小波阈值去噪的研究及应用

2016-11-25盛楠陈国初

科技与创新 2016年20期

盛楠+陈国初

摘要：在采集信号的过程中，原始信号会受到大量噪声信号的影响。对信号进行去噪处理时，提取有用信号十分重要。小波分析作为一种信号处理方法，在时域和频域上都有良好的局部性，可以很好地抑制噪声。最常用的小波去噪方法是小波阈值去噪法。简要研究了小波阈值去噪法的相关内容，并将其应用在实际风电场的风速数据中，针对风速序列的不稳定性进行去噪处理，以减小风速序列的波动性。实验证明，去噪后的信号更加稳定，波动性明显减弱。

关键词：小波去噪；阈值；风速；波动性

中图分类号：TN911.4 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.20.076

文章编号：2095-6835（2016）20-0076-01

在采集实际信号的过程中，原始信号会受到噪声信号的干扰，通过小波去噪可以有效滤除信号中的噪声，分离出有用的信号。在小波去噪方法中，应用最广泛的是小波阈值去噪法。采用阈值去噪法可以得到原始信号的近似最优估计，实现便捷，效果好。近年来，风电产业快速发展，风速作为风电场的重要参数，具有很强的随机性和波动性，给风力发电造成了巨大的影响。为了减少风速序列造成的不稳定性，本文将小波阈值去噪的方法应用于风速序列的处理中。仿真实验表明，风速序列经过小波去噪处理后，波动性明显减弱。

1 小波阈值去噪

设信号为：

yt=st+nt. （1）

式（1）中：yt为含有噪声的信号；st为有用信号；nt为噪声信号。

小波阈值去噪的基本原理是：信号经过小波变换后失去相关性，噪声分布在整个小波域。当信号处于小波域大的系数中，则可以认为噪声的小波系数幅值小于信号小波系数幅值。因此，可以设定一个阈值，保留高于此阈值的小波系数，将低于此阈值的小波系数至零，即使噪声的小波系数减少至零。常用的阈值选取规则有rigrsure原则、sqtwolog原则、heursure原则和minimax原则等，本文采用的是rigrsure原则。

小波去噪的基本步骤是：①选择小波基和分解的层数，计算小波分解系数；②选择合适的阈值，针对高频系数进行去噪处理；③将低频系数和经过阈值处理后的高频系数进行小波重构，得到去噪后的信号。

2 实验仿真与分析

本文采用东北某风电场2014-06采集的数据作为实验数据。该机组每小时进行一次数据采样，6月份一共采集了30×24=720组数据。在Windows7的系统环境下，运用MATLAB2012b软件进行实验仿真。图1为原始的风速序列。

对原始风速序列进行3层小波分解，得到低频趋势信号分量a1、a2、a3和高频细节信号d1、d2、d3。采用rigrsure原则作为阈值选取规则，对高频信号分量d1、d2和d3进行小波去噪处理，将去噪后得到的高频信号分量d1*、d2*和d3*进行小波重构，得到如图2所示的小波去噪后的小时风速序列图。

对比图1和图2可知，与原始的风速序列相比，经过小波去噪处理后，风速的波动性明显减弱，稳定性增强。

3 结论

本文针对风速时间序列的不平稳性，采用阈值去噪的方法对其进行小波去噪处理。仿真实验表明，小波去噪处理削弱了风速的不平稳性，证明了其在数据处理上的有效性。

参考文献

[1]岑翼刚，尉宇，孙德宝.小波阈值神经网络在信号去噪及预测中的应用[J].控制理论与应用，2008，25（03）：485-491.

[2]刘艺，张琨.基于小波去噪和GA-Elman神经网络的短时交通流预测[J].交通科技与经济，2015，17（06）：80-85.

[3]王明伟.风电场短期风速预测研究[D].兰州：兰州理工大学，2009.

[4]严容.基于小波去噪的BP神经网络在变形预测中的应用[D].北京：中国地质大学，2014.