方法所带来的缺点,并且神经网络模型实现此算法。实验表明：此算法比用传统的硬阈值和软阈值方法图像“去噪”有更好的峰值信噪比且具有比传统算法更好的学习特性。     

小波分层阈值风机故障信号降噪

为剔除风力发电机故障信号中的干扰噪声,提出一种小波分层阈值降噪方法.通过构建一种在阈值处连续且可导的小波分层阈值函数,在MATLAB中采用仿真信号进行验证,采用不同的降噪方法与本文所用方法进行对比分析.仿真实验结果表明,该方法的信噪比为23.6814 dB,均方根误差为0.0258,均优于其他方法,有更好的降噪效果,比较适合风力发电机故障信号的降噪处理.