一种基于参数优化的小波阈值去噪方法及装置制造方法及图纸

本发明专利技术涉及信号处理技术领域，公开了一种基于参数优化的小波阈值去噪方法及装置

【技术实现步骤摘要】
一种基于参数优化的小波阈值去噪方法及装置


[0001]本专利技术涉及信号处理
，特别是涉及一种基于参数优化的小波阈值去噪方法及装置
。

技术介绍

[0002]目前常用的直流电能计量算法主要包括三种，分别是平均值法
、
有效值法和时域积分法
。
在理想情况下，上述三种方法的计算结果准确
、
一致
。
但由于
AC/DC
整流器环节电力电子特性显著，导致输出端电压
、
电流信号存在大量纹波，即含有高次交流谐波分量
。
在这种情况下，平均值法
、
有效值法将会出现计量偏差，并且当纹波含量越大时，电能计量误差越大，影响电能计费的公平性
、
合理性
。
因此，开展输出端直流电压
、
电流信号的高质量去噪并进行直流电能计量具有重要意义
。
[0003]针对上述问题，目前大多集中于数字滤波技术研究
。
经典数字滤波技术包括中值滤波法
、
限幅滤波法
、
滑动平均值法等，但各方面性能有待提升
。
相较于经典滤波方法，现代滤波方法整体性能提升显著
。
其中，小波阈值去噪法是最为典型的现代数字滤波技术之一，应用尤为广泛
。
小波阈值去噪法的效果优劣取决于几个关键参数，包括小波基函数
、
分解层数
、
阈值函数
、
阈值准则等
。
为了提升小波阈值去噪法的性能，目前的方法大多只能从单一参数改进
、
多个参数综合评价方面进行小波阈值去噪方法的改进，暂未考虑所有参数的影响
。

技术实现思路

[0004]本专利技术提供了一种基于参数优化的小波阈值去噪方法及装置，在选择去噪参数组合时同时考虑多个参数，增强评价的全面性，以呈现更好的去噪效果，提高去噪效率
。
[0005]为了解决上述技术问题，本专利技术提供了一种基于参数优化的小波阈值去噪方法，包括：
[0006]采集直流设备输出端的原始信号；其中，所述原始信号包括直流电压信号和直流电流信号；
[0007]根据预设的去噪参数组合，利用小波阈值去噪法对所述原始信号进行去噪处理，获取重构信号；其中，所述去噪参数组合中的参数包括小波基函数
、
分解层数
、
阈值函数和阈值准则；
[0008]计算所述原始信号和所述重构信号之间的信噪比
、
均方根误差
、
平滑度和相关系数；
[0009]利用层次分析法，根据所述信噪比
、
均方根误差
、
平滑度和相关系数计算小波阈值去噪性能复合评价结果；
[0010]获取小波阈值去噪性能复合评价结果最小时所对应的小波基函数
、
分解层数
、
阈值函数和阈值准则，生成最优去噪参数组合；
[0011]根据最优去噪参数组合，对所述原始信号进行最优小波阈值去噪
。
[0012]本专利技术对直流设备输出端的电压和电流信号去噪，先采集原始信号，根据预设的去噪参数组合，利用小波阈值去噪法处理原始信号可以得到重构信号，从而计算原始信号和重构信号之间的单项指标，包括信噪比
、
均方根误差
、
平滑度和相关系数，再根据这些单项指标计算评价小波阈值去噪方法效果优劣的复合指标，得到小波阈值去噪性能复合评价结果，以小波阈值去噪性能复合评价结果最小为目标找到对应的最优去噪参数组合，根据获取的最优去噪参数组合可以实现在综合考虑了小波基函数
、
分解层数
、
阈值函数和阈值准则的情况下，对电压和电流信号去噪，以达到更好的去噪效果，提高去噪效率
。
[0013]进一步地，所述根据预设的去噪参数组合，利用小波阈值去噪法对所述原始信号进行去噪处理，获取重构信号，具体为：
[0014]根据预设的小波基函数和分解层数，对原始信号进行小波变换，计算小波分解系数；
[0015]根据预设的阈值函数和阈值准则，对所述小波分解系数进行量化处理；
[0016]利用小波逆变换，重构经过量化处理后的小波分解系数，生成所述原始信号对应的重构信号
。
[0017]本专利技术先对原始信号进行小波变换，计算小波分解系数，对计算出的小波分解系数进行量化处理，再采用小波逆变换可以重构量化后的小波分解系数，形成去噪后的直流电压
、
电流信号，确定去噪后的原始信号为重构信号
。
结合小波变换和小波逆变换对原始信号进行重构，可以实现在较短的时间内完成信号处理，提高信号转换的效率
。
[0018]进一步地，所述计算所述原始信号和所述重构信号之间的信噪比
、
均方根误差
、
平滑度和相关系数，具体为：
[0019]获取所述原始信号的数据序列总点数；
[0020]根据所述原始信号
、
重构信号和原始信号的数据序列总点数分别计算信噪比
、
均方根误差
、
平滑度和相关系数；具体公式如下：
[0021]计算信噪比的具体公式为：
[0022][0023]计算均方根误差的具体公式为：
[0024][0025]计算平滑度的具体公式为：
[0026][0027]计算相关系数的具体公式为：
[0028][0029]其中，
O(i)
为原始信号第
i
个数据点数值；
G(i)
为重构信号第
i
个数据点数值；
N
为数据序列总点数；
η
SNR
为信噪比；
η
RMSE
为均方根误差；
η
r
为平滑度；
η
R
为相关系数
。
[0030]本专利技术在评价小波阈值去噪方法效果优劣的单项指标方面，考虑了信噪比
、
均方根误差
、
平滑度和相关系数4项评价指标，能够从多维度评价去噪方法的效果，确保方法评价的全面性
。
[0031]进一步地，所述利用层次分析法，根据所述信噪比
、
均方根误差
、
平滑度和相关系数计算小波阈值去噪性能复合评价结果，具体为：
[0032]利用预设的小波阈值去噪性能复合评价模型，建立比较矩阵；
[0033]根据所述比较矩阵分别计算所述信噪比
、
均方根误差
、
平滑度和相关系数的排序指数；
[0034]利用极差法将比较矩阵转化为判断矩阵；
[0035]根据所述判断矩阵分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于参数优化的小波阈值去噪方法，其特征在于，包括：采集直流设备输出端的原始信号；其中，所述原始信号包括直流电压信号和直流电流信号；根据预设的去噪参数组合，利用小波阈值去噪法对所述原始信号进行去噪处理，获取重构信号；其中，所述去噪参数组合中的参数包括小波基函数
、
分解层数
、
阈值函数和阈值准则；计算所述原始信号和所述重构信号之间的信噪比
、
均方根误差
、
平滑度和相关系数；利用层次分析法，根据所述信噪比
、
均方根误差
、
平滑度和相关系数计算小波阈值去噪性能复合评价结果；获取小波阈值去噪性能复合评价结果最小时所对应的小波基函数
、
分解层数
、
阈值函数和阈值准则，生成最优去噪参数组合；根据最优去噪参数组合，对所述原始信号进行最优小波阈值去噪
。2.
根据权利要求1所述的基于参数优化的小波阈值去噪方法，其特征在于，所述根据预设的去噪参数组合，利用小波阈值去噪法对所述原始信号进行去噪处理，获取重构信号，具体为：根据预设的小波基函数和分解层数，对原始信号进行小波变换，计算小波分解系数；根据预设的阈值函数和阈值准则，对所述小波分解系数进行量化处理；利用小波逆变换，重构经过量化处理后的小波分解系数，生成所述原始信号对应的重构信号
。3.
根据权利要求1所述的基于参数优化的小波阈值去噪方法，其特征在于，所述计算所述原始信号和所述重构信号之间的信噪比
、
均方根误差
、
平滑度和相关系数，具体为：获取所述原始信号的数据序列总点数；根据所述原始信号
、
重构信号和原始信号的数据序列总点数分别计算信噪比
、
均方根误差
、
平滑度和相关系数；具体公式如下：计算信噪比的具体公式为：计算均方根误差的具体公式为：计算平滑度的具体公式为：计算相关系数的具体公式为：
其中，
O(i)
为原始信号第
i
个数据点数值；
G(i)
为重构信号第
i
个数据点数值；
N
为数据序列总点数；
η
SNR
为信噪比；
η
RMSE
为均方根误差；
η
r
为平滑度；
η
R
为相关系数
。4.
根据权利要求1所述的基于参数优化的小波阈值去噪方法，其特征在于，所述利用层次分析法，根据所述信噪比
、
均方根误差
、
平滑度和相关系数计算小波阈值去噪性能复合评价结果，具体为：利用预设的小波阈值去噪性能复合评价模型，建立比较矩阵；根据所述比较矩阵分别计算所述信噪比
、
均方根误差
、
平滑度和相关系数的排序指数；利用极差法将比较矩阵转化为判断矩阵；根据所述判断矩阵分别计算所述信噪比
、
均方根误差
、
平滑度和相关系数的权重；基于所述信噪比
、
均方根误差
、
平滑度和相关系数的权重计算小波阈值去噪性能复合评价结果
。5.
根据权利要求1所述的基于参数优化的小波阈值去噪方法，其特征在于，所述获取小波阈值去噪性能复合评价结果最小时所对应的小波基函数
、
分解层数
、
阈值函数和阈值准则，生成最优去噪参数组合，具体为：建立以小波阈值去噪性能复合评价结果最小为目标
、
以小波基函数
、
分解层数
、
阈值函数
、
阈值准则为决策变量的参数组合优选模型；采用粒子群优化算法求解所述参数组合优选模型，得到最优去噪参数组合
。6.
根据权利要求5所述的基于参数优化的小波阈值去噪方法，其特征在于，所述建立以小波阈值去噪性能复合评价结果最小为目标
、
...

【专利技术属性】
技术研发人员：张军，刘日荣，杨雨瑶，纪伊琳，何新辉，黄友朋，
申请(专利权)人：广东电网有限责任公司计量中心，
类型：发明
国别省市：