小波閾值去噪的研究及應用

盛楠+陳國初

摘 要：在采集信號的過程中，原始信號會受到大量噪聲信號的影響。對信號進行去噪處理時，提取有用信號十分重要。小波分析作為一種信號處理方法，在時域和頻域上都有良好的局部性，可以很好地抑制噪聲。最常用的小波去噪方法是小波閾值去噪法。簡要研究了小波閾值去噪法的相關內容，并將其應用在實際風電場的風速數據中，針對風速序列的不穩定性進行去噪處理，以減小風速序列的波動性。實驗證明，去噪后的信號更加穩定，波動性明顯減弱。

關鍵詞：小波去噪；閾值；風速；波動性

中圖分類號：TN911.4 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.20.076

文章編號：2095-6835（2016）20-0076-01

在采集實際信號的過程中，原始信號會受到噪聲信號的干擾，通過小波去噪可以有效濾除信號中的噪聲，分離出有用的信號。在小波去噪方法中，應用最廣泛的是小波閾值去噪法。采用閾值去噪法可以得到原始信號的近似最優估計，實現便捷，效果好。近年來，風電產業快速發展，風速作為風電場的重要參數，具有很強的隨機性和波動性，給風力發電造成了巨大的影響。為了減少風速序列造成的不穩定性，本文將小波閾值去噪的方法應用于風速序列的處理中。仿真實驗表明，風速序列經過小波去噪處理后，波動性明顯減弱。

1 小波閾值去噪

設信號為：

yt=st+nt. （1）

式（1）中：yt為含有噪聲的信號；st為有用信號；nt為噪聲信號。

小波閾值去噪的基本原理是：信號經過小波變換后失去相關性，噪聲分布在整個小波域。當信號處于小波域大的系數中，則可以認為噪聲的小波系數幅值小于信號小波系數幅值。因此，可以設定一個閾值，保留高于此閾值的小波系數，將低于此閾值的小波系數至零，即使噪聲的小波系數減少至零。常用的閾值選取規則有rigrsure原則、sqtwolog原則、heursure原則和minimax原則等，本文采用的是rigrsure原則。

小波去噪的基本步驟是：①選擇小波基和分解的層數，計算小波分解系數；②選擇合適的閾值，針對高頻系數進行去噪處理；③將低頻系數和經過閾值處理后的高頻系數進行小波重構，得到去噪后的信號。

2 實驗仿真與分析

本文采用東北某風電場2014-06采集的數據作為實驗數據。該機組每小時進行一次數據采樣，6月份一共采集了30×24=720組數據。在Windows7的系統環境下，運用MATLAB2012b軟件進行實驗仿真。圖1為原始的風速序列。

對原始風速序列進行3層小波分解，得到低頻趨勢信號分量a1、a2、a3和高頻細節信號d1、d2、d3。采用rigrsure原則作為閾值選取規則，對高頻信號分量d1、d2和d3進行小波去噪處理，將去噪后得到的高頻信號分量d1*、d2*和d3*進行小波重構，得到如圖2所示的小波去噪后的小時風速序列圖。

對比圖1和圖2可知，與原始的風速序列相比，經過小波去噪處理后，風速的波動性明顯減弱，穩定性增強。

3 結論

本文針對風速時間序列的不平穩性，采用閾值去噪的方法對其進行小波去噪處理。仿真實驗表明，小波去噪處理削弱了風速的不平穩性，證明了其在數據處理上的有效性。

參考文獻

[1]岑翼剛，尉宇，孫德寶.小波閾值神經網絡在信號去噪及預測中的應用[J].控制理論與應用，2008，25（03）：485-491.

[2]劉藝，張琨.基于小波去噪和GA-Elman神經網絡的短時交通流預測[J].交通科技與經濟，2015，17（06）：80-85.

[3]王明偉.風電場短期風速預測研究[D].蘭州：蘭州理工大學，2009.

[4]嚴容.基于小波去噪的BP神經網絡在變形預測中的應用[D].北京：中國地質大學，2014.

[5]徐明林.基于小波降噪和經驗模態分解的滾動軸承故障診斷[D].哈爾濱：哈爾濱工業大學，2013.

[6]王聚杰.基于小波去噪的組合預測模型及其在短期電力負荷預測中的應用[D].蘭州：蘭州大學，2011.