資源描述：
《基于改進(jìn)閾值法的小波去噪算法研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第37卷第5期華北電力大學(xué)學(xué)報(bào)Vo1．37．No．52010年9月JournalofNorthChinaElectricPowerUniversitySep．，2010基于改進(jìn)閾值法的小波去噪算法研究苑津莎，張冬雪，李中(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定071003)摘要：為了克服傳統(tǒng)小波閩值去噪算法中存在的缺陷，采用小波系數(shù)放大法，并對(duì)閩值函數(shù)進(jìn)行改進(jìn)。由于信號(hào)中存在奇異點(diǎn)，會(huì)在奇異點(diǎn)處產(chǎn)生Pesudo—Gibbs現(xiàn)象，采用基于改進(jìn)小波閾值法的平移不變?nèi)ピ敕椒梢杂行б种芇esudo—Gibbs現(xiàn)象，對(duì)去噪效果進(jìn)行強(qiáng)化。仿
2、真實(shí)驗(yàn)結(jié)果表明：基于平移不變的去噪方法可以明顯提高信噪比，其去噪效果優(yōu)于傳統(tǒng)的軟、硬閩值去噪方法，具有較高的實(shí)用價(jià)值。關(guān)鍵詞：小波變換；閡值法；去噪；系數(shù)放大；平移不變中圖分類號(hào)：TB535文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007—2691(2010)05—0092—06WaveletdenoisingalgorithmbasedonimprovedthresholdingmethodYUANJin—sha，ZHANGDong—xue，LIZhong(SchoolofElectricalandElectronicEngineering，No
3、rthChinaElectricPowerUniversity，Baoding071003，China)Abstract：Inordertoovercomeflawsofthetraditionalwaveletthresholddenoisingalgorithm，themethodofwaveletcoeficientsmagnifiedwasused，andthresholdfunctionwasimproved．Becausesingularpointswereexistedinthesig—nal，thePesudo—Gi
4、bbsphenomenonwasproducedinthesingularpoints．Pesudo—Gibbsphenomenonwaseffectivelyinhibitedandtheeffectivenessofthedenoisingwasstrengthenedbyusingtranslationinvariantdenoisingbasedonim—provedwaveletthresholdmethod．Simulationexperimentresultsshowthatthesignaltonoiseratioc
5、anbesignificantlyimprovedbyusingthedenoisingbasedontranslationinvariantmethod，andeffectivenessofthedenoisingisbetterthanthetraditionalsoftandhardthresholddenoisingmethod．Itisapplicableinengineering．Keywords：wavelettransform；threshold；denoising；coeficientmagnify；transla
6、tioninvariance利用傅里葉變換把信號(hào)映射到頻域內(nèi)加以分析，0引言在去噪的同時(shí)，也平滑了信號(hào)中的突變點(diǎn)，模糊了信號(hào)的位置信息。而對(duì)于短時(shí)傅里葉變換sTFTr利用信號(hào)對(duì)設(shè)備的狀態(tài)進(jìn)行監(jiān)測，可以獲得(shorttimeFouriertransformation)，一旦窗函數(shù)選設(shè)備運(yùn)行狀態(tài)的第一手信息。但是由于設(shè)備所處定，在時(shí)頻相平面中窗口的大小是固定不變的，的環(huán)境復(fù)雜，從現(xiàn)場獲取的信號(hào)往往容易受到噪不隨時(shí)頻位置(t，廠)而變化，所以短時(shí)傅里葉變聲的干擾，使得有用信號(hào)常常淹沒在噪聲之中，換的時(shí)一頻分辨率是固定不變的¨J。小波變換
7、具給信號(hào)的特征提取帶來很大的困難，難以進(jìn)行準(zhǔn)有低熵性、多分辨率、去相關(guān)性和選基靈活性的確的故障診斷，因此必須去除信號(hào)中的噪聲或干特點(diǎn)，使得它成為特征提取和低通濾波的綜合。擾成分。它是一種時(shí)間窗和頻率窗都可以改變的時(shí)頻局部傳統(tǒng)的去噪方法是基于傅里葉變換的去噪方化分析方法。在低頻部分具有較高的頻率分辨率法。它等價(jià)于信號(hào)通過一個(gè)低通或帶通濾波器，和較低的時(shí)間分辨率，在高頻部分具有較高的時(shí)間分辨率和較低的頻率分辨率，因此非常適合分收稿日期：2010—04—10析突變信號(hào)和非平穩(wěn)信號(hào)，把噪聲信號(hào)從正常信第5期苑津莎，等：基于改進(jìn)閾值法的小波去
8、噪算法研究93號(hào)中分離出來，達(dá)到去噪的目的。的層次Ⅳ，然后對(duì)信號(hào)Js進(jìn)行Ⅳ層小波分解。對(duì)目前，使用最廣泛的振動(dòng)信號(hào)小波去噪方法有于信號(hào)的小波分解，如進(jìn)行三層分解，分解過程貝葉斯方法和非貝葉斯方法。其中非貝葉斯方法如圖1所示。在分解后的
