基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解（EMD）的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数（IMF）的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。     

基于CEEMDAN和小波包分解的闸门振动信号降噪研究

针对闸门监测振动信号去噪问题,提出基于CEEMDAN（经验模态分解）和小波包分解的闸门振动信号降噪算法,通过采用CEEMDAN和小波包分解方法进行信号去噪,可以有效处理水电站泄洪闸门振动信号中受到的外部干扰。CEEMDAN方法能够将信号分解成多个本征模态函数（IMF）,每个IMF代表不同频率的振动成分,使得外部干扰和真实信号成分可以分离。随后,小波包分解能够将每个IMF进一步分解成不同尺度和频率的子频带,这有助于更准确地定位和分离干扰成分。对每个子频带应用阈值去噪技术,可以有效去除噪声,保留真实信号。由测试结果可知,该算法能很好地剔除闸门振动信号中的无用噪声,有效提高闸门振动信号的准确性。     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源,在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上,借鉴神经网络反向传播学习算法的思路,提出了信号预滤波结合阈值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值,再将此阈值用于同一工况下整个时间段的去噪,这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显,比传统小波去噪、改进神经网络去噪等方法效果更好。     

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。     

水电机组振动信号小波去噪参数优选方法研究

水轮机组振动信号在采集、传输和处理过程中不可避免地会引入噪声,要进一步处理信号必须进行去噪处理.小波去噪过程中小波和分解层数对去噪效果有很大影响,通常都按经验选取.本文提出一种针对具体水轮机组振动信号去噪时选择最优小波基和分解层数的方法.最终确定采用Db4小波分解5层对某机组上机架振动信号进行去噪,取得了良好的效果,分析得到最终去除的噪声为白噪声.     

CEEMDAN与小波变换混合去噪方法在光纤陀螺监测系统信号去噪中的应用

为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。     

基于CEEMD和相关性函数特性的爆破震动信号滤波方法研究

应用互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)方法对爆破震动信号进行分解,得到一组IMF分量,对各个分量进行相关性函数特性分析可知,高频噪声在0时刻有最大值,其他时刻取值约为0;低频噪声具有周期函数的自相关函数特性,是岩石爆破震动信号所固有的。据此去除噪声分量,使去噪后的信号更能真实地体现岩石爆破震动特性。以黄河上游某水电站引水发电隧洞实测爆破震动信号为例,将基于CEEMD算法与基于EEMD、EMD算法的信号去噪效果进行对比分析,结果表明:采用EMD、EEMD、CEEMD三种分解方法和相关性函数特性滤波后的信噪比分别为:39.48、40.63、49.07,采用CEEMD算法滤波的信噪比SNR与EMD、EEMD算法相比提高了24.31%和20.78%,从而验证了基于CEEMD和相关性函数特性的滤波方法的实用性与优越性。     

基于小波变换的降雨时间序列去噪方法研究

小波变换在降雨时间序列数据的去噪方面具有显著的优势，可有效提高降雨时间序列预测的准确性。为确定降雨时间序列小波去噪过程中小波基函数、分解尺度以及阈值估计方法的选择，实现最优去噪，以国家气象科学数据中心2008～2018年的日降雨时间序列为基础数据，以中国5个不同气候类型的省份为研究区域，基于复合指标T对57种小波基函数的去噪效果进行评价，并评价去噪过程中可能的分解尺度和常用阈值估计方法。结果表明：7～10阶的Daubechies小波是去噪效果最好的小波基函数组，最小T值在0.326 4～0.422 8之间，Symlets小波族的去噪效果最差；最优的分解尺度为3级，最小T值范围为0.184 4～0.252 6;混合阈值和Steins无偏风险估计阈值的去噪效果最好，最小T值在0.377 3～0.435 9之间。研究成果可为中国境内降雨时间序列和其他水文气象时间序列的去噪方法提供参考。     

改进的小波阈值函数在水电机组振动信号降噪中的应用

小波阈值降噪是水电机组振动信号除噪常用的方法,传统降噪算法是软、硬阈值函数,对于硬阈值函数处理过的信号,其重构后的信号在阈值处是间断的,易产生附加振荡;而经软阈值函数降噪后的信号虽然连续性好,但与原始信号之间存在着恒定的偏差,影响重构精度。因此在传统软、硬阈值函数的基础上提出了一种改进阈值函数的小波降噪算法,通过Matlab仿真和电厂采集数据的验证表明,该方法克服了软、硬阈值函数算法的缺点,去噪效果明显。通过比较不同降噪方法对振动信号特征分量的保持程度,说明该方法在各分量保持均优于传统的阈值方法,是一种有效的降噪方法。更多还原     

基于改进小波阈值-EMD算法的高拱坝结构振动响应分析

基于高拱坝泄流结构实测振动响应数据资料,针对泄流激励作用下不可避免混有各种噪声进而影响结构工作模态识别精度的问题,提出了一种基于改进的小波阈值-经验模态分解(EMD)联合算法的滤波降噪方法。以拱坝泄流结构实测振动响应资料为基础,利用改进的小波阈值算法滤除大部分高频白噪声,降低EMD分解的边界积累效应,进行EMD分解,通过去趋势波动分析(DFA)方法进一步滤除白噪声及低频水流噪声。工程实例分析结果表明,与小波分析、EMD方法相比,该方法具有更好的降噪效果,能精确滤除泄流结构实测振动响应信号中的低频水流噪声及白噪声,最大程度地保留信号中有效特征信息,并且为拱坝泄流结构在噪声干扰下提取有效信息提供了捷径,为坝体结构的安全监控打下了基础。     

水文序列分析中基于信息熵理论的消噪方法

为准确有效地识别和分离水文时间序列中的噪声成分,应用信息熵理论并结合小波消噪概念,建立了小波系数阈值优选熵准则和水文序列消噪新方法。该方法首先应用熵函数H值描述噪声成分的不确定度,并应用信息量系数(information cost function ICF)值描述主序列的复杂度;然后通过分析不同小波系数阈值对应的噪声成分H值和主序列ICF值的变化规律,可优选出合理的小波系数阈值;最后对小波系数进行阈值量化处理,即可实现水文序列消噪。通过对不同特性模拟序列和不同实测水文序列分别进行分析,并通过与常用小波消噪方法(FT、SURE、MAXMIN)的消噪结果对比,验证了该阈值优选熵准则的合理性和适用性。分析结果显示,水文序列中的噪声成分具有偏态特性,因此本文应用偏态分布线型(P_Ⅲ型分布)对噪声成分进行描述更为合理,而且小波系数阈值优选熵准则所得的阈值是基于信息熵理论而确定的,因此是整体上最优值。     

A Practical Guide to Discrete Wavelet Decomposition of Hydrologic Time Series

Discrete wavelet transform (DWT) is commonly used for wavelet threshold de-noising, wavelet decomposition, wavelet aided hydrologic series simulation and prediction, as well as many other hydrologic time series analyses. However, its effectiveness in practice is influenced by many key factors. In this paper the ??reference energy function?? was firstly established by operating Monte-Carlo simulation to diverse noise types; then, energy function of hydrologic series was compared with the reference energy function, and four key issues on discrete wavelet decomposition were studied and the methods for solving them were proposed, namely wavelet choice, decomposition level choice, wavelet threshold de-noising and significance testing of DWT, based on which a step-by-step guide to discrete wavelet decomposition of hydrologic series was provided finally. The specific guide is described as: choose appropriate wavelet from the recommended wavelets and according to the statistical characters relations among original series, de-noised series and removed noise; choose proper decomposition levels by analyzing the difference between energy function of the analyzed series and reference energy function; then, use the chosen wavelet and decomposition level, estimate threshold according to series?? complexity and set the same threshold under each level, and use the mid-thresholding rule to remove noise; finally, conduct significance testing of DWT by comparing energy function of the de-noised series with the reference energy function. Analyses of both synthetic and observed series indicated the better performance and easier operability of the proposed guide compared with those methods used presently. Following the guide step by step, noise and different deterministic components in hydrologic series can be accurately separated, and uncertainty can also be quantitatively estimated, thus the discrete wavelet decomposition result of series can be improved.     

小波包和模糊神经网络在离心泵故障振动信号处理中的应用

根据离心泵故障振动信号的特点,提出了利用小波包分解、重构技术进行消噪处理及频带能量特征提取,并以“能量”为元素,构造离心泵振动信号的特征向量,通过对神经网络和模糊系统的结合方式的研究,提出了一种基于小波包和模糊神经网络的离心泵轴系故障诊断方法,实验分析结果表明,该方法可以有效地对离心泵轴系振动信号进行诊断。     

大坝水平位移监测数据的小波变换去噪处理

将实际观测到的一组大坝水平位移监测数据作为通常意义下的时序信号，并对其进行小波变换分析。根据噪声和有用信号的小波变换系数模极大值在不同分解尺度上的传播特点，提出了根据模极大值的传播规律来区别噪声和有用信号的方法，并给出了具体的算法和计算程序。对模拟数据和实测数据的处理结果表明，基于小波分解模极大值的去噪方法能够有效剔除土木工程变形监测数据中的噪声，识别被噪声湮没的有用信号。     

小波分析及其在日流量过程随机模拟中的应用

小波分析能将交织在一起的不同频率成分组成的复杂时间序列分解成频率不相同的子序列。基于小波分解和重构思想，本文以屏山站为例尝试将日流量过程分解成不同尺度下的小波系数(细节)和尺度系数(背景)，对分解所得的系数按实测资料显示的主周期(年)进行随机重构，从而获得各种各样的日流量过程线。当小波函数和尺度函数或滤波器确定后，分解和重构过程不需估算参数，也不必进行前期分析和任何假定，因而，这种随机模拟方法具有非参数化特征。实例分析表明是可行的。     

基于小波分析与人工神经网络的水轮机压力脉动信号分析

针对水轮机尾水管压力脉动信号的非平稳和时变特性,提出了一种基于小波分析和自组织人工神经网络相结合的尾水管压力脉动信号的分析方法。这种方法首先应用小波阈值法对信号进行降噪减少干扰,然后将小波分解系数重构得到不同频带的信号分量,并提取显著的不同频带能量,最后将各频带能量作为特征向量,用自组织人工神经网络进行模式识别,得到了...     

基于小波分解和支持向量机的大坝位移监控模型

常规大坝安全监控统计模型未能分别针对监测序列值内系统信号和随机信号特点进行模拟,故预报精度存在一定的提升空间。基于小波分解技术,利用监测序列值信号频率特征分离出系统信号与随机信号,并结合逐步回归与支持向量机(SVM)对不同信号的处理优势,在引入网格寻优与交叉验证确定SVM敏感参数的基础上,提出了一种基于多元统计结合小波分解和支持向量机的大坝位移监控模型,同时编制了其相应的计算程序。工程算例表明,该模型较常规模型能够同时考虑监测序列中的系统信号和随机信号,并且具有较强的模型寻优能力和更高的预报精度,从而验证了所建模型的有效性,该方法亦可推广应用于高边坡及大坝其他预警指标的监控。