Die Wavelet-Transformation weist lokale Merkmale auf, die sich bei der Rauschreduzierung im Signal als vorteilhaft erweisen. Die Wahl des Schwellenwerts beeinflusst jedoch direkt die Effektivität der Signalverarbeitung im Rauschunterdrückungsprozess. Die Methoden des weichen und harten Schwellenwerts weisen Mängel auf. Aus diesem Grund wurde ein Algorithmus des adaptiven Lernens des Gradienten eingeführt, um den optimalen Schwellenwert zu ermitteln und diesen zur Verarbeitung von Signalen in thermischen Prozessen zu verwenden, um Signale für die Fehlerdiagnose und die Systemidentifikation näher an der Realität bereitzustellen.

Adaptiv; Thermisches Signal; Wavelet-Analyse; Rauschreduzierung; Schwellenwert