采用反正切变换降低小波去噪对野值的敏感性

doi:10.3778/j.issn.1002-8331.1512-0019

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (10): 241-245.DOI: 10.3778/j.issn.1002-8331.1512-0019

采用反正切变换降低小波去噪对野值的敏感性

杨正瓴1，2，张玺1，张军1，2，杨钊1，刘亚迪1

1.天津大学电气与自动化工程学院，天津 300072
2.天津市过程检测与控制重点实验室，天津 300072

出版日期:2017-05-15 发布日期:2017-05-31

Reduce sensitivity of wavelet denoising to outliers by arc-tangent function transformation

YANG Zhengling1，2, ZHANG Xi1, ZHANG Jun1，2, YANG Zhao1, LIU Yadi1

1.School of Electrical Engineering and Automation, Tianjin University, Tianjin 300072, China
2.Tianjin Key Laboratory of Process Measurement and Control, Tianjin 300072, China

Online:2017-05-15 Published:2017-05-31

摘要/Abstract

摘要： 对存在野值和较强噪声的非平稳时间序列，为提高小波阈值去噪在低频信号分解中的准确性和稳健性，采用反正切变换将原始非平稳时间序列转换成新的更平稳的序列，以提高信噪比，并抑制野值的不利影响。通过解析分析，解释了反正切变换抑制野值的成因，并优化了其中的参数。采用已知信号的数值实验（仿真）证明，反正切变换能够提高对野值的抵抗能力，改善小波阈值去噪的效果。应用于风速时间序列的去噪表明，新方法能够有效抑制风速里的野值，获得更符合实际的风速信号。

关键词: 非平稳时间序列, 小波阈值去噪, 反正切变换

Abstract: For nonstationary time series with outliers and strong noises, in order to increase the accuracy and robustness of wavelet threshold denoising in the low frequency signal decomposition, the arc-tangent function transformation is employed to transform the original nonstationary time series to a new more stationary series. The SNR （Signal-to-Noise Ratio） is improved and the negative effect of outliers is insulated. The suppressing capability of arc-tangent function transformation to outliers is explained analytically, and its parameters are optimized. Numerical experiments/simulations of a given signal prove that the arc-tangent function transformation can improve the resistance against outliers, and enhance the performance of wavelet threshold denoising. An example of wind speed time series denoising shows that the new method can provide a more real wind speed signal by eliminating the outliers with larger amplitudes.

Key words: nonstationary time series, wavelet threshold denoising, arc-tangent function transformation

杨正瓴1，2，张玺1，张军1，2，杨钊1，刘亚迪1. 采用反正切变换降低小波去噪对野值的敏感性[J]. 计算机工程与应用, 2017, 53(10): 241-245.

YANG Zhengling1，2, ZHANG Xi1, ZHANG Jun1，2, YANG Zhao1, LIU Yadi1. Reduce sensitivity of wavelet denoising to outliers by arc-tangent function transformation[J]. Computer Engineering and Applications, 2017, 53(10): 241-245.

[1]	孟娟，洪利，程丽娜，吴燕雄. 自适应去噪的地震数据采集系统设计[J]. 计算机工程与应用, 2017, 53(16): 258-262.
[2]	孔国杰，王凯，沈明堂，张芳，吴科. 一种结合小波阈值滤波的自适应整体变分方法[J]. 计算机工程与应用, 2016, 52(8): 240-242.
[3]	张振华1，2，马超3，徐瑾辉3，欧阳泽拯3. EMD与NARX神经网络的风电场总功率组合预测[J]. 计算机工程与应用, 2016, 52(12): 265-270.
[4]	谷鹏1，2，朱俊华1，2，丁飞1，2. 一种含噪压缩感知的语音消噪方法[J]. 计算机工程与应用, 2015, 51(15): 216-220.
[5]	郭兴明，何彦青，卢德林，袁志会. 平移不变小波在心音信号去噪中的应用[J]. 计算机工程与应用, 2014, 50(24): 209-212.
[6]	黎志勇，李宁. 基于小波的非平稳时间序列预测方法研究[J]. 计算机工程与应用, 2014, 50(10): 38-43.
[7]	陈军1，张长江2. 平稳小波域红外图像增强的反正切变换法[J]. 计算机工程与应用, 2012, 48(9): 145-148.
[8]	张国超1，2，李平1. 相位差结合小波包的无人直升机故障诊断[J]. 计算机工程与应用, 2012, 48(18): 212-216.
[9]	曹晓英1，2，张智军1，向建军1. 基于提升小波改进阈值的雷达信号去噪方法[J]. 计算机工程与应用, 2012, 48(14): 143-147.
[10]	冯华丽1，刘渊1，2. 小波分析和AR-LSSVM的网络流量预测[J]. 计算机工程与应用, 2011, 47(20): 88-90.
[11]	王佐成，刘晓冬，薛丽霞. 双曲线函数在灰度图像小波阈值去噪中的应用[J]. 计算机工程与应用, 2010, 46(35): 177-179.
[12]	陈桂宏,夏国荣. 钢丝绳信号消噪方法的仿真研究[J]. 计算机工程与应用, 2009, 45(13): 217-219.
[13]	王洪波,朱启兵. 基于EMD和LS-SVM的非平稳振动信号趋势预测[J]. 计算机工程与应用, 2008, 44(16): 157-159.

采用反正切变换降低小波去噪对野值的敏感性

Reduce sensitivity of wavelet denoising to outliers by arc-tangent function transformation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics