基于小波分解切换规则的交互系统切换滤波方法*

交互系统中常出现多种混合噪声,单一的滤波算法无法满足交互系统对精确性的要求,而联合滤波算法往往牺牲了系统的实时性。为此提出一种基于小波分解切换规则的滤波算法,通过切换规则判断图像中噪声的类型,选择更加匹配的滤波子系统。同时结合改进的Canny算子,提出一种改进的小波域维纳滤波去噪算法。实验结果表明,该算法对单一噪声和混合噪声都有较好效果,但椒盐噪声的滤波效果不如自适应中值滤波,可通过切换规则将滤波系统切换到自适应中值滤波。该算法将在对实时性要求高的互动领域内有广泛的应用前景。     

基于粒子滤波与EEMD的低频振荡模式识别方法研究

为克服传统方法对非线性非高斯系统信号中噪声处理的缺点,提出一种基于粒子滤波算法与改进的EMD分解—EEMD分解法相结合的新方法。所提方法首先利用粒子滤波将非线性非高斯系统的初始信号的噪声去除,减少了噪声对后续操作的影响,再采用EEMD分解对去噪后的信号进行分解得到此征模态分量IMF,进而对此征模态分量IMF计算出瞬时频率,从而得出低频振荡的模式。通过算例仿真分析表明文中方法的可行性及有效性,并通过与Prony分析算法得到的结果进行了对比,验证了文中方法的正确性。为电力系统低频振荡处理非线性非高斯系统信号提供了一种新的途径和方法。     

基于FMCW雷达的非接触式心率估计方法

基于FMCW雷达的非接触式心率估计方法具有舒适、便利等优势。由于噪声和呼吸谐波的干扰，现有方法的准确率仍存在一定局限。针对上述问题，提出了一种心率估计方法。在相位分析的基础上，对相位信号进行相位差分运算，以增强心跳信号，再通过改进的小波阈值去噪方法进行去噪处理，消除噪声干扰。在频率估计时，本文通过海明窗函数对心跳信号进行处理，再用多信号分类算法进行频率估计，可以解决信号截获造成的频谱泄漏问题，并提高多信号分类算法的分辨率和稳定性，从而降低呼吸谐波及噪声对心率估计的影响，获得准确的心率值。仿真结果表明，本方法提高了心率估计的准确性。     

基于小波分解尺度系数能量最大原则的GIS局部放电超高频信号自适应小波去噪

抑制干扰是GIS局部放电在线监测的关键技术之一。尽管局部放电超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为准确测量局部放电带来困难。为有效抑制白噪声,提高局部放电超高频法的测量精度,本文提出一种用于GIS局部放电超高频信号的自适应小波分解去噪算法,该算法基于每层小波分解尺度系数能量最大的原则,逐层自适应选取最优的小波进行分解,并结合Donoho提出的软阈值法进行去噪。对人工绝缘缺陷产生的四种GIS超高频信号的去噪结果证明了该算法较其他小波算法能更好地去除白噪声且去噪后信号波形畸变较小,具有很好的应用前景。     

基于改进FFT-小波变换的XLPE电力电缆局放降噪方法

局部放电信号检测对于电力电缆绝缘状态评估具有重要的意义,但信号极其微弱,容易湮没在强烈的外部干扰之中。针对传统小波变换存在去噪效果差、信噪比不高的问题,提出一种快速傅里叶变换与小波变换结合的去噪算法。首先采用改进模糊C均值聚类阈值法对快速傅里叶变换去噪算法进行改进。改进模糊C均值聚类算法有着更优的初始聚类中心,聚类结果更容易收敛,使快速傅立叶变换去噪算法中干扰峰定位更加准确。然后利用改进的快速傅立叶变换去噪算法对周期性窄带噪声进行针对性处理,再结合小波变换方法,去除白噪声为主的剩余噪声,从而实现对局部放电信号的综合去噪。仿真结果表明,基于改进快速傅里叶变换-小波变换的去噪算法信噪比高,波形畸变小,去噪效果优于小波算法。     

电能质量信号的小波软阈值去噪方法

基于DONOHO的软阈值去噪方法,提出了一种改进的小波软阈值算法。该算法利用高斯白噪声的正态分布特点、3Σ法则和小波变换系数的分布特点,在有效去除白噪声的同时较好地保留了信号的局部特征,且不受采样点数的影响。MATLAB仿真表明,该法在较强白噪声干扰下仍能有效去噪,较之无偏风险、固定阈值、启发式阈值、极大极小值等去噪方法更为有效,特别适于强噪声背景下弱信号的提取。     

一种改进权重的非局部均值图像去噪算法

提出了一种改进权重的非局部均值滤波方法。在高斯加权的欧氏距离基础上,结合相关系数来衡量图像邻域间的相似性,将其应用到图像邻域灰度矩阵间的相似性度量上,更好地利用了图像邻域间的相似性质。通过对添加不同噪声水平的噪声图像进行测试,实验结果表明,与传统的非局部均值滤波算法相比,所提出的算法在去噪性能上尤其是结构信息保持上均有显著提高。     

基于可调Q小波变换与基追踪的电能质量信号去噪

现场采集的电能质量信号中夹杂着高斯白噪声和脉冲噪声,这些噪声的存在给电能质量信号的检测与分析带来困难,因此要对电能质量信号进行去噪预处理。针对传统去噪方法的局限性,本文给出了基于可调Q小波变换与基追踪的去噪算法,该方法先用不同品质因数的小波基函数对含噪信号进行稀疏分解,再利用基追踪去噪算法对得到的小波系数进行优化处理,最后对优化的小波系数进行重构,这样就实现了电能主特征信号与脉冲噪声和高斯白噪声的分离,从而达到去噪的目的。仿真结果表明该方法可以有效地去除电能质量信号中的高斯白噪声及脉冲噪声,且去噪效果和可靠性优于广泛使用的小波去噪和集合经验模态分解去噪。     

基于FFT-EEMD的XLPE电力电缆局放信号去噪方法

针对集合经验模态分解(EEMD)去噪算法在去除周期性窄带噪声时存在严重的模态混叠问题,提出一种快速傅里叶变换(FFT)结合EEMD的信号综合去噪方法。通过分析噪声成分,利用窄带噪声在频域上能量集中的特点,采用FFT对窄带干扰噪声先行去除,同时也解决了EEMD去噪时模态混叠的问题;然后进行EEMD去噪,通过“3σ法则”对第一层IMF分量去噪,其余IMF分量使用自适应阈值处理。最后经过对仿真信号和实测信号去噪,并与小波变换去噪算法和单一EEMD去噪算法对比,证实了该算法的有效性和优越性。     

电能质量信号的非均匀子带分解小波去噪

针对频谱范围广的电能信号去噪问题,为了在去噪时保留电能信号中的高频谐波分量,采用控制子带个数和带宽的方法,提出一种基于功率谱特征判决器控制的非均匀子带分解小波去噪算法。其主要特点是采用信号功率谱幅度分割的方法,对小波包变换子带进行非均匀分解,动态调整小波包去噪结构,优化小波包去噪系数选择,从而在去除高频电磁噪声的同时保留高频谐波。使用该方法对多电飞机自耦变压整流器(ATRU)电能信号进行去噪,对应不同信号能够实现自适应非均匀子带分解,合理保留信号谐波成分。实验结果表明,该算法在滤除电磁干扰噪声的同时有效信号高频特征保留量为89.21%,获得了更好的去噪效果。     

消除椒盐噪声的基于纹理特征的决策滤波

图像中椒盐噪声的有效去除,取决于噪声检测和噪声灰度估测的准确性,但现有的滤波算法在噪声检测和噪声灰度估测上的准确性不高。因此,提出了基于图像纹理特征的决策滤波算法。算法根据椒盐噪声的灰度最值特征和独立性,以及图像纹理的特征进行噪声检测,将噪声与信号像素准确地区分开。算法根据纹理中像素灰度的平滑变化特征,将邻域中的信号像素进行分组,然后基于相关性与正态概率分布的意义,取与邻域均值最接近的分组的中值作为噪声像素的估测值。实验的结果证明,所提出的算法检测噪声更加准确,其去噪结果对应的峰值信噪比(PSNR)比现有的算法平均提高1.9 dB以上,图像增强因子(IEF)比现有的算法平均提高119以上。因此,相对于现有的算法,所提出的算法在去噪性能上具有显著的优越性。     

浪涌干扰下的电力机组噪声去除模型仿真

在对浪涌干扰下电力机组噪声进行去除的过程中,容易出现信号不平稳的情况,导致传统的基于T-S模糊模型的浪涌干扰下电力机组去噪方法,由于不能很好地处理不平稳信号,无法有效实现浪涌干扰下电力机组噪声的去除。提出一种基于小波变换的浪涌干扰下的电力机组噪声去除模型,对整个噪声去除过程进行改进,充分分析浪涌干扰下噪声信号与正常信号之间的相似度特征,为浪涌干扰下的电力机组噪声去除提供理论基础,分析了二进小波变换的快速算法,将经处理后的小波系数看作是电力机组信号引起的,对其进行重构,获取信号的估测值,塑造浪涌干扰下小波去噪模型,从而实现浪涌干扰下电力机组噪声的去除。仿真实验结果表明,该方法具有很高的有效性及实用性。     

基于小波混合阈值方法的电能质量信号去噪

基于小波变换的阈值去噪是滤除采样信号中白噪声的有效方法.在实际应用中,阈值的选取和对小波系数的处理方法是影响其去噪效果的2个重要因素.软硬阈值方法各有其优缺点.将两者结合起来的混合阈值方法可提高去噪算法的性能.在分析软硬阈值方法各自的优缺点后,结合正态分布的规律和信号、噪声的小波系数在不同层上的分布特点,提出了能自适应确定临界尺度的软硬阈值结合的混合阈值去噪方法.对采样信号进行小波变换,根据各层小波系数能量的最小值,确定临界尺度.对小于或等于临界尺度的层数上的小波系数用软阈值方法处理,对大于临界尺度的层数上的小波系数用硬阈值方法处理,这样处理能减小信号能量损失.对尺度系数和处理后的小波系数进行重构,得到去噪后的信号.仿真实验表明.混合阈值方法去噪性能稳定,在不同信噪比下都能有效地去除白噪声,较好地保留了原信号的局部特征,且方法简单,计算量小.     

变压器局部放电监测逐层最优小波去噪算法

针对用于局部放电监测的去除白噪声算法会造成去噪脉冲信号波形畸变,脉冲幅值等波形参数产生较大误差,不利于进一步采用脉冲波形分析去除脉冲干扰的问题。为此根据局部放电信号在小波域上的分布特点,提出了各尺度信号分解和重构的最优小波选择方法,并给出了各尺度小波阈值的计算方法。仿真信号的最优小波去噪结果显示去噪信号具有波形畸变率低和幅值误差小的特点;实测信号的最优小波去噪结果证明提出的最优小波去噪算法能有效去除局部放电监测信号中的噪声,在局部放电在线监测应用中具有良好的去噪效果。     

基于广义S变换模时频矩阵的局部放电特高频信号去噪方法

为有效抑制局部放电特高频信号中的噪声干扰,提出一种基于广义S变换模时频矩阵的去噪方法。基于二维模时频矩阵,采用区域最大能量法提取周期性窄带干扰的特征量,并通过矩阵逆向分离将其去除;采用奇异值分解去噪方法抑制信号中的高斯白噪声。使用该方法对仿真信号和实验室实测信号进行去噪处理,并与传统方法去噪结果进行对比。结果表明,所提方法能有效抑制局部放电信号特高频信号中的噪声,同时更好地保留了原始局部放电信号特征。对现场实测信号进行去噪处理,与传统方法相比,该方法具有较高的噪声抑制比和较低的幅值衰减比,可以有效提取局部放电超高频信号。     

基于改进阈值和阈值函数的电能质量小波去噪方法

针对电能质量扰动类型多,成分复杂,扰动特征易被当作噪声去除等问题,提出一种改进小波阈值去噪算法。该算法通过计算每层小波系数的峰和比来确定该层噪声含量,使修正因子Fj可根据不同扰动信号的噪声分布特点自适应调整通用阈值。同时,提出了改进的阈值函数,可变参数a能调节自身软、硬特性从而确定合适的阈值函数。采用该算法对七种常见电能质量扰动信号去噪,仿真结果表明,改进小波阈值去噪算法在不同噪声干扰下,对各类扰动信号都能达到较好的信噪比,去噪效果稳定,重构信号波形恢复较好,且在去噪过程中保留了扰动特征,能为后续电能质量分析提供准确有效的信息。     

形态学滤波与自适应噪声抵消在GIS局部放电超高频信号去噪中的应用

抑制局部放电信号中的噪声干扰是GIS局部放电在线监测的关键技术之一。尽管超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为局部放电的准确测量带来挑战。针对GIS局部放电监测中的白噪声干扰,以提高局部放电超高频法的测量精度为目标,文中采用形态学滤波和自适应噪声抵消相结合的方法对GIS局部放电超高频信号的去噪问题进行了研究。通过对4种典型绝缘缺陷产生的局部放电超高频信号的去噪实验,结果表明文中所用方法较小波变换方法能更好地去除白噪声且去噪后信号具有较小的幅值误差和畸变率。     

基于非高斯噪声滤波算法的低空目标跟踪研究

建立了多径影响下的观测噪声模型,应用非高斯噪声下的滤波算法跟踪低空目标,提出了一种简单有效地减少计算量的方法.通过计算机仿真,证明算法具有优越性.     

基于改进奇异值与经验小波分解的局放去噪算法

局部放电(partial discharge,PD)检测是监测绝缘劣化的重要手段.由于现场环境复杂,PD检测易被干扰,而PD检测的真实性影响电气设备绝缘性能评估的准确性.因此,检测信号去噪是PD检测的重要任务.常用PD去噪算法的效果依赖于人工选择阈值或分解层数等参数,为了解决这个问题,该文提出不依赖于人工选择算法,使用基于曲率的奇异值变换(singular value decomposition,SVD)自适应地选择奇异值重构并去除窄带干扰;然后对残留白噪声的PD信号进行基于经验小波变换(empirical wavelet transform,EWT)的自适应分解;利用通用阈值对满足峭度和相关系数条件的模态去噪;最后通过时域去噪去除残留噪声,得到去噪后的PD信号.模拟PD信号和现场实测PD信号的去噪结果均表明所提方法能够更有效地去除窄带干扰和白噪声.     

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。