导读:本文包含了小波预处理论文开题报告文献综述及选题提纲参考文献，主要关键词:变压器,背景噪声,小波包,谱减法
小波预处理论文文献综述
彭鹏,吴晓文,陈炜,罗潇,卢铃[1]（2019）在《基于小波分解与谱减法的变压器噪声测量预处理方法》一文中研究指出在户外对变压器进行噪声测试时,测试结果往往容易受到外界环境噪声的影响。由于环境噪声类型较为复杂,且其产生与持续时间具有不确定性和非平稳性,大部分的测量仪器无法对其进行有效的处理。因此,为了提高变压器噪声测量的准确性,需要对采集到的原始噪声信号进行预处理。文中提出了一种基于小波分解与谱减法相结合的变压器噪声预处理方法,采用小波包分析算法将变压器声信号时频分解,对分解后的带噪频段小波包信号进行谱减法语音处理。理论分析结果与变电站实测带噪信号分析结果表明,该方法能够有效抑制变电站环境噪声对变压器噪声测量结果的干扰。所提出的方法对于输变电工程噪声检测以及基于噪声检测的变压器运行状态评价具有参考意义。(本文来源于《高压电器》期刊2019年11期）
吕维宗,王海瑞,舒捷[2]（2019）在《多小波预处理方法用于滚动轴承故障信号的去噪效果分析》一文中研究指出针对不同预处理方法对多小波的影响问题,探讨了基于不同预处理方法的多小波对滚动轴承信号去噪效果的影响。通过仿真实验,先对GHM多小波、CL4多小波和SA4多小波进行重复行预处理、逼近预处理和平衡多小波处理,并将处理后的多小波应用于滚动轴承故障信号的去噪效果分析中。结果表明:经过平衡多小波预处理的CL4多小波在滚动体故障信号、内圈故障信号、外圈故障信号中的效果最好,相对于经过其他预处理方法处理的多小波的处理效果有明显优势。(本文来源于《化工自动化及仪表》期刊2019年08期）
张娜[3]（2019）在《基于小波分析的网格结构信号预处理和去噪研究》一文中研究指出在土木工程建设、运营和监测等过程中,对相关信号进行预处理和去噪是获取土木工程结构相应信息的关键技术。本文以空间网格结构动力测试信号为基础对其进行信号预处理和去噪的相关研究。制作足尺14m跨度空间网格结构实验模型,利用ANSYS求解其模态振型,根据模态振型进行加速度传感器布置设置,并利用实测的MAC值对传感器布置情况进行评价,说明传感器布置的合理性。布置的传感器可以较为准确的测量前四阶模态振型。对试验加速度信号进行了加噪处理,分别研究母小波(Haar、Daubechies、SymN、CoifN和BiorN小波);软、硬阈值;阈值估计(HeurSure、Rigrsure和Minimax阈值估计);小波分解层数对信号降噪的影响。通过参数研究可知,CoifN小波族满足要求的母小波最多,Sym8小波最适合用于本实验信号降噪;软阈值函数更适合本实验信号降噪;Minimaxi与RigrSure阈值法去噪效果差,HeurSure阈值方法适合本实验信号降噪;2层分解降噪效果最差,其余层数较好,最优降噪层数为5层分解。通过上述研究分析,使得网架结构实验采集到了完备的模态振型,并获得了去噪后较为真实的结构响应,满足后续研究对加速度信号的需求。(本文来源于《南昌大学》期刊2019-06-30）
毛玉星,李超,贾海威[4]（2018）在《基于小波预处理及自适应权函数的非局部均值滤波算法》一文中研究指出非局部均值滤波算法因其良好的去噪效果受到了广泛关注,内容主要集中在算法加速,搜索框、相似框尺寸以及平滑参数的自适应设置等方面.然而,研究发现,在非局部均值滤波过程中,欧氏距离权函数对去噪效果也有较大影响.本文通过对权函数的分析,根据图像含噪情况、像素点的局部结构,自适应选择权函数,提高了去噪效果.此外,由于非局部均值滤波在噪声强度大时去噪效果不佳,而小波变换能够很好区分图像高频信号与噪声,本文先采用小波阈值去噪方法对图像进行预处理,再进行自适应权函数非局部均值滤波.仿真实验表明,本文方法在去噪效果上有明显提升,尤其适用于噪声强度较大的场景.(本文来源于《小型微型计算机系统》期刊2018年12期）
赵士超,马翠红[5]（2017）在《基于改进粒子群算法的小波钢液光谱的预处理》一文中研究指出在激光诱导击穿技术(LIBS)分析钢液元素成分时,对钢液产生的光谱谱线有较高的要求,谱线是由高能激光束照射钢液表面产生的等离子体发射而得,处理这些谱线数据是钢液光谱分析的重要步骤,因为钢液谱线的产生过程中伴随着大量谱线重迭、谱线间自吸收以及畸形等问题,对研究结果的有一定影响。为了对光谱信号进行去噪分析,采用小波阈值的方法能够简单有效地达到去噪的目的,同时在基于小波阈值去噪的算法中加入改进粒子群算法,改进惯性权重参数,设置较为合理的惯性权重是避免陷入局部最优解的关键,对钢液产生的谱线数据进行去噪,能得到较为理想的谱线信息。(本文来源于《工业控制计算机》期刊2017年12期）
邓魁,李贞子,侯艳,李康[6]（2017）在《基于二维最大重迭离散小波变换的代谢组质谱数据的预处理方法》一文中研究指出目的通过二维最大重迭离散小波变换(maximal overlap discrete wavelet transform,MODWT)对代谢组学质谱数据进行预处理,去除一定的噪声和批次效应,提高分析方法的有效性和稳定性。方法针对卵巢癌和卵巢囊肿的质谱数据,选取Haar小波函数对其进行二维MODWT的数据变换,获得不同尺度的数据,再对其中的细节数据置0和进行重构。对预处理后的数据用随机森林(RF)方法筛选差异变量和建立判别模型,评价预处理的效果。结果经过二维MODWT处理后的质谱数据建模判别效果明显优于使用原始数据得到的结果。结论针对质谱数据,二维MODWT方法能够更好地进行特征提取,提高模型的判别能力,具有研究价值和应用价值。(本文来源于《中国卫生统计》期刊2017年06期）
梁悦[7]（2017）在《小波预处理的ITD方法在脑电信号处理中的应用研究》一文中研究指出脑电信号(Electroencephalogram,简称EEG)属于人体的一种生物电信号,其中包含着反应人类精神状态、情绪活动等的一系列生理信息。对脑电信号的特征进行定性和定量地研究和分析,可以帮助人们进一步认识脑功能并利用脑电信号来做某些疾病的辅助诊断。在癫痫疾病的辅助诊断中,通过对患者发病前、发病中和发病后的脑电信号进行特征提取并做对比分析,可以根据不同的特征频率,更加有针对性地对患者提出诊疗方案。但是,目前在脑电研究领域面临的一大难题是做特征提取时准确性较低,这就使得利用脑电信号做辅助诊断疾病的方法在精确度上存在很大的改善空间。这个问题主要是由脑电信号的两大特征造成的:第一,脑电信号比较微弱且非常敏感,因此在采集过程中极易受到各类噪声的干扰,如采集仪器本身的交流电干扰,被采集者本身的眼电、心电信号干扰等;第二,脑电信号属于非平稳非线性信号,需要采用特殊的非线性信号处理方法来对其进行分解和分析。以往使用的脑电信号分析方法或多或少都存在一些缺点,如小波变换分析法虽然发展较成熟,但是却对脑电信号不具有自适应性;经验模式分解虽然有自适应性,但是却存在较严重的模态混迭和端点效应等问题。这些问题都在一定程度上阻碍着脑电信号特征提取的应用和发展。本论文主要针对上述两方面问题,提出了一种基于小波预处理的固有时间尺度分解(Wavelet-denoising Intrinsic Time-scale Decomposition,简称WD-ITD)方法。该方法首先对含有噪声的脑电信号进行小波去噪预处理,使得处理后的脑电信号信噪比变大,继而使用ITD方法,对脑电信号进行进一步分解。具体研究内容如下:首先,通过对国内外脑电信号研究现状的综述,概述了脑电信号的产生机理、采集方式和特性分类,并对脑电信号的分析方法做了对比和分析。其次,探讨了脑电信号容易受噪声干扰的原因,分析了脑电信号噪声的种类以及常用去噪方法,建立了脑电信号的小波去噪算法评价标准,做了两个对比性实验,验证了小波去噪方法在脑电信号去噪领域的可行性。再次,介绍了一种新的时频分析法——固有时间尺度分解,将该方法与小波去噪相结合形成WD-ITD分解。验证了WD-ITD分解在处理脑电信号方面的可行性和优势,通过与经验模式分解的对比实验,验证了WD-ITD分解在端点效应问题、模态混迭问题以及分解效率方面,都优于经验模式分解。最后,运用WD-ITD方法对癫痫患者的脑电信号做分析。实验结果表明,使用WD-ITD分解后的脑电信号,分解效率平均提高了近4%,分解后得到的固有旋转分量与原始脑电信号的相关度平均提高了3.57%。因此,该方法在有效地解决脑电信号受到噪声干扰问题的同时,能够取得良好的信号分解效果。(本文来源于《太原理工大学》期刊2017-06-01）
李力,倪松松[8]（2016）在《基于改进小波去噪预处理和EEMD的采煤机齿轮箱故障诊断》一文中研究指出针对采煤现场强噪声背景下采煤机齿轮箱振动信号集合经验模态分解(EEMD)故障特征不明显和分解效率较低的问题,提出基于改进小波去噪预处理和EEMD的故障诊断方法。采用小波改进阈值函数法对振动信号进行去噪预处理,与传统小波阈值函数法相比能够有效地提高信号的信噪比。对去噪后的信号进行EEMD分解得到若干个本征模态分量(IMF),计算各IMF分量的相关度并剔除虚假分量。将该方法应用于采煤机齿轮箱行星轮的故障诊断,通过对真实的IMF分量进行频谱分析并提取信号的故障特征频率,与未去噪的信号进行对比。研究结果表明:该方法能够突出故障特征频率,使分解效率提高17.35%,并能进一步减小模态混迭现象。(本文来源于《中南大学学报(自然科学版)》期刊2016年10期）
张建海,沈林,刘军,邹进,王蔚[9]（2016）在《基于相关系数与小波模极大值的火箭振动环境数据预处理方法》一文中研究指出提出一种去趋势项和小波模极大值结合的方法对火箭飞行中测得的信号进行预处理,以消除信号中的低频干扰和噪声。对原始振动信号进行经验模态分解(EMD),得到若干个固有模态函数(IMF)分量,对除最后一项分量的IMF进行重构并再次分解,用重新得到的IMF与再次分解前信号的相关系数作为判断标准,剔除分解中产生的低频干扰分量;用小波模极大值方法对消除低频干扰的振动信号进行降噪处理,再用交替投影算法恢复信号。仿真试验和工程实例分析结果表明:该法能有效消除火箭振动信号中的低频干扰和噪声信号。(本文来源于《上海航天》期刊2016年03期）
吕帅,张靠社[10]（2016）在《基于小波变换去噪预处理的EMD谐波检测方法》一文中研究指出将经验模式分解(empirical mode decomposition,EMD)作为电网谐波的检测方法。通过EMD法分解,把含谐波的正弦信号分解成为包含各阶次谐波的IMF分量和工频分量,从而检测出电网中的谐波分量。研究发现采样信号中的噪声会对EMD的分解产生较大影响,提出了一种基于小波变换去噪预处理的EMD谐波检测方法。此方法首先用小波变换减少随机白噪声对信号的影响,随后对含少量白噪声的信号进行EMD分解。经MATLAB仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EMD谐波检测的精度与适用性。(本文来源于《电网与清洁能源》期刊2016年06期）
小波预处理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对不同预处理方法对多小波的影响问题,探讨了基于不同预处理方法的多小波对滚动轴承信号去噪效果的影响。通过仿真实验,先对GHM多小波、CL4多小波和SA4多小波进行重复行预处理、逼近预处理和平衡多小波处理,并将处理后的多小波应用于滚动轴承故障信号的去噪效果分析中。结果表明:经过平衡多小波预处理的CL4多小波在滚动体故障信号、内圈故障信号、外圈故障信号中的效果最好,相对于经过其他预处理方法处理的多小波的处理效果有明显优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波预处理论文参考文献
[1].彭鹏,吴晓文,陈炜,罗潇,卢铃.基于小波分解与谱减法的变压器噪声测量预处理方法[J].高压电器.2019
[2].吕维宗,王海瑞,舒捷.多小波预处理方法用于滚动轴承故障信号的去噪效果分析[J].化工自动化及仪表.2019
[3].张娜.基于小波分析的网格结构信号预处理和去噪研究[D].南昌大学.2019
[4].毛玉星,李超,贾海威.基于小波预处理及自适应权函数的非局部均值滤波算法[J].小型微型计算机系统.2018
[5].赵士超,马翠红.基于改进粒子群算法的小波钢液光谱的预处理[J].工业控制计算机.2017
[6].邓魁,李贞子,侯艳,李康.基于二维最大重迭离散小波变换的代谢组质谱数据的预处理方法[J].中国卫生统计.2017
[7].梁悦.小波预处理的ITD方法在脑电信号处理中的应用研究[D].太原理工大学.2017
[8].李力,倪松松.基于改进小波去噪预处理和EEMD的采煤机齿轮箱故障诊断[J].中南大学学报(自然科学版).2016
[9].张建海,沈林,刘军,邹进,王蔚.基于相关系数与小波模极大值的火箭振动环境数据预处理方法[J].上海航天.2016
[10].吕帅,张靠社.基于小波变换去噪预处理的EMD谐波检测方法[J].电网与清洁能源.2016