共查询到20条相似文献,搜索用时 15 毫秒
1.
PD(PartialDischarge,局部放电)是指在局部高电场的作用之下,电力变压器中的薄弱环节出现的一种异常放电现象。局部放电(PD)现象对电力变压器的绝缘介质具有很强的破坏作用:首先,绝缘介质在放电点的直接轰击作用下的破坏点会逐渐扩大直至绝缘击穿;其次,放电作用下的化学作用会腐蚀绝缘介质,并逐渐导致其击穿。因此,提取变压器的局部放电信号便具有预防意义。但是由于电力变压器有非常多的电磁干扰因素,如果想从这些较强的电磁干扰中的提取变压器的局部放电信号则具有很大的难度。在本文中,笔者介绍了变压器局部放电(PD)信号以及各项干扰因素的特点,并利用小波阈值法和干扰频带内信号的插值补偿实现了对变压器局部放电信号的去噪。 相似文献
2.
《内蒙古科技与经济》2019,(23)
为了更好地区别干扰信号,保证测试的准确性,列举典型的局部放电干扰和局部放电图谱,根据现场开展的各电压等级电力变压器长时间感应耐压带局部放电试验数据,整理局部放电波形图并结合典型局部放电干扰图谱针对试验波形进行分析,为日后现场试验提供经验和数据。 相似文献
3.
4.
目的:滤除心电信号中包含的基线漂移、工频干扰、肌电干扰三种主要噪声,获取干净有效的临床心电信号信息。方法:改进阈值处理函数的小波变换阈值去噪法。结论:改进阈值处理函数小波阈值去噪法能更好的弥补了软、硬阈值函数去噪法中存在的不足,得到的去噪效果更优。 相似文献
5.
6.
利用小波变换消除噪声的方法有多种,如小波模极大值去噪、小波阀值去噪等.本文首先分析小波变换的基本原理,分别对小波变换的模极大值去噪法和阈值去噪法的原理进行阐述,通过计算机仿真表明小波阈值法和模极大值法去噪的有效可行. 相似文献
7.
基音参数检测是对基音周期的估计分析,这在语音信号处理中特别是在语音识别、语音信号的合成、还有编码方面,都起着举足轻重的作用。倒谱法是频域估计法中相对成功的一种方法。本文在结合基于加窗语音的倒谱模型,分析模型的声门激励倒谱和声道脉冲响应倒谱的特点,根据其倒谱特征,改进基音检测算法,并取得良好的效果。 相似文献
8.
小波变换在信号去噪的应用中有很大的优势,它弥补了傅里叶变换在信号去噪中的局限。小波变换在时间域和频率域都具有良好的局部特性,可以聚焦到信号的任意细节。根据信号的特性利用小波变换的处理方法能够有效的将有用信号与噪声分离开来从而达到去噪的效果。 相似文献
9.
随着社会经济的不断发展和科学技术的日益提高,人们对于各种数字仪器和数码产品的需求越来越多,同时,伴随着时代的进步,图像和视频已然成为当下人类活动中最常用的信息载体。但是,受种种因素的影响,图像的获取和传输过程很容易出现画质降低的问题,尤其以因各种噪声导致的图像降质问题最为严重。基于此,本文从图像阀值去燥算法理论基础出发,结合试验研究了小波变换下图像阀值去噪算法的应用改进方法,以希冀给予广大图像领域专家一些可行的帮助和建议,进而促进我国图像阀值去噪技术的进一步发展和进步。 相似文献
10.
为消除语音识别系统中的噪声干扰,研究了传统谱减法和改进的谱减法,描述了两种算法的原理和特点,并对两种算法进行了编程实现。matlab仿真结果表明,改进的谱减法不仅可以消除噪声,还可以抑制"音乐噪声"的产生,比传统谱减法更具优势。 相似文献
11.
12.
小波分析在信号处理方面具有优越性。本文将其应用于语音去噪,并根据语音信号的特点提出了一种适应性强的阈值函数;将新的阈值算法和Waveshrink算法用于语音去噪,并运用多个语音样本进行实验对比,仿真数据表明,本算法有良好的适应性,效果较优。 相似文献
13.
14.
15.
利用小波技术对监测数据进行去噪分析是一种具有广阔应用前景的数据挖掘技术。首先介绍了小波分析的原理与小波变换尺度间去噪方法,在此基础上,应用小波对一组模拟监测数据进行去噪分析,结论显示小波可以用于监测数据的预测分析。 相似文献
16.
小波分析在信号处理方面具有优越性。本文将其应用于语音去噪,并根据语音信号的特点提出了一种适应性强的阈值函数;将新的阈值算法和Waveshrink算法用于语音去噪,并运用多个语音样本进行实验对比,仿真数据表明,本算法有良好的适应性,效果较优。 相似文献
17.
18.
图像在形成、传输、存储过程中,不可避免地会受到各种噪声的干扰,极大地影响了人们从图像中提取信息,因此,采用适当的方法尽量减少图像噪声是一个十分重要的处理步骤。小波变换应用于图像去噪领域比较成功,在图像去噪中能更好地保护图像细节。本文提出了一种多个小波基联合去噪的方法,该方法能够很好的去除图像中常见的噪声。 相似文献
19.
20.
《科技通报》2015,(12)
针对传统单小波在对称性、正交性、有限支撑等特性上的不足,提出一种基于多小波分析的图像优化去噪方法。对图像进行预滤波处理操作,消除多小波的不恰当离散性。对待处理信号经预滤波处理后产生的四个分量进行多小波变换处理。采用Visu shrink方法与基于stein无风险估计的Sureshrink方法对阈值进行确定。保持总像素量不变,给出多小波分解及重构系统框图。以S=2的多小波为例对多小波变换进行分析。分别完成行滤波和列滤波。对噪声方差进行预测,完成对原始图像多小波系数的方差的估计,对尺度参数和阈值进行计算。仿真实验结果表明,所提方法能够有效去除图像噪声,进一步增强了图像的信噪比。 相似文献