CN102928517A - 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 - Google Patents
一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 Download PDFInfo
- Publication number
- CN102928517A CN102928517A CN2012104582197A CN201210458219A CN102928517A CN 102928517 A CN102928517 A CN 102928517A CN 2012104582197 A CN2012104582197 A CN 2012104582197A CN 201210458219 A CN201210458219 A CN 201210458219A CN 102928517 A CN102928517 A CN 102928517A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- threshold
- porcelain insulator
- denoising
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其按下述步骤进行：使用振动声学法对瓷绝缘子进行检测，获取含噪声的瓷绝缘子振动响应信号；对含噪声的瓷绝缘子振动响应信号选择合适的小波基函数后进行多分辨率小波分解，将振动响应从时域变换到小波域；合理选取阈值函数和阈值，将噪声所对应的小波系数按阈值函数进行处理；进行小波重构，将经过去噪处理后的振动响应从小波域变换回时域；存储经过去噪处理的振动响应，用于瓷绝缘子振动声学检测结果分类。采用本方法可以对瓷绝缘子声学振动法检测数据中的噪声进行有效滤除，提高分类的准确性。
Description
技术领域
本发明涉及一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其可以对声学振动法检测瓷绝缘子的数据的混入的噪声进行消除，避免了噪声对分类结果的影响。
背景技术
对绝缘子进行振动声学法检测时，储存的检测结果数据为WAV格式的声音文件，在检测过程中的多种因素会使检测数据中混入随机噪声的信号，这些噪声信号的存在直接影响着检测结果的分类准确性和可靠性，影响着对瓷绝缘子机械性能状态的评估。因此迫切需要一种可对混入的随机噪声信号进行有效滤除的方法。
近年来，基于小波分解和重构的信号去噪处理得到了广泛应用，并显示出比传统傅里叶分析更优越的性质。由于噪声干扰后的信号可能包含许多尖峰和突变，采用传统傅里叶分析不能给出信号在某个时间点上的变化，而信号在时间轴上的任何一个突变都会影响信号的整个图谱。小波分析能同时在时频域中对信号进行多分辨率分析，在低频部分具有较高的频率分辨率，在高频部分具有较高的时间分辨率，所以能同时有效区分信号中的突变部分和噪声，可以依据合理的阈值函数及阈值对小波系数进行处理从而实现信号去噪。
发明内容
本发明要解决的技术问题是提供一种消噪效果好、可提高分类准确性的基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法。
为解决上述技术问题，本发明所采取的技术方案是：一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其包括以下步骤：
1）使用振动声学法对瓷绝缘子进行检测，获取含噪声的瓷绝缘子振动响应信号；
2）对含噪声的瓷绝缘子振动响应信号选择合适的小波基函数后进行多分辨率小波分解，将振动响应从时域变换到小波域；
3)选取阈值函数和阈值，将噪声所对应的小波系数按阈值函数进行处理；
4) 进行小波重构，将经过去噪处理后的振动响应从小波域变换回时域；
5）存储经过去噪处理的振动响应。
上述步骤所述步骤2）中的小波基函数为db4小波基函数；所述小波分解是基于多分辨分析的快速算法，即将小波变换转化为滤波运算。
上述快速算法为小波分析法或者小波包分析法，其对各层的小波系数进行分解。
小波包分析法对各层的小波系数进行分解能更加准确的区分噪声和有用信息。从滤波器的角度，小波包变换和小波变换没有本质区别，只是在原有的基础上按同样的方法对细节系数进行分解。但是单纯的把所有的系数都进行分解对去噪没有帮助，小波包变换的基本思想是为了让信号信息能量集中，在细节系数中寻找有序性，把其中的规律提取出来，所以需要对分解系数进行优化选择。同小波一样，小波包基库也是由许多小波包基组成的，不同的小波包基有不同的性质，能反映信号的不同特征。
上述步骤3）中的阈值函数和阈值选取方法包括软阈值法或硬阈值法。
本发明的原理是：本发明采用小波分解阈值去噪重构技术，将瓷绝缘子振动声学法检测获得的数据文件通过小波分解，得到小波分解系数，再通过改变分解得到的各层高频系数进行信号的小波重构达到消噪的目的。
小波变换是一种信号的时频分析，它具有多分辨分析的特点。能够逐层将信号分解成高频和低频分量，且分解后具有明显不同的传播特性，因此可以通过对瓷绝缘子声学振动法检测数据进行分解使用软阈值方法滤噪后重构而进行降噪，对噪声信号具有较好的去除效果。
常用的信号为时间的序列，对于小波分解而言属于一维信号。一维信号的小波分解过程是使原始信号分别进行低通、高通滤波，再分别进行二元抽样，就得到低频、高频（也称为平均、细节）两部分系数；而多级分解则是对上一级分解得到的低频系数再进行小波分解，是一个递归过程。过程参见附图1，其中a为小波近似，d为小波细节。原始信号S=a+d。
小波变换具有一种“集中”的能力，信号经小波变换后，真实信号产生的小波系数的幅值较大，数目较少；而噪声产生的小波系数数目较多、幅值较小。基于小波变换的上述特点，Donoho提出了小波阈值去噪，该算法通过在不同尺度上选取合适的阈值，将小波系数进行阈值处理，剔除较小的小波系数，保留较大的小波系数，从而使信号中的噪声得到抑制，最后进行小波反变换，得到真实信号的最优估值。参见附图2，图中参数说明：x为原始信号； 为小波变换；w为变换后的小波系数；y为小波系数，n为尺度系数；
为调整后的小波系数；
为小波逆变换；
为经过小波分解降噪后的信号。
采用上述技术方案所产生的有益效果在于：采用本方法可以对瓷绝缘子声学振动法检测数据中的噪声进行有效滤除，提高分类的准确性。
附图说明
图1是一维小波分解流程示意图；
图2是小波分解降噪过示意图；
图3是带噪声的正弦信号的示意图；
图4是带噪声的信号小波分解示意图；
图5去噪后的信号示意图；
图6为未降噪的绝缘子原始时域信号；
图7是对图6进行FFT变换后的频谱图；
图8是对图6进行降噪后的时域信号；
图9是对图8进行FFT变换后的频谱图。
具体实施方式
下面结合一个例子对本发明小波分解阈值去噪方法进行详细说明。
本发明提供一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据去噪方法，为后续的数据分类提供可靠的数据基础。
如图3，一个正弦信号，经过一段时间的采样后有随机噪声进入：
为了对混入的噪声进行去除，本发明将含有噪声信号的正弦波选用db3小波进行6阶分解。基于db3小波的分解滤波器为一个低通滤波器和一个高通滤波器，此步骤即是将含噪声的正弦信号变换分解到小波域，进行多分辨率小波分解，由于正弦信号和噪声经小波分解后呈现不同的特性，从而能将正弦波和噪声干扰进行分离。由于小波变换是线性变换，对含噪声正弦信号做离散小波变换后的小波系数仍由两部分组成，一部分是正弦信号对应的小波系数，另一部分时噪声对应的小波系数。基于有用信号和噪声在变换后具有不同的统计特征，有用信号的能量对应着幅值较大的小波系数，噪声能量则对应着幅值较小的小波系数，并分散在小波变换后的所有系数中，如图4。由小波分解与重构快速算法（Mallet算法）可知，分解滤波的过程表示为：
其中
为小波系数，为尺度系数，h,j为正交镜像滤波器组，h为低通滤波器，g为高通滤波器，j为分层书，N为离散采样点的数目。
分析多分辨率小波分解的不同分解层的小波系数特点，合理选择阈值函数即阈值，对小波系数进行处理，从而将正弦波和噪声部分分离，得到去噪后的小波系数；最后对去噪后的小波系数和尺度系数进行重构，恢复出纯净的不含噪声的正弦信号，去噪后的信号波形如图5。
基于小波分解阈值去噪效果的好坏取决于小波基的选择，小波分解层数的确定以及阈值函数和阈值估计方法的选取，其中最重要的因素就是如何选择阈值函数及确定阈值。常用的阈值函数去噪方法有硬阈值法和软阈值法两种。两种方法不同之处在于硬阈值法对大于所涉阈值的小波系数不做处理，而软阈值发则根据阈值对小波系数进行处理修正。具体如下所示：
硬阈值法：
由公式可知，对于小于阈值的小波系数，硬阈值法使其强制归零，而对于大于阈值的小波系数，则不对其做任何处理。
软阈值法：
由公式可知，对于小于阈值的小波系数，软阈值法同样使其强制归零，而对于大于阈值的小波系数，则对其做修正处理。
由于噪声是随机的不可预知的信号，在实际去噪过程中必须对阈值进行估计。常用的有四种阈值选择方法：
a) 固定阈值：阈值；
b) 基于史坦的无偏似然院里的自适应阈值选择：对于一个给定的阈值t，首先得到它的最大似然估计，再将这个非似然t最小化，即得到所需要的阈值；
c) 启发式阈值：前两种阈值选择方式的综合，基于最优预测变量的阈值选取；
d) 极大值极小阈值：采用一种固定的阈值，此阈值将使得最小均方误差最小。因为待去噪函数可以被认为和未知的去噪后的函数估计式相似，所以可以在一个给定的函数集中实现最小均方差的最小化。
另外，去噪分全局阈值去噪和分层阈值去噪两种。阈值全局去噪就是对各级小波分解的得到的高频小波系数采用同一阈值进行滤波，而分层阈值去噪即是对小波分解的每一层都选取一个阈值进行滤波。理论上讲，分层滤波根据各层系数选择合适的阈值进行滤噪，能更有效的去除噪声。
小波重构是对去噪后的尺度系数和小波系数进行重构，从而变换为时域信号。小波重构过程也是通过重构滤波器实现的，重构滤波器包括低通滤波器和高通滤波器，重构过程具体表示为：
其中
为尺度系数，
为小波系数，为重构低通滤波器，为重构高通滤波器，j为分层数。
小波变换相当于滤波器组，分别包括低通滤波器组和高通滤波器组。含噪声的瓷绝缘子振动声学检测信号通过低通滤波器后的输出值为尺度系数，反映了信号的低频信息，而含噪声的瓷绝缘子振动声学检测信号与高通滤波器卷积得到的输出值为小波系数，反映了信号的高频信息。而小波变换通常将噪声变换到高频区域并集中于该区域，所以选取合适的阈值函数及阈值对高频段的小波系数进行处理，之后小波重构滤波器将尺度系数和小波系数进行重构，即可恢复出消噪信号。
在实际检测中发现一些瓷绝缘子的声学振动检测信号具有缺陷特征。同时保留有绝缘子正常时的频谱。将检测绝缘子获取的声学振动信号分解在不同的频带上，选择不同的阈值进行降噪处理，剔除噪声，使检测结果更准确性高。对河北南部电网某变电站2012年的128个瓷绝缘子振动声学检测数据小波分解降噪处理后进行人工神经网络识别，其准确率相对于不进行降噪即进行人工神经网络识别的准确率提升了13%。附图6-9为某支瓷绝缘子振动声学检测原始数据与处理后数据的对比，从附图7-9可知采用本发明方法可以有效的进行消噪，从而提高分类准确性。
Claims (4)
1.一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其特征在于：所述方法包括以下步骤：
1）使用振动声学法对瓷绝缘子进行检测，获取含噪声的瓷绝缘子振动响应信号；
2）对含噪声的瓷绝缘子振动响应信号选择合适的小波基函数后进行多分辨率小波分解，将振动响应从时域变换到小波域；
3)选取阈值函数和阈值，将噪声所对应的小波系数按阈值函数进行处理；
4) 进行小波重构，将经过去噪处理后的振动响应从小波域变换回时域；
5）存储经过去噪处理的振动响应。
2.根据权利要求１所述的基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其特征在于：所述步骤2）中的小波基函数为db4小波基函数；所述小波分解是基于多分辨分析的快速算法。
3.根据权利要求2所述的基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其特征在于：所述快速算法为小波分析法或者小波包分析法，其对各层的小波系数进行分解。
4.根据权利要求１所述的基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法，其特征在于：所述步骤3）中的阈值函数和阈值选取方法包括软阈值法或硬阈值法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012104582197A CN102928517A (zh) | 2012-11-15 | 2012-11-15 | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012104582197A CN102928517A (zh) | 2012-11-15 | 2012-11-15 | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102928517A true CN102928517A (zh) | 2013-02-13 |
Family
ID=47643367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012104582197A Pending CN102928517A (zh) | 2012-11-15 | 2012-11-15 | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102928517A (zh) |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103961092A (zh) * | 2014-05-09 | 2014-08-06 | 杭州电子科技大学 | 基于自适应阈值处理的脑电信号去噪方法 |
| CN105205788A (zh) * | 2015-07-22 | 2015-12-30 | 哈尔滨工业大学深圳研究生院 | 一种针对高通量基因测序图像的去噪方法 |
| CN106645424A (zh) * | 2016-12-09 | 2017-05-10 | 四川西南交大铁路发展股份有限公司 | 一种钢轨裂纹在线监测噪声滤除和裂纹判定方法及其系统 |
| CN107369162A (zh) * | 2017-07-21 | 2017-11-21 | 华北电力大学（保定） | 一种绝缘子候选目标区域的生成方法及系统 |
| CN108920420A (zh) * | 2018-03-23 | 2018-11-30 | 同济大学 | 一种适用于驾驶性评价试验数据处理的小波去噪方法 |
| CN109271971A (zh) * | 2018-11-02 | 2019-01-25 | 广东工业大学 | 一种用于时序金融数据的降噪方法 |
| CN109978874A (zh) * | 2019-04-02 | 2019-07-05 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
| CN110057586A (zh) * | 2019-04-25 | 2019-07-26 | 长江大学 | 轴承故障振动信号Schatten改进小波包与重构降噪方法 |
| CN110457787A (zh) * | 2019-07-25 | 2019-11-15 | 天津大学青岛海洋技术研究院 | 一种海洋平台导管架探伤检测方法 |
| CN110598166A (zh) * | 2019-09-18 | 2019-12-20 | 河海大学 | 一种自适应确定小波分层级数的小波去噪方法 |
| CN110609088A (zh) * | 2019-11-04 | 2019-12-24 | 云南电网有限责任公司电力科学研究院 | 一种支柱绝缘子故障识别方法及装置 |
| CN111931008A (zh) * | 2020-08-10 | 2020-11-13 | 张峻豪 | 一种视觉传达设计信息管理系统 |
| CN112255316A (zh) * | 2020-09-23 | 2021-01-22 | 南昌航空大学 | 镍基高温合金增材制造构件微小缺陷超声信号增强方法 |
| CN112975980A (zh) * | 2021-03-09 | 2021-06-18 | 扬州哈工科创机器人研究院有限公司 | 小波变换在六轴机械臂去抖的应用 |
| CN113188461A (zh) * | 2021-05-06 | 2021-07-30 | 山东大学 | 一种高空间分辨率下的ofdr大应变测量方法 |
| CN113221828A (zh) * | 2021-05-31 | 2021-08-06 | 煤炭科学研究总院 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
| CN113239868A (zh) * | 2021-05-31 | 2021-08-10 | 煤炭科学研究总院 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
| CN113589253A (zh) * | 2021-08-17 | 2021-11-02 | 南昌大学 | 一种基于伪时域的小波变换算法对微弱回波信号进行检测的方法 |
| CN113628627A (zh) * | 2021-08-11 | 2021-11-09 | 广东电网有限责任公司广州供电局 | 一种基于结构化语音分析的电力行业客户服务质检系统 |
| CN113947121A (zh) * | 2021-10-19 | 2022-01-18 | 山东农业大学 | 基于模极大值降噪评估的小波基函数选择方法及系统 |
| CN114153824A (zh) * | 2020-09-08 | 2022-03-08 | 大连理工大学 | 数据去噪方法、装置、计算机可读存储介质及电子设备 |
| CN114355348A (zh) * | 2022-01-10 | 2022-04-15 | 交通运输部路网监测与应急处置中心 | Sar干涉图小波降噪处理方法及其处理装置 |
| CN114461975A (zh) * | 2022-01-27 | 2022-05-10 | 无锡科晟光子科技有限公司 | 基于小波变换去噪的光纤测音方法 |
| CN114492538A (zh) * | 2022-02-16 | 2022-05-13 | 国网江苏省电力有限公司宿迁供电分公司 | 一种城市中压配电电缆局部放电信号去噪方法 |
| CN116449257A (zh) * | 2023-04-25 | 2023-07-18 | 江苏安世朗智能科技有限公司 | 一种基于5g技术的干式变压器检测预警系统 |
| CN116588282A (zh) * | 2023-07-17 | 2023-08-15 | 青岛哈尔滨工程大学创新发展中心 | 一种auv智能运维系统及方法 |
| CN118410415A (zh) * | 2024-06-18 | 2024-07-30 | 安徽大学 | 基于MP-Convformer并行网络的电力系统故障诊断方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004226352A (ja) * | 2003-01-27 | 2004-08-12 | Univ Chiba | キャビティーとそのキャビティーを使用した共鳴超音波スペクトロスコピー装置 |
| CN1808113A (zh) * | 2005-01-21 | 2006-07-26 | 宝山钢铁股份有限公司 | 一种利用超声波检测轧辊内部缺陷的方法 |
| CN101082603A (zh) * | 2007-07-12 | 2007-12-05 | 哈尔滨工业大学 | 超声检测信号中复杂成分噪声的抑制方法 |
| CN102095802A (zh) * | 2009-12-14 | 2011-06-15 | 黑龙江省电力科学研究院 | 一种基于振动声学的支柱绝缘子裂纹的检测方法 |
| CN102455327A (zh) * | 2010-10-18 | 2012-05-16 | 河南工业大学 | 基于小波变换的粮食及油料声信号特征提取方法和系统 |
-
2012
- 2012-11-15 CN CN2012104582197A patent/CN102928517A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004226352A (ja) * | 2003-01-27 | 2004-08-12 | Univ Chiba | キャビティーとそのキャビティーを使用した共鳴超音波スペクトロスコピー装置 |
| CN1808113A (zh) * | 2005-01-21 | 2006-07-26 | 宝山钢铁股份有限公司 | 一种利用超声波检测轧辊内部缺陷的方法 |
| CN101082603A (zh) * | 2007-07-12 | 2007-12-05 | 哈尔滨工业大学 | 超声检测信号中复杂成分噪声的抑制方法 |
| CN102095802A (zh) * | 2009-12-14 | 2011-06-15 | 黑龙江省电力科学研究院 | 一种基于振动声学的支柱绝缘子裂纹的检测方法 |
| CN102455327A (zh) * | 2010-10-18 | 2012-05-16 | 河南工业大学 | 基于小波变换的粮食及油料声信号特征提取方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 李红玲等: "小波变换去噪在绝缘子污秽放电声发射监测中的应用", 《电力系统保护与控制》, vol. 38, no. 6, 16 March 2010 (2010-03-16) * |
| 赵汉表等: "小波变换在绝缘子泄露电流检测中的应用", 《高电压技术》, vol. 31, no. 4, 30 April 2005 (2005-04-30), pages 34 - 36 * |
Cited By (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103961092B (zh) * | 2014-05-09 | 2016-08-24 | 杭州电子科技大学 | 基于自适应阈值处理的脑电信号去噪方法 |
| CN103961092A (zh) * | 2014-05-09 | 2014-08-06 | 杭州电子科技大学 | 基于自适应阈值处理的脑电信号去噪方法 |
| CN105205788A (zh) * | 2015-07-22 | 2015-12-30 | 哈尔滨工业大学深圳研究生院 | 一种针对高通量基因测序图像的去噪方法 |
| CN105205788B (zh) * | 2015-07-22 | 2018-06-01 | 哈尔滨工业大学深圳研究生院 | 一种针对高通量基因测序图像的去噪方法 |
| CN106645424B (zh) * | 2016-12-09 | 2020-01-17 | 四川西南交大铁路发展股份有限公司 | 一种钢轨裂纹在线监测噪声滤除和裂纹判定方法 |
| CN106645424A (zh) * | 2016-12-09 | 2017-05-10 | 四川西南交大铁路发展股份有限公司 | 一种钢轨裂纹在线监测噪声滤除和裂纹判定方法及其系统 |
| CN107369162A (zh) * | 2017-07-21 | 2017-11-21 | 华北电力大学（保定） | 一种绝缘子候选目标区域的生成方法及系统 |
| CN107369162B (zh) * | 2017-07-21 | 2020-07-10 | 华北电力大学（保定） | 一种绝缘子候选目标区域的生成方法及系统 |
| CN108920420A (zh) * | 2018-03-23 | 2018-11-30 | 同济大学 | 一种适用于驾驶性评价试验数据处理的小波去噪方法 |
| CN109271971A (zh) * | 2018-11-02 | 2019-01-25 | 广东工业大学 | 一种用于时序金融数据的降噪方法 |
| CN109978874A (zh) * | 2019-04-02 | 2019-07-05 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
| CN109978874B (zh) * | 2019-04-02 | 2023-03-14 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
| CN110057586B (zh) * | 2019-04-25 | 2020-10-30 | 长江大学 | 轴承故障振动信号Schatten改进小波包与重构降噪方法 |
| CN110057586A (zh) * | 2019-04-25 | 2019-07-26 | 长江大学 | 轴承故障振动信号Schatten改进小波包与重构降噪方法 |
| CN110457787A (zh) * | 2019-07-25 | 2019-11-15 | 天津大学青岛海洋技术研究院 | 一种海洋平台导管架探伤检测方法 |
| CN110598166A (zh) * | 2019-09-18 | 2019-12-20 | 河海大学 | 一种自适应确定小波分层级数的小波去噪方法 |
| CN110609088A (zh) * | 2019-11-04 | 2019-12-24 | 云南电网有限责任公司电力科学研究院 | 一种支柱绝缘子故障识别方法及装置 |
| CN110609088B (zh) * | 2019-11-04 | 2022-08-26 | 云南电网有限责任公司电力科学研究院 | 一种支柱绝缘子故障识别方法及装置 |
| CN111931008A (zh) * | 2020-08-10 | 2020-11-13 | 张峻豪 | 一种视觉传达设计信息管理系统 |
| CN114153824A (zh) * | 2020-09-08 | 2022-03-08 | 大连理工大学 | 数据去噪方法、装置、计算机可读存储介质及电子设备 |
| CN114153824B (zh) * | 2020-09-08 | 2024-09-06 | 大连理工大学 | 数据去噪方法、装置、计算机可读存储介质及电子设备 |
| CN112255316A (zh) * | 2020-09-23 | 2021-01-22 | 南昌航空大学 | 镍基高温合金增材制造构件微小缺陷超声信号增强方法 |
| CN112975980A (zh) * | 2021-03-09 | 2021-06-18 | 扬州哈工科创机器人研究院有限公司 | 小波变换在六轴机械臂去抖的应用 |
| CN113188461B (zh) * | 2021-05-06 | 2022-05-17 | 山东大学 | 一种高空间分辨率下的ofdr大应变测量方法 |
| CN113188461A (zh) * | 2021-05-06 | 2021-07-30 | 山东大学 | 一种高空间分辨率下的ofdr大应变测量方法 |
| CN113221828B (zh) * | 2021-05-31 | 2022-03-08 | 煤炭科学研究总院 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
| CN113239868A (zh) * | 2021-05-31 | 2021-08-10 | 煤炭科学研究总院 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
| CN113221828A (zh) * | 2021-05-31 | 2021-08-06 | 煤炭科学研究总院 | 一种爆破震动响应信号的去噪方法、装置及电子设备 |
| CN113628627A (zh) * | 2021-08-11 | 2021-11-09 | 广东电网有限责任公司广州供电局 | 一种基于结构化语音分析的电力行业客户服务质检系统 |
| CN113628627B (zh) * | 2021-08-11 | 2022-06-14 | 广东电网有限责任公司广州供电局 | 一种基于结构化语音分析的电力行业客户服务质检系统 |
| CN113589253B (zh) * | 2021-08-17 | 2024-06-04 | 南昌大学 | 一种基于伪时域的小波变换算法对微弱回波信号进行检测的方法 |
| CN113589253A (zh) * | 2021-08-17 | 2021-11-02 | 南昌大学 | 一种基于伪时域的小波变换算法对微弱回波信号进行检测的方法 |
| CN113947121A (zh) * | 2021-10-19 | 2022-01-18 | 山东农业大学 | 基于模极大值降噪评估的小波基函数选择方法及系统 |
| CN114355348A (zh) * | 2022-01-10 | 2022-04-15 | 交通运输部路网监测与应急处置中心 | Sar干涉图小波降噪处理方法及其处理装置 |
| CN114461975A (zh) * | 2022-01-27 | 2022-05-10 | 无锡科晟光子科技有限公司 | 基于小波变换去噪的光纤测音方法 |
| CN114492538B (zh) * | 2022-02-16 | 2023-09-05 | 国网江苏省电力有限公司宿迁供电分公司 | 一种城市中压配电电缆局部放电信号去噪方法 |
| CN114492538A (zh) * | 2022-02-16 | 2022-05-13 | 国网江苏省电力有限公司宿迁供电分公司 | 一种城市中压配电电缆局部放电信号去噪方法 |
| CN116449257A (zh) * | 2023-04-25 | 2023-07-18 | 江苏安世朗智能科技有限公司 | 一种基于5g技术的干式变压器检测预警系统 |
| CN116588282A (zh) * | 2023-07-17 | 2023-08-15 | 青岛哈尔滨工程大学创新发展中心 | 一种auv智能运维系统及方法 |
| CN116588282B (zh) * | 2023-07-17 | 2023-10-13 | 青岛哈尔滨工程大学创新发展中心 | 一种auv智能运维系统及方法 |
| CN118410415A (zh) * | 2024-06-18 | 2024-07-30 | 安徽大学 | 基于MP-Convformer并行网络的电力系统故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102928517A (zh) | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 | |
| CN107994866B (zh) | 直流电弧故障检测的方法、装置、设备及存储介质 | |
| CN104765979B (zh) | 一种基于集成经验模态分解的海杂波去噪方法 | |
| CN112395992B (zh) | 一种基于改进小波阈值的电力谐波信号去噪方法 | |
| CN106199532B (zh) | 基于混合傅立叶-小波分析的探地雷达信号降噪方法 | |
| CN109001703A (zh) | 一种基于小波包多阈值处理的海杂波去噪办法 | |
| CN102818629A (zh) | 基于平稳小波变换的微型光谱仪信号去噪方法 | |
| CN108594177A (zh) | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 | |
| CN108921014A (zh) | 一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法 | |
| CN109871733A (zh) | 一种自适应海杂波信号去噪方法 | |
| CN104635223A (zh) | 基于经验模式分解与分数阶傅里叶变换的激光回波去噪方法 | |
| CN102393423A (zh) | 基于自适应阈值正交小波变换的兰姆波去噪方法 | |
| CN111769810B (zh) | 一种基于能量峭度谱的流体机械调制频率提取方法 | |
| CN109446975A (zh) | 多尺度噪声调节随机共振的微弱信号检测 | |
| CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
| CN111553308A (zh) | 一种电力变压器局部放电信号的重构方法 | |
| CN103932687A (zh) | 一种脉象信号预处理方法和装置 | |
| CN102735759A (zh) | 一种基于脊的兰姆波信号去噪方法 | |
| CN103578466A (zh) | 基于分数阶傅里叶变换的语音非语音检测方法 | |
| CN107123431A (zh) | 一种水声信号降噪方法 | |
| CN103954697B (zh) | 一种基于分数阶微分的兰姆波去噪方法 | |
| CN107941511B (zh) | 一种基于信号时频分解的频率—峭度图的实现方法 | |
| Liu et al. | A novel signal separation algorithm for wideband spectrum sensing in cognitive networks | |
| CN117571316A (zh) | 一种复合故障诊断方法及系统 | |
| CN105652166B (zh) | 一种用于局放在线监测的加权阈值小波降噪方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130213 |