检索结果-内蒙古大学图书馆

计算机仿真 2012年第2期29卷 310-313页

作者：张双庆赵不贿郁光珍江苏大学电气信息工程学院江苏镇江212013

研究电力信号在传输过程中受到噪声污染问题。由于电网负荷较大,系统的运行随机性强,系统非线性引起电力信号噪声严重。针对小波阈值去噪算法存在较大的缺陷,传统改进算法全局阈值去噪的局限性,提出了一种适合电力信号去噪的分频带(分层... 详细信息

研究电力信号在传输过程中受到噪声污染问题。由于电网负荷较大,系统的运行随机性强,系统非线性引起电力信号噪声严重。针对小波阈值去噪算法存在较大的缺陷,传统改进算法全局阈值去噪的局限性,提出了一种适合电力信号去噪的分频带(分层)最优阈值函数去噪方法。新方法根据电力信号与噪声各频带能量分布特性得到各频带最优阈值,并对含噪电力信号逐层分频带最优阈值函数去噪处理,明显地降低了波形畸变率。仿真与实验结果表明,分频带最优阈值函数去噪方法明显提高了电力信号的去噪效果,提高了电力信号的检测精确度。

关键词：小波阈值去噪新阈值函数分频带阈值计算分频带去噪

来源：评论

学校读者我要写书评

暂无评论

基于一种新型小波阈值函数的信号去噪

引用

西北师范大学学报（自然科学版） 2010年第1期46卷 51-54页

作者：缑新科郭天圣兰州理工大学电气工程与信息工程学院甘肃兰州730050

在小波硬阈值函数和软阈值函数的基础上,提出了一种新阈值函数.该函数综合了硬阈值函数和软阈值函数的特征,并且具有良好的数学特征.选择合适的参数,其可以适应不同的情况.采用局部阈值规则选择阈值,通过仿真实验,验证了新阈值函数对去... 详细信息

在小波硬阈值函数和软阈值函数的基础上,提出了一种新阈值函数.该函数综合了硬阈值函数和软阈值函数的特征,并且具有良好的数学特征.选择合适的参数,其可以适应不同的情况.采用局部阈值规则选择阈值,通过仿真实验,验证了新阈值函数对去除高斯噪声的有效性.

关键词：小波阈值新阈值函数去噪

来源：评论

学校读者我要写书评

暂无评论

基于改进小波阈值函数的指纹图像去噪

引用

计算机工程与应用 2014年第6期50卷 179-181,209页

作者：黄玉昌侯德文山东师范大学信息科学与工程学院济南250014

针对指纹图像的特点,在分析了传统的软、硬阈值函数去噪原理的基础上,提出了一种新的小波阈值函数。新阈值函数克服了软、硬阈值函数存在的不足。通过选择不同的参数,可适应不同的图像。仿真实验表明,新阈值函数较传统阈值函数具有更好... 详细信息

针对指纹图像的特点,在分析了传统的软、硬阈值函数去噪原理的基础上,提出了一种新的小波阈值函数。新阈值函数克服了软、硬阈值函数存在的不足。通过选择不同的参数,可适应不同的图像。仿真实验表明,新阈值函数较传统阈值函数具有更好的视觉效果和更高的峰值信噪比(PSNR)。

关键词：指纹图像小波变换新阈值函数图像去噪

来源：评论

学校读者我要写书评

暂无评论

基于改进深度残差收缩网络的分布式光纤声传感信号识别

引用

激光与光电子学进展 2024年第5期61卷 152-158页

作者：梁惠康谢浩燊黄红斌刘伟平暨南大学信息科学技术学院电子工程系广东广州510623

提出了基于新阈值函数的深度残差收缩网络(DRSN-NTF),用于解决分布式光纤声传感(DAS)信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络(DRSN),使用新阈值函数代替软阈值函数,使其更能发挥信号噪声处理和分类识别能力。使用DAS... 详细信息

提出了基于新阈值函数的深度残差收缩网络(DRSN-NTF),用于解决分布式光纤声传感(DAS)信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络(DRSN),使用新阈值函数代替软阈值函数,使其更能发挥信号噪声处理和分类识别能力。使用DAS系统采集周界入侵事件的实验数据,并通过添加高斯白噪声的形式,设计了6组不同信噪比(0 dB~5 dB)的实验。对比了4个模型的实验结果,由此考察DRSN-NTF的识别效果。结果发现:在强噪声的情况下,DRSN-NTF取得的平均测试准确率比DRSN高1.05%;随着信噪比的降低,DRSN-NTF的测试准确率高于DRSN的差值增大,表明DRSN-NTF在信号噪声处理和分类识别能力方面更强,能获得相对更高的识别准确率。因此,DRSNNTF更加适用于DAS信号识别。

关键词：光纤光学光纤传感器模式识别深度残差收缩网络新阈值函数周界安防

来源：评论

学校读者我要写书评

暂无评论

基于改进深度残差收缩网络的DAS信号识别

引用

激光与光电子学进展 2023年

作者：梁惠康谢浩燊黄红斌刘伟平暨南大学信息科学技术学院电子工程系

本文提出了基于新阈值函数的深度残差收缩网络（DRSN-NTF），用于解决分布式光纤传感信号噪声强、识别难的问题。DRSN-NTF基于DRSN方法，使用新阈值函数代替软阈值函数，使其更能发挥信号噪声处理和分类识别能力。本文使用分布式光纤声... 详细信息

本文提出了基于新阈值函数的深度残差收缩网络（DRSN-NTF），用于解决分布式光纤传感信号噪声强、识别难的问题。DRSN-NTF基于DRSN方法，使用新阈值函数代替软阈值函数，使其更能发挥信号噪声处理和分类识别能力。本文使用分布式光纤声传感系统（DAS）采集周界入侵事件的实验数据，并通过添加高斯白噪声的形式，设计了6组不同信噪比（0dB～5dB）的实验。对比了四个方法的实验结果，由此考察DRSN-NTF的识别效果。结果发现，在强噪声的情况下，DRSN-NTF取得的平均测试准确率比DRSN方法高1.05%。随着信噪比的降低，DRSN-NTF的测试准确率高于DRSN的差值扩大，表明DRSN-NTF方法在信号噪声处理和分类识别能力方面更强，能获得相对更高的识别准确率。因此，DRSN-NTF方法更加适用于分布式光纤传感信号识别。

关键词：光纤光学光纤传感器模式识别深度残差收缩网络新阈值函数周界安防

来源：评论

学校读者我要写书评

暂无评论

一种基于融合算法的管道泄漏信号处理方法

引用

石油化工高等学校学报 2018年第3期31卷 81-88页

作者：李传宪石亚男姬中元张雪立朱浩然逯雯雯中国石油大学储运与建筑工程学院山东青岛266580 中国石油化工股份有限公司胜利油田分公司东辛采油厂山东东营257061

利用环道实验模拟实际管道泄漏工况,验证了小波去噪的实际效果,通过时频联合分析泄漏信号的衰减过程,从两方面阐述了小泄漏不易被发现的原因,并且讨论了现阶段最常用的小波去噪方法处理小泄漏信号的不足。针对上述问题,建立新阈值函数... 详细信息

利用环道实验模拟实际管道泄漏工况,验证了小波去噪的实际效果,通过时频联合分析泄漏信号的衰减过程,从两方面阐述了小泄漏不易被发现的原因,并且讨论了现阶段最常用的小波去噪方法处理小泄漏信号的不足。针对上述问题,建立新阈值函数提高小波去噪方法的信号重构精度,并从数学角度分析了新函数的优越性,提出了基于最大信噪比的盲源分离算法,将小波变换与盲源分离相融合,通过分离已知构造信号说明此方法的适用性,验证该融合算法的实际去噪效果和工业应用价值。

关键词：时频联合小波去噪新阈值函数盲源分离融合算法

来源：评论

学校读者我要写书评

暂无评论

小波去噪与压缩在电厂设备中的应用

引用

电测与仪表 2017年第11期54卷 110-115页

作者：鄢海舟胥布工李海滨刘立红詹佩钦华南理工大学自动化科学与工程学院广州510640 华能湖南岳阳发电有限责任公司湖南岳阳414002 广州普瑞电力控制系统设备有限公司广州510663

为解决600 MW发电机组辅机设备噪音振动数据占用大量存储空间及缓解其数据传送压力问题,针对噪音振动数据的特点提出了一种基于小波阈值去噪和最优小波包压缩的压缩算法。新算法针对小波软硬阈值函数的不足,提出了新的阈值函数对噪音振... 详细信息

为解决600 MW发电机组辅机设备噪音振动数据占用大量存储空间及缓解其数据传送压力问题,针对噪音振动数据的特点提出了一种基于小波阈值去噪和最优小波包压缩的压缩算法。新算法针对小波软硬阈值函数的不足,提出了新的阈值函数对噪音振动数据进行去噪;新算法使用相关系数法获取最优的小波基。仿真表明,改进阈值函数相对原阈值函数在保留高频原始信号的能力和去噪能力方面都有增强;使用改进阈值函数去噪后,小波包压缩能完整的重构信号。最优小波包压缩与改进阈值去噪算法已初步应用于岳阳电厂辅机设备的数据压缩,算法对节省硬盘容量、保护硬盘及高效的数据传送有着重要的作用。

关键词：小波去噪新阈值函数小波包压缩辅机设备振动噪音

来源：评论

学校读者我要写书评

暂无评论

用于光纤传感的改进变分模态分解-DWT算法

引用

激光与红外 2022年第1期52卷 84-88页

作者：邵向鑫路天麒马子筱江虹马柯异长春工业大学电气与电子工程学院吉林长春130012 东北电力大学自动化工程学院吉林吉林132012

大容量FBG传感网络解调系统中,信号去噪是影响FBG传感系统精确解调的重要因素。为了提高解调精度,本文提出一种以改进变分模态分解结合可调节半软阈值方法用于处理光纤信号。变分模态分解(VMD)将输入的信号分解为给定数量K个固有模态数(... 详细信息

大容量FBG传感网络解调系统中,信号去噪是影响FBG传感系统精确解调的重要因素。为了提高解调精度,本文提出一种以改进变分模态分解结合可调节半软阈值方法用于处理光纤信号。变分模态分解(VMD)将输入的信号分解为给定数量K个固有模态数(IMF),设置错误的K值会导致性能下降。本文在VMD的基础上添加4条约束条件,使其自适应的选取K值并减少了VMD的计算量,然后用新阈值函数进行去噪处理,最后通过温度测试实验,得到波长与温度的线性相关系数,评估性能与应用价值。实验结果表明,本文函数在连续性以及信号还原度均取得良好的效果。信噪比(SNR)相比于传统软、硬阈值平均提升了6.0162 dB、13.0003 dB,均方根误差(RMSE)平均降低了0.0442、0.1487。温度测试实验中温度与波长的线性相关系数为0.9992,能满足实际工程需求。

关键词： FBG信号变分模态分解小波阈值去噪新阈值函数

来源：评论

学校读者我要写书评

暂无评论

多小波包下经验模态分解去噪研究

引用

计算机工程 2015年第12期41卷 125-129页

作者：王唯嘉肖明清张磊陈茂才空军工程大学航空航天工程学院中国船舶重工集团公司第704研究所

传统基于小波分析的去噪方法和经验模态分解(EMD)去噪方法去噪后的信号信噪比较低。针对该问题,提出一种多小波包框架下区间迭代不变阈值的EMD去噪方法。对输入带噪信号进行预处理,将其变换为多维信号之后进行多小波包分解,设计针对软... 详细信息

传统基于小波分析的去噪方法和经验模态分解(EMD)去噪方法去噪后的信号信噪比较低。针对该问题,提出一种多小波包框架下区间迭代不变阈值的EMD去噪方法。对输入带噪信号进行预处理,将其变换为多维信号之后进行多小波包分解,设计针对软硬阈值函数的改进型阈值函数,并对得到的最后一层多小波包系数实现小波阈值处理,从而得到一维小波系数,对各本征模态函数分量(IMF)进行区间迭代不变阈值EMD去噪,并重构得到去噪后信号。仿真结果表明,与传统EMD小波阈值去噪方法相比,该方法信噪比提升近2.5dB,均方误差达到0.000 7,去噪效果较好。

关键词：多小波包经验模态分解函数拟合新阈值函数阈值去噪平移不变量

来源：评论

学校读者我要写书评

暂无评论

改进的小波-BP神经网络在隧道变形监测中的应用

改进的小波-BP神经网络在隧道变形监测中的应用

引用

作者：刘建良辽宁工程技术大学

学位级别：硕士

在国民经济飞速发展中,基础设施发挥着重要的支撑能力。随着基础设施(公路、铁路等)修建的增加,随之而来的隧道建设也会越来越多,修建过程中遇到的困难挑战也会更多。研究合理的变形预测理论和方法,掌握变形规律、更加准确地获得变形预... 详细信息

在国民经济飞速发展中,基础设施发挥着重要的支撑能力。随着基础设施(公路、铁路等)修建的增加,随之而来的隧道建设也会越来越多,修建过程中遇到的困难挑战也会更多。研究合理的变形预测理论和方法,掌握变形规律、更加准确地获得变形预测数据,对解决隧道支护不及时、变形监测数据简单预测分析准确性低等问题,保障隧道施工安全、提高隧道的安全使用寿命和防灾减灾都具有十分重要的意义。本文提出改进小波-BP神经网络模型对隧道变形监测数据进行分析预测。首先利用小波变换理论对变形监测数据进行降噪处理;再基于BP神经网络理论方法对变形数据进行分析预测,得到更好的围岩变形趋势。传统硬阈值函数去噪后的数据在阈值点处会产生一种突变(震荡)现象,软阈值函数去噪后的数据会存在±λ大小的偏差;BP神经网络存在容易陷入局部极小而得不到全局最优、收敛速度慢等缺点。针对上述问题,用新阈值函数和遗传算法理论对小波-BP神经网络模型进行了改进。使用改进的模型对岑川隧道的拱顶、围岩和相关地表的监测数据进行预测分析,将前期开挖的监测数据作为训练样本,预测后期变形数据,并与实测数据对比。预测分析结果表明,将改进的小波-BP神经网络模型应用在隧道变形监测数据处理中,预测精度更高,更准确。该方法对隧道变形监测数据分析预测有很好的效果,可以用在后续的工程实践,并在其他类似工程中推广应用。

关键词：隧道变形监测新阈值函数改进小波-BP神经网络预测分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：