共查询到20条相似文献，搜索用时 62 毫秒
1.
小波变换突破了传统傅里叶变换等信号处理方法,在时域和频域上可同时对信号实现局部化处理,更符合信号非平稳的变频带结构特征,因而在信号检测奇异性等方面具有广泛的应用价值。可将小波检测信号的奇异性理论应用于突变点的检测中,在分析信号奇异性的性质及小波基特征的基础上,分析了在应用中小波基的选择原则。针对信号的不同特征选择合适的小波基。并且应用MATLAB仿真,结果表明所选的小波基具有很强的检测能力。 相似文献
2.
小波变换的谐波有效值测量就是利用小波分解系数来测量谐波有效值。电网谐波污染是电力系统中的一大公害。以傅里叶级数理论为基础的传统谐波分析方法和测量仪器都缺乏时间局部化特性，因此不能满足突变的和时变的非平稳谐波检测与时频分析的需要，基于小波变换的谐波有效值及谐波畸变率的测量方法。然后提出并论述了基于差拍选频和子带滤波的谐波分析方法。最后提出一种新的同步检测法，用于电压闪变信号的检测与谐波分析。 相似文献
3.
4.
如何去除信号中的噪声．得到纯净的信号是信号处理过程中一个热点技术。本研究根据噪声与信号的小波变换模极大值点在多尺度空间上具有不同的特性,对信号进行了噪声消除。试验结果表明,使用傅里叶变换和coif2小波模极大值点法对信号去噪,都能够有效地去除信号中的噪声,且重构后的信号非常逼近原始信号．但coif2小波模极大值点法去噪效果更好。 相似文献
5.
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. 相似文献
6.
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。 相似文献
7.
小波变换突破了传统傅里叶变换等信号处理方法的限制,在时域和频域上可同时对信号实现局部化处理,这更符合信号非平稳的变频带结构特征,因而在信号检测奇异性等方面具有广泛的应用价值。本文简要地介绍了小波应用在信号奇异性检测方面变换的基本原理,并通过仿真实验进行了验证。 相似文献
8.
随着电力电子器件在电力系统中的广泛使用,暂态电能质量问题已经成为供电系统和用户共同关注的焦点.根据暂态电能质量信号的非平稳特性,提出采用小波变换这一新型的数字信号处理方法进行分析.其良好的时频局部化特性使得信号的奇异性可以通过小波变换模极大值来表征.根据Mallat算法,通过信号的多分辨率分解提取信号奇异点的小波变换模极大值,实现暂态电能质量信号准确的故障定位.仿真结果表明,小波变换能在时域上对电压暂态瞬时变动的肥笨探凶既范ㄎ?并可利用相应控制系统有效改善电能质量. 相似文献
9.
根据信号与噪声在小波变换下的不同特征，可以运用小波变换来消除噪声：模极大值小波域消噪算法只能采用二进制尺度分解，这限制了一些信号的分析结果。针对该不足进行了改进，采用自适应选择分解尺度代替二进制尺度分解尺度， 相似文献
10.
根据信号与噪声在小波变换下的不同特征,可以运用小波变换来消除噪声。模极大值小波域消噪算法只能采用二进制尺度分解,这限制了一些信号的分析结果。针对该不足进行了改进,采用自适应选择分解尺度代替二进制尺度分解尺度。 相似文献
11.
肺实质提取是利用计算机辅助诊断系统研究肺部疾病的关键步骤。低剂量CT扫描在肺部疾病诊断研究中应用广泛,但传统的肺实质分割方法由于低剂量CT图像噪声影响难以获得精确的肺实质分割结果。基于小波变换提出一种针对低剂量CT图像的肺实质分割算法。该算法首先应用全局阈值去除体外干扰,利用小波变换良好的定位性能准确检测出图像边界;然后进行边界连接解决微弱边沿丢失问题;最后,根据肺部边缘闭合周长最长这一特征,从连接好的边缘中检测肺实质边缘,从而达到提取肺实质的目的。理论分析与计算机仿真实验结果表明,算法具有良好的抗噪能力,与传统肺实质提取方法Snake模型相比,其检测出的图像面积重合率平均提高约1%。 相似文献
12.
文章提出了利用小波变换进行故障暂态信号奇异性检测的新方法,分析了目前的基于Lipschitz系数的行波启动元件算法,指出其最主要的缺点是只利用相邻尺度的WTMM或WTMS比值来确定Lipschitz系数。而通过拟合各尺度的数据,采用基于最小二乘法的Lipschitz系数进行估算。ATP-EMTP仿真结果表明,改进算法能够更精确的分析故障信号的奇异性。 相似文献
13.
传统的基于傅立叶变换的电力系统谐波分析方法难以快速、准确对非平稳暂态谐波进行实时分析检测,小波变换因其良好的时频局部化特性,成为电力系统谐波分析的有力工具。文章提出一种基于小波包分解系数重构算法的谐波分析、测量方法,小波包变换建立在小波变换的基础上,实现信号频带的均匀划分,能更好地提取信号的时频特性。通过仿真试验证明了这种新方法的可行性与正确性。 相似文献
14.
提出了一种采用Ｍｏｒｌｅｔ小波变换实现织机声信号分析的方法,并藉助高速信号处理器和微机系统予以实现。对典型织机声信号进行了小波变换分析,获得了典型织机声信号的三维小波变换谱。实验结果表明,该方法是有效的。同短时傅里叶变换分析法相比较,织机声信号的小波变换分析法具有较好的分析性能。 相似文献
15.
良好的时频局部化特征使小波变换应用于电力系统的谐波检测有着很好的理论基础。构造了新的分频严格、能量集中的小波函数,并基于该小波对稳态谐波检测进行了仿真研究。 相似文献
16.
通过对小波变换所进行的理论分析和计算机模拟发现,利用小波变换具有的高低频分离的特点,可在不丢失原信号重要信息成分的前提下,将原光谱信号的边缘部分进行滤化处理,消除了噪音信息,重构出更加清晰的光谱特征图形,从而提高了信号的清晰度,为信号的预处理提供了更加方便的条件。该信号特征提取的方法,与傅氏变换相比较,具有多项明显的优点,在实际工程应用中具有重要的意义。 相似文献
17.
小波神经网络(Wavelet Neural Network)结合了小波变换及神经网络的优点,是一种基于知识的故障诊断方法,它不需要精确的数学模型,既具有良好的时频局部性质,又有较好的自学习能力和容错能力。本文介绍了小波网络及其在电力系统故障检测中的应用,通过EMTP仿真实验表明,小波网络与传统的人工神经网络相比,具有收敛速度快,鲁棒性强的特点,可以将小波网络应用于电力系统的故障检测。 相似文献
18.
对语音信号的时域和频域进行分析,对小波分析的特点进行多分辨率分析,发现其具有分析时频和频域局部特征的能力,即在高频部分具有较高的时间分辨率和较低的频率分辨率,在低频部分具有较高的频率分辨率和较低的时间分辨率,可用于测量语音信号中夹带瞬态反常现象并展示其成分的情况。用小波变换的方法实现语音信号去噪增强,并在Matlab中进行了实验效果仿真,结果表明,该方法对语音信号的增强效果很好。 相似文献
19.
20.
在总结以往红外项目实现的基础上,着重学习研究了小波变换点目标检测技术,并就其工程实现进行了论证,尝试将模极大值小波算法应用到红外点目标检测项目中。 相似文献