CN109117780A - 噪声消除方法和系统 - Google Patents

噪声消除方法和系统 Download PDF

Info

Publication number
CN109117780A
CN109117780A CN201810888643.2A CN201810888643A CN109117780A CN 109117780 A CN109117780 A CN 109117780A CN 201810888643 A CN201810888643 A CN 201810888643A CN 109117780 A CN109117780 A CN 109117780A
Authority
CN
China
Prior art keywords
signal
electric signal
noise
wavelet
electric
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
Application number
CN201810888643.2A
Other languages
English (en)
Inventor
靳松
吕天成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201810888643.2A priority Critical patent/CN109117780A/zh
Publication of CN109117780A publication Critical patent/CN109117780A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Monitoring And Testing Of Exchanges (AREA)

Abstract

本发明实施例公开了一种噪声消除方法和系统，所述方法包括：对获取到的原始电信号进行预处理，确定第一电信号；将所述第一电信号进行循环平移，以获取第二电信号；应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号；应用平移不变小波反变换重构所述第三电信号；循环反平移所述第三电信号，确定目标输出信号。消除了信号中的噪声，保持了信号的光滑性，使处理后的信号更接近真实信号。

Description

噪声消除方法和系统
技术领域
本发明实施例涉及信号处理技术，尤其涉及一种噪声消除方法和系统。
背景技术
通常情况下，信号中的噪声会对信号的应用以及信号的分析处理产生很大的影响，因此，消除信号中的噪声意义重大。
目前消除噪声的方法通常是小波分析法，小波分析法由于其良好的时频分辨特性，适合于处理非平稳信号，在消噪中得到了广泛的应用。然而小波消噪仅进行简单的小波系数收缩，未考虑小波系数在各信号尺度间的相关性，从而损失了部分重要的信息，并不能全面描述原始信号特征。
发明内容
本发明实施例提供一种噪声消除方法和系统，消除了信号中的噪声，保持了信号的光滑性，使处理后的信号更接近真实信号。
第一方面，本发明实施例提供了一种噪声消除方法，该方法包括：
对获取到的原始电信号进行预处理，确定第一电信号；
将所述第一电信号进行循环平移，以获取第二电信号；
应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号；
应用平移不变小波反变换重构所述第三电信号；
循环反平移所述第三电信号，确定目标输出信号。
进一步的，所述对获取到的原始电信号进行预处理，确定第一电信号，包括：
通过截取原始电信号中的有效电信号确定第一电信号。
进一步的，应用平移不变小波变换对所述第二电信号进行处理，包括：
将所述第二电信号按照信号尺度进行分解，其中，所述信号尺度为预先设定。
进一步的，将所述第一电信号进行循环平移，包括：
保持所述第一电信号波形不变，将所述第一电信号平移设定数量的时间单位。
进一步的，所述目标参数与所述信号尺度相对应。
第二方面，本发明实施例还提供了一种噪声消除系统，该系统包括：
信号预处理模块，用于对获取到的原始电信号进行预处理，确定第一电信号；
循环平移模块，用于将所述第一电信号进行循环平移，以获取第二电信号；
获取模块，用于应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号；
信号重构模块，用于应用平移不变小波反变换重构所述第三电信号；
信号确定模块，用于循环反平移所述第三电信号，确定目标输出信号。
进一步的，所述信号预处理模块具体用于：
通过截取原始电信号中的有效电信号确定第一电信号。
进一步的，所述获取模块具体用于：
将所述第二电信号按照信号尺度进行分解，其中，所述信号尺度为预先设定。
进一步的，所述循环平移模块具体用于：
保持所述第一电信号波形不变，将所述第一电信号平移设定数量的时间单位。
进一步的，所述目标参数与所述信号尺度相对应。
本发明实施例中，通过对获取到的原始电信号进行预处理，确定第一电信号；将所述第一电信号进行循环平移，以获取第二电信号；应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号；应用平移不变小波反变换重构所述第三电信号；循环反平移所述第三电信号，确定目标输出信号。消除了信号中的噪声，保持了信号的光滑性，使处理后的信号更接近真实信号。
附图说明
图1a是本发明实施例一中的一种噪声消除方法的流程图；
图1b是本发明实施例一种所适用的一种原始衰减震荡型脉冲信号频谱图；
图1c是本发明实施例一种所适用的一种染噪信号频谱图；
图1d是本发明实施例一种所适用的一种penalty阈值消噪频谱图；
图1e是本发明实施例一种所适用的一种Birge-Massart阈值消噪频谱图；
图1f是本发明实施例一种所适用的一种缺省阈值消噪频谱图；
图1g是本发明实施例一种所适用的一种采用不同Sym小波基消噪后的SNR；
图1h是本发明实施例一种所适用的一种采用不同Sym小波基消噪后的 RMSE；
图1i是本发明实施例一种所适用的一种采用不同分解层数消噪后的SNR；
图1j是本发明实施例一种所适用的一种采用不同分解层数消噪后的RMSE；
图1k是本发明实施例一种所适用的一种平稳小波迹阈值消噪后频谱图；
图1l是现有技术中的一种小波包消噪频谱图；
图1m是现有技术中的一种小波消噪频谱图；
图1n是本发明实施例一种所适用的一种现场原始信号放电频谱图；
图1o是本发明实施例一种所适用的一种平稳小波迹阈值消噪后频谱图；
图1p是现有技术中的一种Sym9小波包消噪频谱图；
图1q是现有技术中的一种Sym9小波消噪频谱图；
图2是本发明实施例二中的一种噪声消除系统的结构示意图，
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
小波变换是时间(空间)、频率的局部化分析，它通过伸缩平移运算对信号 (函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题。
本发明实施例中应用的小波迹方法建立在小波变换的基础之上，根据小波变换后的小波系数构造小波迹字典，其中，小波迹字典中存储有目标参数，再利用小波迹字典与信号尺度的关系描述信号特征。小波迹字典内的小波迹能有效去除小波系数在各信号尺度之间的相关性，具有良好的特征保持性。目前小波迹方法在信号的消噪、压缩及去卷积方面都表现出良好的效果。
实施例一
图1a为本发明实施例一提供的一种噪声消除方法的流程图。参考图1a，该方法具体可以包括如下步骤：
步骤11、对获取到的原始电信号进行预处理，确定第一电信号。
具体的，获取原始电信号，其中，原始电信号可以是变压器局部放电信号，还可以是其他任何形式的震荡信号，震荡现象可以是人为产生，也可以是非人为产生。可选的，局部放电信号是指由于线路故障或外界天气原因等造成的不正常放电。对获取到的原始电信号进行预处理来确定第一电信号。在一个具体的例子中，第一电信号用St表示。
步骤12、将所述第一电信号进行循环平移，以获取第二电信号。
其中，将St进行循环平移，来获取第二电信号，在一个具体的例子中，第二电信号记为可选的，将所述第一电信号St进行循环平移时，保持所述第一电信号St波形不变，将第一电信号St平移设定数量的时间单位，设定数量的时间单位可以是m位。循环平移是指，在信号平移的过程中，可以多次平移至初始位置，具体不做限定。
步骤13、应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号。
具体的，应用平移不变小波变换对第二电信号进行处理，包括：将第二电信号按照信号尺度J进行分解，其中，所述信号尺度为预先设定。在一个具体的例子中，信号尺度可以是时间尺度、空间尺度、时域尺度、频域尺度或复频域尺度等。应用平移小波变换构造出小波迹字典，其中，小波迹字典中存储有目标参数，在小波迹域内实现信号与噪声的分离。该步骤中利用了小波变换的平移不变特性，该特性是指，在平移过程中，信号的特性不发生任何改变。
进一步的，所述目标参数与所述信号尺度相对应。具体的，目标参数和信号尺度对应是指，特定的目标参数属于特定的信号尺度，而通过隶属于不同信号尺度的目标参数的判断，可将噪声信号进行分离。
步骤14、应用平移不变小波反变换重构所述第三电信号。
具体的，进行平移不变小波变换，重构消除噪声后的第三电信号。由于上述步骤中对第二电信号进行了分解，因此，在去除噪声信号之后，还需要将第二电信号进行还原，具体地点操作方法是对第三电信号进行重构。需要注意的是，在重构过程中，采用的具体的方法应与在分解过程中采用的方法一致，提高了确定目标输出信号的准确性。
步骤15、循环反平移所述第三电信号，确定目标输出信号。
其中，对第三电信号进行循环反平移，得到相应的输出信号Scs。在一个具体的例子中，平移变换后得到了与原始电信号具有一定相位差异的新信号，去除了小波变换在奇异点的特殊性，从而消除了随机振荡现象。此外，信号平均的过程具有优越的消噪性，保持了信号的光滑性，能够较好的逼近真实信号。
本发明实施例中，通过对获取到的原始电信号进行预处理，确定第一电信号；将所述第一电信号进行循环平移，以获取第二电信号；应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号；应用平移不变小波反变换重构所述第三电信号；循环反平移所述第三电信号，确定目标输出信号。消除了信号中的噪声，使保持了信号的光滑性，使处理后的信号更好的接近真实信号。
可选的，所述对获取到的原始电信号进行预处理，确定第一电信号，包括：通过截取原始电信号中的有效电信号确定第一电信号。具体的，采集到的原始信号中，某些设定的时间段内可能无信号产生，因此，对原始信号进行截取，将截取的有效信号确定为第一电信号。
本发明实施例中，基于平移不变小波迹的消噪方法结合了小波迹和平移不变方法的特点，利用时域平移得到与原始信号具有一定相位差的新信号，从而改变信号中奇异点的位置，降低或消除奇异点位置的特殊性所引起的振荡现象。
为了使本发明的技术方案更容易理解，下面对特定的应用场景中噪声产生的原因进行说明。
由于小波域内缺乏平移不变性，而小波迹以小波变换为基础，同样表现出小波基的平移依赖性，消噪后会使信号的剧烈变化部分产生伪吉布斯现象，造成信号振荡失真。为了消除这种振荡现象，可以利用循环平移的方法对信号进行处理，消除小波变换在奇异点的特殊性，从而达到去除随机振荡的目的。本发明提出的噪声消除方法还可以适用于变压器局部放电的场景中。在利用小波方法进行信号消噪过程中，人为振荡现象主要出现在信号奇异点的附近。在奇异点附近，小波消噪会表现出伪吉布斯现象，重构后的信号在奇异点附近出现较大的峰值，这些峰值不是原始信号本身包含的，而是在消噪过程中产生的人为干扰。由于小波变换的局部化特征，其振荡幅度与奇异点的位置紧密相关。小波迹方法建立在小波方法基础之上，同样会表现出人为的振荡现象。
为了使本发明的技术方案更容易理解，首先从实验模拟的角度用一个具体的例子来说明本发明实施例中提供的技术方案的效果。
该例子的应用场景为变压器局部放电，应用在变电站局部放电在线监测系统中采集得到的现场局部放电信号，由于局部放电信号为高频信号，信号从放电源沿变压器绕组传播到传感器的过程会产生很大的振荡和衰减，因此现场检测到的局部放电信号多为衰减振荡型脉冲信号。现场监测局部放电信号受窄带干扰及白噪声干扰的影响较为严重。白噪声主要包括通信线路中的各种随机噪声。窄带周期性干扰主要包括无线电通信、高频保护、载波通信和高次谐波等。其中，高频保护和载波通信信号频率范围在30kHz-500kHz，无线电干扰通信信号频率范围在500kHz以上。为模拟现场真实局部放电信号，给仿真信号叠加窄带干扰以及白噪声。通过matlab仿真染噪信号，根据信号特点，分别对阈值、小波基和分解层数进行比较，选择最适合处理局部放电信号的参数，并将本发明实施例中的方法与小波包消噪方法和小波消噪方法进行比较。
本发明提出的方法能够有效去除变压器局部放电的干扰信号，在固定小波基和分解层数的前提下，与小波消噪的小波包消噪相比，在仿真信号中，此方法消噪后有较高的信号信噪比(SNR)与较低的均方根误差(RMSE)，在实测信号中，此方法消噪后有较高的噪声抑制比(NRR)，说明消噪效果更好。
图1b示出了一种原始衰减震荡型脉冲信号频谱图，图1c示出了一种染噪信号频谱图，其中，染噪是指人为模拟加入的噪声信号，由于该例子中的原始信号为通过软件算法模拟所得，因此，染噪操作是通用的。图1d示出了一种 penalty阈值消噪频谱图，图1e示出了一种Birge-Massart阈值消噪频谱图，图 1f示出了一种缺省阈值消噪频谱图，表1为图1d、图1e和图1f的结果比较，通过表1可以看出，Birge-Massart阈值参数的效果优于penalty阈值参数和缺省阈值参数。因此，在本发明实施例中的目标参数可以选用Birge-Massart阈值参数。
表1不同阈值消噪法中SNR和RMSE结果比较
阈值消噪方法 SNR/dB RMSE/dB
penalty阈值 10.5712 0.5584
Birge-Massart阈值 12.6341 0.4404
缺省阈值 9.8716 0.6053
图1g示出了一种采用不同Sym小波基消噪后的SNR，图1h示出了一种采用不同Sym小波基消噪后的RMSE，通过图1g和图1h确定目标参数中的小波基。图1i示出了一种采用不同分解层数消噪后的SNR，图1j示出了一种采用不同分解层数消噪后的RMSE，通过图1i和图1j确定目标参数中的分解层数。图1k示出了一种平稳小波迹阈值消噪后频谱图，也即，应用本发明实施例提供的技术方案处理原始噪声信号后的频谱图。图1l示出了现有技术中的一种小波包消噪频谱图，图1m示出了现有技术中的一种小波消噪频谱图，表2为图1k、图1l和图1m的结果比较，通过表2可以看出，平稳小波迹阈值消噪的效果更好，也即，本发明实施例提供的方法在噪声消除中有比现有技术中的方法更好的效果。
表2不同消噪法中SNR和RMSE结果比较
消噪方法 SNR/dB RMSE/dB
小波消噪 14.9197 0.3385
小波包消噪 10.4508 0.5662
平稳小波迹消噪 15.1631 0.3119
其次，从实际应用的角度用一个具体的例子来说明本发明实施例中提供的技术方案的效果。该例子中，对在变电站局部放电在线监测系统中采集得到的放电信号进行处理。
图1n示出了一种现场原始信号放电频谱图，通过图1n可以看出，出该放电信号受各种因素干扰比较明显。利用Sym9小波包消噪方法、Sym9小波消噪方法和本文方法对该信号进行消噪处理。由于现场局部放电信号未知，无法通过信号的信噪比和均方差来进行量化分析，本发明实施例中通过计算信号滤波前后的噪声抑制比NRR来衡量消噪质量。NRR表示为： 和分别为消噪前后信号的方差，NRR反映了消噪后有效信号的凸显程度。
图1o示出了一种平稳小波迹阈值消噪后频谱图，也即，应用本发明实施例提供的技术方案处理原始噪声信号后的频谱图，图1p示出了现有技术中的一种 Sym9小波包消噪频谱图，图1q示出了现有技术中的一种Sym9小波消噪频谱图。表3为图1o、图1p和图1q的结果比较，通过表3可以看出，小波消噪和小波包消噪后信号仍存在比较明显的振荡现象，本发明实施例提供的技术方案中，平稳小波迹方法消噪后，信号无明显振荡现象，对于幅值较小的脉冲信号也能够有效识别，相对于小波消噪方法，本发明实施例提供的平稳小波迹方法具有较高的噪声抑制比，消噪效果优于传统小波方法。
表3现场信号消噪后NRR结果比较
消噪方法 NRR/dB
小波消噪 6.0866
小波包消噪 3.6204
平稳小波迹消噪 13.9295
实施例二
图2是本发明是实施例二提供的一种噪声消除系统的结构示意图，该系统装置适用于执行本发明实施例提供给的一种噪声消除方法。如图2所示，该装置具体可以包括：
信号预处理模块21，用于对获取到的原始电信号进行预处理，确定第一电信号；
循环平移模块22，用于将所述第一电信号进行循环平移，以获取第二电信号；
获取模块23，用于应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号；
信号重构模块24，用于应用平移不变小波反变换重构所述第三电信号；
信号确定模块25，用于循环反平移所述第三电信号，确定目标输出信号。
进一步的，信号预处理模块21具体用于：
通过截取原始电信号中的有效电信号确定第一电信号。
进一步的，其特征在于，获取模块23具体用于：
将所述第二电信号按照信号尺度进行分解，其中，所述信号尺度为预先设定。
进一步的，循环平移模块22具体用于：
保持所述第一电信号波形不变，将所述第一电信号平移设定数量的时间单位。
进一步的，所述目标参数与所述信号尺度相对应。
本发明实施例提供的噪声消除系统可执行本发明任意实施例提供的噪声消除方法，具备执行方法相应的功能模块和有益效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种噪声消除方法，其特征在于，包括：
对获取到的原始电信号进行预处理，确定第一电信号；
将所述第一电信号进行循环平移，以获取第二电信号；
应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号；
应用平移不变小波反变换重构所述第三电信号；
循环反平移所述第三电信号，确定目标输出信号。
2.根据权利要求1所述的方法，其特征在于，所述对获取到的原始电信号进行预处理，确定第一电信号，包括：
通过截取原始电信号中的有效电信号确定第一电信号。
3.根据权利要求1所述的方法，其特征在于，应用平移不变小波变换对所述第二电信号进行处理，包括：
将所述第二电信号按照信号尺度进行分解，其中，所述信号尺度为预先设定。
4.根据权利要求1所述的方法，其特征在于，将所述第一电信号进行循环平移，包括：
保持所述第一电信号波形不变，将所述第一电信号平移设定数量的时间单位。
5.根据权利要求3所述的方法，其特征在于，所述目标参数与所述信号尺度相对应。
6.一种噪声消除系统，其特征在于，包括：
信号预处理模块，用于对获取到的原始电信号进行预处理，确定第一电信号；
循环平移模块，用于将所述第一电信号进行循环平移，以获取第二电信号；
获取模块，用于应用平移不变小波变换对所述第二电信号进行处理，以获取目标参数，其中，根据所述目标参数去除所述第二电信号中的噪声，以获取第三电信号；
信号重构模块，用于应用平移不变小波反变换重构所述第三电信号；
信号确定模块，用于循环反平移所述第三电信号，确定目标输出信号。
7.根据权利要求6所述的系统，其特征在于，所述信号预处理模块具体用于：
通过截取原始电信号中的有效电信号确定第一电信号。
8.根据权利要求6所述的系统，其特征在于，所述获取模块具体用于：
将所述第二电信号按照信号尺度进行分解，其中，所述信号尺度为预先设定。
9.根据权利要求6所述的系统，其特征在于，所述循环平移模块具体用于：
保持所述第一电信号波形不变，将所述第一电信号平移设定数量的时间单位。
10.根据权利要求8所述的系统，其特征在于，所述目标参数与所述信号尺度相对应。
CN201810888643.2A 2018-08-07 2018-08-07 噪声消除方法和系统 Pending CN109117780A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810888643.2A CN109117780A (zh) 2018-08-07 2018-08-07 噪声消除方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810888643.2A CN109117780A (zh) 2018-08-07 2018-08-07 噪声消除方法和系统

Publications (1)

Publication Number Publication Date
CN109117780A true CN109117780A (zh) 2019-01-01

Family

ID=64852056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810888643.2A Pending CN109117780A (zh) 2018-08-07 2018-08-07 噪声消除方法和系统

Country Status (1)

Country Link
CN (1) CN109117780A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221615A (zh) * 2020-12-31 2021-08-06 中国石油化工股份有限公司 一种基于降噪聚类的局部放电脉冲提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477679A (zh) * 2009-01-16 2009-07-08 西安电子科技大学 基于轮廓波Contourlet变换的图像去噪方法
CN102608554A (zh) * 2012-03-23 2012-07-25 武汉大学 一种提取磁共振波谱重叠弱信号的方法及其装置
CN103777191A (zh) * 2014-01-28 2014-05-07 李奇 基于小波平移不变阈值去噪的激光雷达波形数据处理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477679A (zh) * 2009-01-16 2009-07-08 西安电子科技大学 基于轮廓波Contourlet变换的图像去噪方法
CN102608554A (zh) * 2012-03-23 2012-07-25 武汉大学 一种提取磁共振波谱重叠弱信号的方法及其装置
CN103777191A (zh) * 2014-01-28 2014-05-07 李奇 基于小波平移不变阈值去噪的激光雷达波形数据处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
尚海昆 等.: "平移不变小波迹消噪方法在局部放电检测中的应用", 《电工技术学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221615A (zh) * 2020-12-31 2021-08-06 中国石油化工股份有限公司 一种基于降噪聚类的局部放电脉冲提取方法

Similar Documents

Publication Publication Date Title
Boudraa et al. Denoising via empirical mode decomposition
CN109446928B (zh) 一种基于变分模态分解和最小均方误差自适应滤波器的信号降噪方法
CN110598166B (zh) 一种自适应确定小波分层级数的小波去噪方法
Boudraa et al. EMD-based signal noise reduction
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
CN113378661B (zh) 一种基于改进小波阈值和相关检测的直流电能信号去噪方法
CN104020402A (zh) 一种脉冲触发采集的变电站局部放电脉冲信号降噪方法
CN110151175A (zh) 基于ceemd与改进小波阈值的表面肌电信号消噪方法
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
CN110909480B (zh) 一种水轮机振动信号的去噪方法与装置
CN109241823A (zh) 一种基于变分模态分解和支持向量回归的信号预测方法
CN109932624A (zh) 一种基于高斯尺度空间的电缆局放周期窄带干扰去噪方法
CN102393423A (zh) 基于自适应阈值正交小波变换的兰姆波去噪方法
CN104280776B (zh) 一种自适应小波阈值求取方法
Li Speech denoising based on improved discrete wavelet packet decomposition
Ayat et al. ECG denoising using modulus maxima of wavelet transform
CN109117780A (zh) 噪声消除方法和系统
CN109409281A (zh) 一种基于改进的小波阈值函数的降噪方法
Lei et al. Speech enhancement for nonstationary noises by wavelet packet transform and adaptive noise estimation
Adoul et al. Time-frequency readability enhancement of compact support kernel-based distributions using image post-processing: Application to instantaneous frequency estimation of M-ary frequency shift keying signals
Ou et al. Frame-based time-scale filters for underwater acoustic noise reduction
CN115376540A (zh) 一种基于变分模态分解的生物雷达语音增强方法及系统
Malhotra et al. Electrocardiogram signals denoising using improved variational mode decomposition
Touati et al. Speech denoising by adaptive filter LMS in the EMD framework
Li et al. Noisy speech enhancement based on discrete sine transform

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190101

WD01 Invention patent application deemed withdrawn after publication