电力变压器局部放电信号去噪

局部放电既是电力变压器绝缘故障的重要诱发因素,又是绝缘潜伏性故障的高灵敏度表现形式。文章针对局部放电信号非平稳、非线性强、易受干扰等特性,结合经验模态分解法,提出了基于完全经验模态分解和总体经验模态分解(CEEMD-EEMD)的局部放电阈值去噪新方法。利用新方法和EMD法去噪法对仿真局部放电信号进行去噪,去噪结果表明,基于CEEMD-EEMD的局部放电阈值去噪方法去噪效果更优。     

基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

基于子波变换局部极大值的信号去噪新算法

本文出了一种相尺度间信号子波变换极大值点相似系数的定义，它定量地描述了相邻尺度间子波变换极大点的相似性。在上核实 定主的基础上，提出了波变换域信号去噪的新算法。     

基于MATLAB小波去噪方法及应用研究

在实际的计算机控制系统中,采样信号不可避免的受到各种噪声和干扰的污染,使得由采样信号辨识得到的系统模型存在偏差妨碍了系统控制精度的提高。Donoho和Johnstone提出的小波去噪算法对去除高斯白噪声非常有效。我们对此在MATLAB环境下做了详尽的探讨及仿真实验研究,得到一些实际应用经验,并利用傅立叶变换/反变换和小波阈值去噪方法对电厂机组调速级压力运行数据进行了去噪对比实验,结果表明小波去噪方法能取得较好的去噪效果,为后续系统模型辨识打下良好的基础。     

一种混沌信号去噪方法的研究

以Takens嵌入定理和影子定理为理论依据，提出一种能对混沌信号去噪的局部投影方法。该方法不需潜在动力学系统的先验知识，符合工程实用的要求。通过实验结果表明这种方法对混沌信号去噪很有效。     

激光超声信号去噪方法的研究

针对激光超声信号信噪比低的问题,分析了干扰噪声的特点,设计了基于数字平均和小波分析相结合的数据采集与处理系统。利用外部同步触发技术,间隔采集若干次激光超声信号,将各次采样信号相加平均,最后选择合适的小波基、分解层数和阈值方法,对数字平均后的信号进一步进行小波去噪处理。实验结果表明,该方法能够有效去除信号中的干扰噪声,提高信号的信噪比(SNR)。     

小波变换在心电信号去噪中的应用

文章根据coiflet小波在各个尺度上的不同的带通滤波特性,并利用小波变换多分辨的特点对心电信号进行滤波。文中通过软、硬阈值折衷函数及自适应阈值策略对MIT／BIH国际标准数据库中的ECG信号进行了处理与验证。实验结果表明,该算法能较好的抑制心电信号中的各类噪声干扰。     

一种新的EMD去噪方法

信号的经验模态分解方法（EMD）可以理解为以信号极值特征尺度为度量的时空滤波过程。此过程充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有很大的优势。文中分析了EMD去噪技术的基本原理,通过研究几种利用EMD去除非平稳信号噪声的技术,提出了一种新方法。仿真结果表明新的EMD去噪法在去除噪声,提高信噪比方面具有极大的优越性。     

基于小波阈值自适应的局部放电信号降噪

为了抑制电缆绝缘局部放电检测中存在的白噪声干扰,提出一种基于小波阈值的局部放电特征提取的方法.对含噪信号进行小波分解,在选取最优阈值时,用鲸鱼算法优化阈值选取过程,有效提高了算法的精度与运算速度.为验证去噪效果,利用该方法和传统小波软阈值法对局部放电仿真信号和实测局部放电信号去噪,结果表明:与传统软阈值函数法相比,该方...     

基于独立分量分析的多通道脑电信号自动去噪算法研究

在脑电信号的采集和处理过程中,经常受到如眼电、心电等各样噪声和伪迹的影响。独立分量分析通过对非高斯分布数据进行有效表示,获得在统计学上独立的各个分量,通过对噪声分量的去除以及信号分量的重构,实现对噪声和伪迹的去除。针对目前信号分解后噪声分量的处理尚停留在目测去除和人工识别阶段,耗时严重以及准确度差的不足,本文提出一种基于独立分量分析的KC复杂度自动阈值算法的提出很好地解决了这个问题,在对含工频噪声的EEG信号进行处理后,取得了良好的实验效果。     

基于小波的声发射信号去噪研究

由于小波变换具有较强的时频分析和局部分析能力,常用于非平稳信号的去噪处理中。首先根据小波分解后各高频系数所占的能量百分比对信号进行提纯,再对提纯后的信号进行小波阈值去噪,并运用信号能量百分比和频谱分析对去噪效果进行评判。实验结果表明,这种先提纯后阈值去噪的处理方法能够在保证信号不失真的前提下,有效去除声发射信号中的噪声。     

基于小波分析的脑电信号处理

为去除脑电信号采集过程中存在的噪声信号,提出了基于小波阈值去噪的脑电信号去噪。以小波阈值降噪为基础,首先利用db4小波对脑电信号进行5尺度分解,然后采用软、硬阈值与小波重构的算法进行去噪。通过对MIT脑电数据库中的脑电信号进行仿真,结果表明,采用软阈值方法有效去除了噪声,提高了脑电信号的信噪比。     

基于非局部均值的彩色图像去噪

传统的彩色图像去噪算法通常是分层处理的,而忽略了彩色图像RGB通道之间的相关性,因此基于RGB通道联合相似度估计提出了一种新的彩色图像非局部均值去噪方法。在用非局部均值滤波对彩色图像进行去噪时,首先以目标像素为中心确定其支撑区域,然后根据多通道联合相似度估计确定权重,最后采用逐块滤波的方法对每一层进行滤波。并且针对彩色图像中含有的高斯噪声提出了一种新的噪声参数估计方法。由实验结果可以看出该算法比传统的去噪算法在PSNR和FSIM方面都有提高。因此可以看出在图像去噪过程中考虑三通道之间的相关性是必要的,同时也证明了算法的有效性。     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验 ,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较 ,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果。     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果.     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果.     

基于改进小波阈值算法的信号去噪

为了有效消除信号中的噪声,提出一种改进小波阈值算法的信号去噪方法。首先分析软阈值和硬阈值小波方法的优缺点,构造了一种任意阶可导的新阈值函数,然后通过调节参数的值来更好的获得阈值估计,最后在Matlab 2012平台对其去噪性能进行仿真测试。结果表明,相通于其它信号去噪方法,本文方法提高了信号的信噪比,降低了均方误差,达到了更好的消噪效果,具有更高的实际应用价值。     

基于VC＋＋的声信号去噪方法研究

对声信号进行去噪处理,是声目标识剐的必要步骤,其目的在于去除声信号中的无用成分,以减小噪声对有用信号的干扰.介绍声信号去噪的几种常用方法,如算术平均值法、中值法、加权平均值法等,并在VC++编程实现的基础上,证明了该方法能够有效性地对声信号进行去噪,可以应用于工程实践.     

一种改进的非局部平均去噪方法

 对非局部平均去噪算法提出了以下改进：首先,利用图像中具有对称结构的性质,在相似性邻域的比较中引入邻域的对称变换,更好地利用了图像的自相似性质;其次,提出一种基于图像灰度分布统计特性的滤波参数选取方法,能够根据不同像素的特点自适应地选取滤波参数;此外,利用非局部平均算法能有效地保护图像结构信息的性质,提出一种两级非局部平均去噪方法.对测试图像去噪的实验结果表明,与原始算法相比,提出的改进方法能够在保护图像结构信息的前提下更有效地去除噪声,峰值信噪比最多可以提高5.9dB, 去噪效果优于BM-3D方法.