变压器局部放电信号去噪措施分析

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。     

变压器局部放电试验中放电信号图形分析

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。     

基于分数阶Fourier变换的局部放电去噪方法

为了提取局部放电信号的特征,提出了一种基于分数阶Fourier变换(FRFT)的局部放电噪声抑制方法。首先对含有白噪声的局部放电信号做分数阶Fourier变换,在分数阶Fourier变换域内,随着阶次p的变化,信号能量谱呈现不同的时频聚集性,利用最小均方误差准则扫描到最优分数阶Fourier变换域,然后根据法则利用小波分解算法得到的噪声强度在最优分数阶Fourier变换域内对含噪信号进行去噪处理,从而抑制噪声干扰。相比传统小波去噪算法,该方法具有自适应性强,且处理效果明显等优点。分别对仿真信号和实际信号进行分析,验证了本文方法的有效性与可行性。     

改进的小波阈值去噪法在心电信号中的应用

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。     

小波变换用于高压电器局部放电信号特征提取的研究

在电力系统运行的过程中,局部放电在线检测一般采用的是脉冲电流的方法对当前的放电量进行全面的检测和分析,但是设备在运行的过程中会受到很多因素的影响,这样一来也就使得局部放在线监测工作无法顺利的进行,随着科技的发展,小波变换技术也逐渐的得到了应用。本文主要分析了小波变换用于高压电器局部放电信号特征提取,以供参考和借鉴。     

基于小波阀值的信号去噪

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.     

基于去噪的ACF-CEP基音检测算法

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。     

基于小波变换的信号去噪研究

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。     

基于小波变换的图像阀值去噪算法

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。     

基于改进谱减法的语音识别系统去噪

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。     

基于小波变换的微震信号去噪研究

微震信号去噪的目的是通过剥离噪声信号来最大化获取有用信号。该有用信号蕴含着岩石内部应力变化及破裂的机理,通过对微震有用信号的分析处理,可以定位微震震源位置和计算矿震能量大小。文章介绍了小波变换去噪的基本原理和方法;并通过在MATLAB环境下对微震原始信号进行小波阈值去噪仿真,验证了小波阈值方法在微震信号去噪领域的可行性及优越性;阐述了小波消噪中阈值的选取规则,并通过对微震原始信号的4种自适应阈值去噪效果的比较,表明4种阈值去噪方法均能有效地实现微震信号去噪。     

基于语音特点的小波阈值去噪算法分析

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。     

基于新阈值函数的小波阈值去噪方法

针对硬阈值去噪效果不佳,软阈值过度光滑使信号失真的缺点,本文在研究Donoho的软、硬阈值去噪方法基础上,提出了一种新的阈值函数,该阈值函数在整个定义域内统一定义,表达式简单易于计算,同软阈值函数一样具有连续性。通过对典型信号Blocks、Bumps、Heavy sine、Doppler的仿真实验结果显示,与基于硬、软阈值去噪方法相比,基于新阈值函数的小波去噪方法取得非常好的去噪效果,在均方误差等性能指标上表现优异,重建信号的信噪比也得到提高。     

基于K邻域搜索的分层去噪算法研究

激光扫描设备获得的三维点云数据中,往往会存在各种噪声点。本文提出基于k邻域搜索的分层去噪方法。该方法通过对散乱点云数据进行按层次划分并进行存储,将散乱的三维点云数据转变成层次存储的扫描线式三维点云数据结构。通过对数据点k邻域的分析,来判断噪声点并进行去噪工作。对比实验结果表明,该方法有效地删除噪声点,保留物体的几何形状。     

基于小波变换尺度间去噪的监测数据处理

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。     

基于语音特点的小波阈值去噪算法分析

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。     

基于小波去噪和线性判别分析的人脸识别方法

提出了将直方图均衡和小波去噪相结合的预处理方法,获得小波域中人脸图像的亮度不变描述;然后通过正则线性判别分析提取特征矩阵获取最佳投影方向;最后,通过计算特征向量之间的余弦距离从而实现有效分类。在扩展Yale-B人脸数据库上进行了光照变化和人脸关键部位被遮挡条件下的实验,实验结果验证了本文算法的有效性和鲁棒性。     

基于多个小波基联合去噪方法的研究

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。     

基于新阈值函数的电动机故障信号小波去噪

针对采集的电动机故障信号提取特征频率时产生的噪声干扰,提出了一种新的小波阈值函数,并将其与分层阈值相结合用于故障信号的小波去噪。新阈值函数很好地克服了软、硬阈值函数的缺点,分层阈值符合噪声分解系数随着分解尺度增大而迅速衰减的特点。对仿真信号及实测工程信号的分析结果表明,该算法有良好的去噪效果并有助于提高故障诊断的准确性。     

基于多小波分析的图像优化去噪方法研究

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。