基于改进的Daubechies小波变换的电网谐波检测研究

傅里叶(Fourier)变换是一种经典实用的信号处理方法,但是在进行傅里叶变换时丢掉了时间信息,这种特性导致其在分析非稳态信号时存在严重不足。小波分析弥补了Fourier分析的不足,时域和频域都可以自由变动,能有效处理非稳态谐波信号。实践中db系列小波对电网谐波信号检测有很好的效果,db4小波的特点是时域紧、支撑性强、衰减速度快,但消失矩小,光滑性不足,频带划分的效果比较粗糙;而db20小波消失矩大,划分频带的效果好,但同时增加了计算量,导致实时性略显不足。鉴于此,提出了将db4和db20结合起来,发挥两者的优势,并在MATLAB上进行仿真验证了该方法的预期有效性。     

基于小波分析的自适应数字水印算法

提出一种在小波变换域嵌入数字水印的新算法。利用视觉系统的纹理掩蔽及照度掩蔽特性，在第三级细节子图块的最大系数中嵌入水印信号。水印强度与图像背景亮度及纹理强度成正比，使水印对原始图像具有自适应性。对水印图像进行各种退化处理的实验表明，提出的数字水印算法具有很好的鲁棒性。     

一种基于准同步采样的电网谐波高精度测量方法

阐述了一种基于准同步窗的离散傅里叶变换算法实现电网谐波参量的测量方法,并给出了算法的推演过程和硬件实现。实验结果表明了该方法在宽频偏范围内仍具有很高的测量精度。该方法采样无需与信号周期完全同步,采用纯软件算法实现,降低了硬件复杂度和成本,测量精度高,速度快,具有重要的实际工程意义。     

小波包变换在电网谐波检测中的应用研究

随着非线性负荷用户的不断增加,大量谐波注入电网,使得电力系统电压、电流波形偏离正弦波形发生畸变.运用小波包变换分析了电网系统谐波信号,根据信号特性,选取合适的小波函数,确定了小波包变换的分解层数,并通过仿真实验验证了小波包分析方法在电网谐波检测中的正确性和实用性.     

基于提升算法的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法。该方法以第二代小波变换为基础,用变换样本与相邻样本之间的相关性,来检测信号的局部特征。并根据相关系数的大小,来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征。在信号相关性强的情况下,采用了最优插值估计的改进算法。模拟实验和工程应用的结果表明,该方法克服了传统小波变换降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征。     

基于小波变换的图像自适应盲水印算法

随着计算机和网络技术的飞速发展,数字图像、音频和视频产品越来越需要一种有效的版权保护方法,所谓数字水印就是一种嵌入到图像、视频或音频数据中的不可见标志,可以用于多媒体数据的版权保护、认证和标注等.本文提出了一个有效的静止图像的自适应盲水印算法,在水印检测过程中不需要原始图像.原始图像经小波变换后,选择内嵌水印所需要的子带,水印根据邻居特征平均值法和奇偶判决法内嵌到频域中所选择的子带上.实验结论和攻击测试表明,本文所提议的算法具有较好的透明性,对如JPEG有损压缩、中值滤波、附加噪声、伸缩、裁剪等各种图像处理的攻击有较强的顽健性.     

基于小波分析的快速成形自适应分层算法

试图从信号处理的角度考察快速成形工艺,并分别应用傅立叶变换和小波变换作为在快速成形中分析成形过程的工具。采用多分辨率分析技术后能以物体轮廓的信息进行自适应分层,在变换缓慢的部分采用较厚的分层,在变换剧烈的部分采用较薄的分层,这样可以兼顾成形质量和成形速度。选用了harr基小波函数,它可以对快速成形所特有的阶梯分层边缘特征进行精确拟和,因此提供了用来进行误差分析和模拟显示的理论工具。     

基于小波变换的谐波检测法

本文介绍了采用小波变换的谐波有效值测量原理.提出了差拍选频与子带滤波相结合的谐波测量新方法,以及同步检波与子带滤波相结合的电压闪变检测及其频谱分析方法.仿真实验结果表明,文中所提出的方法适用于短时间谐波、电压闪变的检测与时频分析.     

基于小波包的CDMA窄带干扰自适应抑制算法

CDMA通信中的窄带干扰是其主要干扰类型之一。文章首先综述了目前比较先进的基于小波包变换的变换域自适应窄带干扰抑制技术：自适应小波包时频抗干扰技术和小波包自适应滤波技术。针对上述小波包分解过程是按小波包基顺序排列而非按频带顺序排列不利于干扰分析和定位这一问题,提出了一种基于按频带顺序排列的小波包变换的自适应窄带干扰抑制技术,详细说明了其基本思想。该技术便于工程上干扰分析及抑制。     

基于Grubbs准则的小波自适应阈值去噪算法

小波阈值去噪法是去除信号中白噪声的有效算法.根据白噪声和信号小波系数的特点,提出一种分解层数自适应确定法和一种基于Grubbs准则的各层阈值选取法,并结合软、硬阈值法的特点,改进了小波系数阈值估计的模型.     

小波变换自适应算法的主动振动控制

将小波分析理论和最小均方(least mean square,简称LMS)算法相结合,用分解LMS算法对薄板进行自适应振动控制,并采用了Mallat快速算法,以提高小波自适应算法的实时性。仿真分析和试验结果表明,该方法与传统的LMS算法相比,有效地减小了输入信号自相关矩阵的相关性,且收敛速度和稳定性能均有显著提高。     

基于改进自适应局部迭代滤波的谐波检测方法研究

针对大量非线性负荷及电力电子设备广泛应用导致的电力系统谐波成份非平稳性和复杂性日益突出,难以识别和检测的问题,在引入自适应局部迭代滤波算法的基础上,提出了基于改进自适应迭代滤波与希尔伯特变换的谐波检测方法。改进自适应迭代滤波算法利用Fokker-Planck方程构建滤波函数,经滤波筛选获取具有平稳特征的本征模态分量,具有坚实的数学基础,且能够有效地避免经验模态分解算法存在的模态混叠问题。首先利用改进自适应迭代滤波算法分解得到周期分量,对各分量进行Hilbert变换,提取包括频率、幅值、相位在内的谐波特征参数。测试信号及实测数据分析结果证明了所用方法的有效性,与经验模态分解的对比结果充分验证了本方法在电力系统谐波检测中的强适应性。     

基于小波分析的电能质量谐波检测虚拟仪

介绍了一种基于小波分析的电能质量谐波检测技术,在LabVIEW虚拟仪器设计平台上采用小波分析技术检测电能突变点,并采用快速傅立叶变换对稳态信号进行谐波失真分析,获得基波频率、各次谐波含有率及总谐波畸变率THD等,实现电能质量谐波检测。实验结果表明,利用该方法可以很好地去除信号突变,精确地提取出稳态信号。     

基于小波变换的视频能见度检测算法研究与实现

由于传统能见度仪价格昂贵、架设困难、不能给出道路能见度分布,提出了基于小波变换的视频能见度检测算法.利用摄像机自标定模型恢复图像距离信息,采用小波变换提取图像边缘特征点,使用能见度检测模型提取符合人眼的特征,结合曲线拟合,给出能见度变化曲线.该算法及其系统已在江苏宁常镇溧高速公路上进行试点使用,其结果与人眼及能见度仪检测误差在+10%之内,符合相关国际及国家标准.     

基于谐波小波和Prony算法的转子不平衡信号提取

高精度动平衡测量系统中的信噪比很低,尤其是在邻近频率干扰背景下,常规的快速博里叶变换(fast Fourier trasformation,FFT)等方法无法准确提取不平衡信号.提出一种基于谐波小波和Prony算法的不平衡信号提取方法,先采用自适应谐波小波带通滤波提高信噪比,然后以滤波后的数据作为样本,采用Prony算法识别不平衡信号的幅值和相位,有效解决了邻近频率干扰导致的不平衡信号无法准确提取的问题.仿真和实验结果表明,该方法具有精度高、重复性好等优点,特别适合于信噪比较低的高精度动平衡测量系统中.     

Position detection of BLDC rotor based on adaptive wavelet neural network

Brushless DC(BLDC)motor is a complex nonlinear system,of which some parameters will also change during operation.Therefore,obtaining accurate rotor position directly through the line voltage becomes more difficult.So a new method is proposed in this paper which uses three line voltages as the input signal to identify the motor position based on adaptive wavelet neural network(WNN)and the differential evolution(DE)algorithm to optimize WNN structures,thus realizing the improvement of accuracy,exactness of the communication signals and convergence speed of the rotor position identification.Finally,both simulations and experimental results show that the proposed method has high accuracy of recognizing rotor position and strong orientation ability.     

基于多尺度小波变换的变步长LMS滤波算法

对LMS自适应算法、基于抽样函数的变步长LMS算法和基于多尺度小波变换的自适应滤波算法进行了研究,在此基础上把变步长LMS算法与多尺度小波变换相结合,产生了新算法。该算法一方面可以克服固定步长LMS算法在收敛速度与收敛精度方面与步长因子的矛盾;另一方面,小波变换的引入减少了输入向量自相关矩阵的条件数,提高了收敛速度、跟踪性能和稳定性。最后对算法的性能进行了计算机仿真比较,仿真结果表明:基于多尺度小波变换的变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力。     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

基于运动目标自适应检测的改进ViBe算法

传统视觉背景提取(ViBe)算法检测结果存在Ghost区域,且受环境变化影响,在提取前景时容易产生误检或漏检。针对这些问题,提出了一种基于运动目标自适应检测的改进ViBe算法。首先在背景模型初始化过程中,通过对均值背景建模设置调节参数方式获取真实背景,利用该背景初始化ViBe背景模型;其次在前景检测过程中,根据场景变化引入自适应半径阈值对前景进行自适应检测;最后对检测结果中存在的空洞进行数学形态学闭运算填充。实验结果表明,改进算法能够有效抑制Ghost区域,并在环境变化的情况下较完整地检测前景目标,与传统ViBe算法相比,检测的精确率提高了10%以上,误检率和漏检率分别降低了20%和7%,且改进算法满足实时性要求。     

基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法

分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量.首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值.然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正.最后,进行小波逆变换和指数变换,获得滤除噪声的图像.结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB.该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量.