小波包消噪提高小波网络故障识别性能

针对强噪声背景的高频振动信号,给出一种利用小波包消噪和频带分割技术,根据信号能量在小波包空间的分布特性,提取故障信号特征信息的方法．在小波包空间自适应软阈值去噪,消除白噪声;运用频带分割消除有色噪声,计算各子空间的能量,抽取低维特征矢量,作为小波网络的输入．该方法既提高了小波包神经网络的故障识别性能,又简化了决策网络结构,提高了收敛速度．     

改进型软阈值算法在临场感系统中应用研究

小波理论在图像去噪领域得到了广泛应用,在研究传统小波软阈值算法的基础上,分析了该算法的优点与不足之处,针对传统算法易造成背景信号模糊以及低频信号的损失的缺陷,在闽值选取时,提出了分层调整因子的概念,经过严格的理论证明,当调整因子取值1／2时,对不同的图像处理有较好的稳定性,且算法实现与小波基选取无关。研究结果表明：新算法在一定程度上弥补了传统算法的缺陷,去噪图像的频谱比传统算法宽广,低频信号保留较好,图像背景清晰平滑,去噪的视觉效果明显,而且具有较好的可操作性,易于实现。其应用于临场感系统取得了较好的效果,显示出新算法具有良好的应用前景。     

小波分析在机器人腕力传感器信号去噪中的应用

机器人腕力传感器在工业现场测量力或力矩时,不可避免的受到随机噪声的干扰,从而影响了测量精度的提高。为了克服传统去噪方法的局限性,本文将多重小波变换应用到机器人腕力传感器信号去噪中,采用浮动阈值法消除噪声,并将传统的低通滤波和FFT／IF丌方法与本文介绍的方法进行比较。结果表明,多重小波浮动阈值去噪方法在机器人腕力传感器信号去噪方面优于传统的方法。     

故障分析中的小波软阈值改进除噪方法

软阈值消噪是信号消噪中的标准算法。故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征。通过分析信号和噪声的小波系数在小波空间的不同特性,在"噪声强度估计"、"阈值选择策略"和"小波系数调整策略"三个方面对软阈值除噪技术进行了改进。仿真研究表明改进方法较好地解决了保护信号局部特征和抑制噪声之间的矛盾,并对各种类型的故障信号均能进行有效的分析。     

基于相关度量的高椒盐噪声软阈值直方图滤波算法

利用图像邻域相关和直方图对椒盐噪声的鲁棒性,提出了一种针对高椒盐噪声图像的软阈值直方图加权滤波算法.对邻域灰度相关进行了量化分析,定义了灰度相关函数作为信号邻域相关性的度量,并将该系数作为直方图加权滤波算法的软阈值,根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失.仿真结果表明,对于高椒盐噪声图像,本算法在椒盐噪声滤除方面有良好的表现.     

基于小波软阈值的中长期电力负荷预测研究

由于中长期电力系统负荷数据相对较少，影响因素广泛，常用的负荷预测方法很难达到满意的精度，所以提出一种结合小波软阈值和广义回归神经网络的综合预测模型，该模型充分考虑了长期负荷数据相对较少和影响因素广泛的特点，把负荷预测看作一个信号序列，应用小波去噪原理，将信号与噪声分离，然后利用广义回归神经网络进行预测。实际应用证明，预测结果是令人满意的。     

基于小波阈值去噪算法的研究

在D.L.Dohono和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数。与传统的硬阈值和软阈值比,该函数不仅易于计算,而且具有优越的数学特性和清晰的物理意义。实验结果表明,该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性。     

基于红外热图的空气预热器热点检测系统

提出了一种基于空气预热器转子红外热图分析的空气预热器热点检测方法．通过对采集到的图像数据进行坐标转换并采用三次样条法进行像素的插值,获取空气预热器转子的红外热图,然后采用小波变换的软阈值去噪法对其进行滤波,在此基础上提取能量特征,并采用能量特征对空气预热器的不同工作状态(正常、异常)进行识别．实验结果表明,该方法可以有效识别空气预热器的异常工作状态．     

基于小波包的马尔科夫方法在短期负荷预测中的应用

为了提高电力系统短期负荷预测的精度,提出了一种基于马尔科夫模型的组合预测算法。该算法利用双正交小波线性相位的特点,对负荷时间序列进行小波包多分辨分解。针对短时电力负荷具有较强随机波动性,采用软阈值方法检测和处理不良信号,用去噪后的信号建立模糊马尔科夫预测模型,通过将各负荷序列的预测值加以组合得到最终预测结果。经实际算例验证,该算法能有效地提高预测精度,具有良好的抗干扰和容错能力。     

基于自适应提升方案的回波信号消噪算法研究

采用自适应提升小波方案,根据激光探测系统接收的回波信号特征,提出了一种更新滤波器和预测滤波器的设计方案,从而实现了自适应地调整预测和更新算子,增强了与处理信息的匹配,有效地提高了系统输出回波信号的峰值信噪比.其次,利用激光探测系统中检测的回波信号与噪声特点,给出了一种去噪软阈值的选取方案.将此算法应用于激光探测系统消噪,较好地满足了在强背景噪声下检测微弱信号的要求.仿真结果表明,采用该算法实现的激光探测系统去噪,在抑制噪声的同时较有效地保留信号的细节,重构了清晰的回波信号.