应用于电能质量的压缩感知稀疏基的研究

为了解决基于傅里叶变换基的压缩感知对电能质量干扰信号压缩采样丢失时变信息的问题,本文进行了基于小波变换基的压缩感知电能质量研究。首次提出采用不同小波基的小波变换基作为稀疏基,来提高压缩感知对电能质量干扰信号的重构效果,为电能质量研究提供了一种新的研究方向;并通过实验仿真对比了基于傅里叶变换基和基于小波变换基的压缩感知重构效果。在压缩感知重构算法分别采用正交匹配追踪算法和压缩采样匹配追踪算法下,仿真结果表明,压缩感知应用于电能质量时,基于小波变换基的压缩感知重构效果优于基于傅里叶变换基的压缩感知重构效果;当压缩采样比是20％,稀疏基采用db3小波变换基时,均方误差均低于0．1％,良好地完成了原始电能质量干扰信号的重构。     

一种有效的宽带雷达信号压缩算法

针对宽带雷达回波信号采样数据量大、传统小波压缩算法保真度不高的特点,利用小波多层次变换系数之间的关系,提出了基于小波变换的自适应贪婪算法,并将其应用于宽带雷达回波信号数据压缩.将该算法与传统的小波多层次方法在对宽带信号的压缩性能上进行了比较,结果表明,基于小波的自适应贪婪算法对数据压缩保真效果优于传统的小波方法.     

基于db4小波的电能质量去噪及暂态扰动的检测

本文针对暂态电能质量扰动信号具有时间短、变化快、非平稳等特性,采取一种基于db4小波分析的暂态电能检测方法.根据Mallat算法,信号奇异点处的小波变换模极大值能够通过信号的多分辨率分解提取出来,实现暂态电能质量信号扰动时间的准确定位,扰动定位前根据信号与噪声在小波变换各尺度上有不同传播特性,对电能信号小波去噪.利用Matlab编程对5种暂态电能质量扰动信号进行暂态扰动检测的仿真分析,结果表明该方法能够准确的获取扰动的起止时间,精度满足实际的工程需求.     

基于匹配追踪算法的电能质量研究

为了解决电能质量信号采集数据量大的问题,提出基于匹配追踪重构算法的压缩感知方法,并首次应用于电能质量信号压缩采样研究。文中通过采用不同的稀疏基和重构算法的方法,来提高原始电能质量信号重构效果。当采样数据空间稀疏基分别选取傅里叶变换基和小波变换基,重构算法分别采用正交匹配追踪(OMP)和压缩采样匹配追踪(CoSaMP)时,仿真结果表明,压缩采样比为20%时,两种重构算法的均方误差都低于3%,重构信噪比大于30dB,为电能质量信号压缩采样研究提供了一种新的思路。     

波形匹配小波设计及其在信号数据压缩中的应用

小波变换被广泛应用于信号数据压缩领域,如何选择小波基,达到用稀疏系数最优表示信号是提高压缩比的关键问题之一。该文提出了选用与信号波形最优相似的小波基压缩一维信号,并提出了构造此类小波基的方法。利用结构化小波滤波器组以及新的波形相似准则,给出了构造最优匹配小波基函数的算法。将此小波应用于一维信号数据压缩,结果表明,与其它的小波相比,所构造的最优匹配小波对信号具有更好的压缩性能,说明文中提出的方法是有效可行的。     

基于改进支持向量机的电能质量扰动分类

对近年来电网发展和研究的热门话题之一:电能质量扰动识别分类系统进行研究。识别分类系统使用小波变换方法对扰动电压信号进行特征提取,之后收入由支持向量机建立的识别系统中。相对小波能量只能表达总分解层信号能量中各层信号能量的比例,对于电能质量扰动信号的检测不能直接使用信息熵公式。因此引入加权算子以改进相对小波能量,加权算子对电能扰动特征进行放大,实时反映电能扰动特征。针对使用支持向量机建立电能质量扰动识别系统时会由于扰动信号特征向量维度高、数据庞大等问题,提出一种基于混合核函数的LSSVM建立电能质量扰动识别系统。选取RBF核函数和Polynomial核函数分别作为局部以及全局核函数,构造混合核函数,提高系统泛化能力。使用PSO优化算法对LSSVM分类器进行分类,提高分类器的识别精度等性能。最后通过实验验证研究的电能质量扰动识别分类系统的识别性能。     

基于分数阶Fourier变换和小波熵的电能质量扰动识别

电力系统中电能质量扰动信号的分类和识别一直是国内外众多学者研究的热点问题.基于小波分析的小波熵具有较好的定量特征提取能力,可对电能质量扰动进行分类和识别.但小波熵只是在一定信噪比条件下对噪声不敏感,应用范围受限.因此提出了一种利用分数阶Fourier变换(FRFT)结合小波熵来分类和识别电能质量扰动信号的方法.运用分数阶Fourier变换将含噪电能质量信号变换到分数阶Fourier域上,从而消除噪声对信号的耦合作用;再在此域上利用小波熵进行扰动分析.该方法具有较强的自适应性和判别能力,且信噪比降低时,不受噪声影响,应用范围广.建立各种扰动的仿真模型,对电压突降﹑突升﹑中断﹑振荡暂态﹑电压尖峰﹑缺口﹑谐波等扰动类型进行了系统的仿真分析,验证了本文方法的可行性和有效性.     

一种基于正交小波包变换的数据压缩方法

本文将最优小波包基变换应用到数据压缩方法的研究工作中,针对不同频率的小波包系数之不同统计特性设计了相应的标量量化和矢量量化方法,并对一组实际测量数据运用我们建议的方法进行压缩,在失真率较小的情况下,得到较高的压缩比.     

基于SVM的电压扰动识别研究

针对电力系统中出现的电压暂升(暂降、暂断)以及谐波、电压脉冲和电压闪变这六种常见电压扰动进行建模,将特征量输入到SVM进行电能质量扰动多类分类。首先采用相应小波包分解算法将电能质量中某一频段内的信号分解到特定频段上,其次在这些特定频段上提取特征向量,最后针对该特征向量构造相应支持向量机分类器。结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

二维电能质量数据压缩

近年来,大量电能质量监测点的建立,使得电能质量数据增加,为处理大量的电能质量监测数据,提出了一种基于方向小波变换的电能质量数据压缩方法.将一维的电能质量数据转换成二维的数据,得到经过此变换分解的二维数据的小波系数,再将这些小波系数应用图像压缩中的SPIHT（多级树集合分裂）编码算法,压缩二维表示的电能质量数据.实验结果表明,此方法具有压缩率高、速度快,控制压缩比和特征不变的特点,有利于根据网络的状况调节传输的数据量.     

Wavelet packet-based EMI signal processing and sourceidentification

Existing techniques for recognizing and identifying disturbed signals waveforms are primarily based on visual inspection. This paper proposes a wavelet packet based technique to perform a feature extraction from the disturbance signal and a classification of the extracted features in order to identify the possible causes of the disturbance. The same wavelet based procedure is applied to signal compression and denoising in order to make the EMC analysis of the data easier     

光纤周界报警信号自适应压缩感知

在光纤周界报警系统中，对光纤振动信号进行分析与辨识时，针对高频、大规模信号在采样、存储、传输与信号处理过程中存在网络宽带、存储容量、计算速度等一系列限制问题，提出基于小波包的光纤周界报警信号自适应压缩感知方法。对光纤振动信号进行多尺度小波包分解，通过计算各尺度下小波包系数高频部分的数学期望作为阈值，对小波包系数进行置零处理，自适应地选择小波包分解尺度，使信号在频域得到更高的稀疏度；根据小波包系数块的数学期望和信息熵对小波包系数块进行分类，并针对不同系数块的类型设计对应的处理方法，提高信号的传输与处理速度。结果表明，该方法能够有效减少光纤振动信号的观测数据，并在相同采样率前提下，能够提高信号的重构精度和重构速度。     

基于最优小波包基的信号增强算法研究及应用

本文介绍了小波包分析的基本理论以及小波包信号降噪的基本原理,与小波变换相比,小波包变换则是对小波分解中所得到的高频部分再继续细分为一些子频带,具有更精细的信噪分离能力,所以对包含大量中、高频信息的信号能更好地进行时频局部化分析。小波包变换在信号去噪中有着非常重要的应用,因此利用小波包对信号进行消噪也越来越受到科学界的关注。本文的主旨在于研究最优小波包基函数的选取方法,以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,从而在最优小波包基的基础上获得最好的信号增强效果。     

基于DSP的最优小波包基算法的实现

小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高时-频分辨率。为了能在DSP嵌入式设备中应用小波包分析方法进行信号处理,首先讨论小波包分解的过程和最优基及代价函数的选择方法,然后提出一种在DSP上实现香农熵代价函数的小波包分解算法的方法,并在浮点型DSP TMS320C6713B上实现了此算法。最后针对具体的数字信号进行小波包分解和最优基选择的实验,实验结果证明了该方法的正确性和高效性。     

Hybrid Fractal-Wavelet Method for Multi-Channel EEG Signal Compression

In this paper, a hybrid method is proposed for multi-channel electroencephalograms (EEG) signal compression. This new method takes advantage of two different compression techniques: fractal and wavelet-based coding. First, an effective decorrelation is performed through the principal component analysis of different channels to efficiently compress the multi-channel EEG data. Then, the decorrelated EEG signal is decomposed using wavelet packet transform (WPT). Finally, fractal encoding is applied to the low frequency coefficients of WPT, and a modified wavelet-based coding is used for coding the remaining high frequency coefficients. This new method provides improved compression results as compared to the wavelet and fractal compression methods.     

非平稳信号的小波包阈值去噪方法

研究非平稳信号的小波包阂值去噪方法，介绍了几种阈限和选取闽值的规则。计算机仿真结果表明，利用小波包阈值去噪的时频局部化特性可以滤去非平稳信号中大量的背景噪声，消噪后的信噪比（SNR）明显高于傅里叶滤波的结果，充分说明了小波包阈值方法在非平稳信号去噪中的优越性。     

基于最优小波基函数的语音增强研究

小波分析具有时频局部化和多分辨率特性,而小波包分析是在小波分析的基础上对信号高频部分的更精细地分解,选取合适的小波基一直是小波包去噪分析中的关键问题。将熵函数作为选取最优小波基的评价标准,通过计算语音信号小波包分解系数的熵值来确定合适的分解方式,同时采用小波包阈值去噪算法对三种小波基进行小波包去噪仿真实验,并进行对比分析。仿真实验表明,两种熵函数选取的最优小波基都能较好地消除强噪声背景下的噪声,得到信噪比较高的语音信号。     

一种基于人眼视觉特性的图像压缩方法

在讨论图像的二维变换的基础上,充分利用小波变换后各子带系数对重建图像的重要程度和人眼的视特性,引入了小波包的思想,并在随后的量化过程中,根据不同的频率带和不同的方向,给出不同的比特,然后由经验熵计算出相应的量化阈值。实验结果表明,该方法算法简单实用,压缩效果比较好。     

基于降低ISI和ICI的小波分组调制结构的研究

从降低误码率和系统复杂度的角度,探讨了基于降低ISI和ICI的小波分组调制结构的优化方法。首先考虑小波分组调制结构本身对调制信号性能的影响,粗选出具有较小ISI和ICI的结构,然后考虑无线信道对调制信号的影响,利用最小均方误差方法,进一步优选出与信道相匹配的树结构,从而实现小波分组调制结构优化的目的。仿真结果表明,所选择的小波分组树结构更加简单,降低了系统的复杂度,同时提高了小波分组调制系统的抗干扰性能。     

基于小波变换模极大值的电能质量奇异性检测

针对配电系统中最常见的暂态电能质量扰动,例如电压暂降、电压暂升、电压振荡和脉冲等,在发生扰动的起止时刻常常对应电压信号发生奇异点的特点,提出了一种基于小波变换模极大值的电能质量奇异性检测方法,通过信号小波变换模的极值点在多尺度上的综合表现,来表示信号的突变或暂态特征,并通过算例仿真验证了该方法的有效性。