双自适应提升小波变换在PQD去噪中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 131-134.

• 数据库、信号与信息处理 • 上一篇下一篇

双自适应提升小波变换在PQD去噪中的应用

陈珍萍，欧阳名三，刘淮霞

安徽理工大学电气与信息工程学院，安徽淮南 232001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Application of double adaptive ascent wavelet transformation to PQD signal de-noise

CHEN Zhenping，OUYANG Mingsan，LIU Huaixia

Department of Electrical and Information Engineering，Anhui University of Science and Technology，Huainan，Anhui 232001，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 提出了一种新的电能质量扰动（Power Quality Disturbance，PQD）信号去噪方法。采用快速提升小波变换进行PQD信号的分解和重构，将自适应算法引入到更新算子和预测算子的设计中，提高了算法的快速性，满足了PQD检测实时性要求。综合软、硬阈值去噪的优点，提出了加权阈值去噪的概念，使得算法能同时很好地满足暂态PQD信号和稳态PQD信号的去噪。仿真结果表明，该算法能够提高去噪后信号的信噪比SNR，降低去噪后的均方误差百分值MSE，降低了算法的执行时间，且适宜于算法的DSP实现，具有一定的实用价值。

关键词: 去噪, 电能质量, 提升小波变换, 自适应算法, 加权阈值

Abstract: A new method to Power Quality Disturbance（PQD） signal de-noise is proposed.It adaptes the rapid ascent wavelet to decompose and reconstruct PQD signals，introduces adaptive algorithm to the design of update operators and predict operator，improves the swiftness of this algorithm and well satisfies the instantaneity requirement of PQD detection.Comprehensively considering the advantages of soft and hard threshold de-noising methods，it puts forward a weighted threshold de-noising algorithm，so that this algorithm can simultaneously satisfy de-noise of transient and steady-state PQD signal.Simulation results show that，this algorithm can improve the SNR of de-noised signal，reduce the MSE and the execution time，and is very suitable for the DSP realization，has certain practical value.

Key words: de-noise, power quality, ascent wavelet transform, adaptive algorithm, weighted threshold

陈珍萍，欧阳名三，刘淮霞. 双自适应提升小波变换在PQD去噪中的应用[J]. 计算机工程与应用, 2011, 47(16): 131-134.

CHEN Zhenping，OUYANG Mingsan，LIU Huaixia. Application of double adaptive ascent wavelet transformation to PQD signal de-noise[J]. Computer Engineering and Applications, 2011, 47(16): 131-134.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	杨倩，顾磊. 基于去噪字词联合模型的中文命名实体识别[J]. 计算机工程与应用, 2021, 57(7): 151-157.
[3]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[4]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[5]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[6]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[7]	刘杰，房俊，雷峰津. 电能质量异常数据在线检测方法[J]. 计算机工程与应用, 2020, 56(9): 240-247.
[8]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[9]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[10]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[11]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[12]	杜丽美，连玮. 高斯投影下的人机交互式物体仿真算法研究[J]. 计算机工程与应用, 2020, 56(11): 185-191.
[13]	胡东海，邵元，陈莹，夏士雄. 基于改进粒子滤波的室内自适应定位算法[J]. 计算机工程与应用, 2019, 55(9): 65-71.
[14]	刘秀平1，薛婷婷1，韩丽丽2，杜勇辰1，张凯兵1，闫焕营3. 基于联合稀疏变换学习的工件去噪方法研究[J]. 计算机工程与应用, 2019, 55(7): 188-193.
[15]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.

双自适应提升小波变换在PQD去噪中的应用

Application of double adaptive ascent wavelet transformation to PQD signal de-noise

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics