改进的小波阈值在电能质量信号去噪中的应用

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (3): 114-116.

• 数据库、信号与信息处理 • 上一篇下一篇

改进的小波阈值在电能质量信号去噪中的应用

邬春明，谢妮娜

东北电力大学信息工程学院，吉林 132012

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-21 发布日期:2012-01-21

Application of improved wavelet threshold in power quality signal denoising

WU Chunming, XIE Nina

College of Information Engineering, Northeast Dianli University, Jilin 132012, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-21 Published:2012-01-21

摘要/Abstract

摘要： 针对硬阈值去噪效果不佳，软阈值过度光滑使信号失真的缺点，提出了一种改进的自适应的阈值去噪方法。该算法将数理统计与信号和噪声的小波系数的分布规律和传播特点及噪声的标准差贡献率结合起来，对阈值门限进行了改进，并采用软阈值函数对信号进行处理，实现了其去噪的功能。结果表明，改进后的算法对电能质量信号进行消噪处理，信噪比增益和均方误差上均优于传统阈值算法及一些改进后的阈值算法，而且能够较好地保留电能质量信号的特征信息。

关键词: 小波变换, 阈值去噪, 电能质量, 信噪比

Abstract: Hard threshold is poor in denoising, and soft threshold makes signal distortion because of smooth transition, so a new adaptive-threshold denoising method is presented. The algorithm by using soft threshold with the improved threshold to denoising the signal combines the mathematical statistics with the distribution of signal and noise wavelet coefficients and transmission characteristics and the contribution rate of noise standard deviation. The results show that the improved algorithm makes better MSE performance and SNR gains than conventional threshold algorithm and some improved threshold algorithm. And a good performance at remaining the characteristics information of power quality signals.

Key words: wavelet transform, threshold denoising, power quality, Signal Noise Ratio（SNR）

邬春明，谢妮娜. 改进的小波阈值在电能质量信号去噪中的应用[J]. 计算机工程与应用, 2012, 48(3): 114-116.

WU Chunming, XIE Nina. Application of improved wavelet threshold in power quality signal denoising[J]. Computer Engineering and Applications, 2012, 48(3): 114-116.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	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.
[3]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[4]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[5]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[6]	刘剑锋，李瑞华，刘垚圻，苏泳涛，胡金龙. 无线通信中的信噪比估计算法研究[J]. 计算机工程与应用, 2020, 56(18): 82-89.
[7]	吉慧芳，贾海蓉，王雁. 改进相位谱补偿的语音增强方法[J]. 计算机工程与应用, 2019, 55(8): 48-52.
[8]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[9]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[10]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[11]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[12]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[13]	王杰1，杨程程1，莫嘉永2，王敦泽1，王谢谢1. 谐波重构先验信噪比估计算法[J]. 计算机工程与应用, 2018, 54(7): 44-48.
[14]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[15]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.

改进的小波阈值在电能质量信号去噪中的应用

Application of improved wavelet threshold in power quality signal denoising

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