基于自适应学习算法的小波消噪在热工过程信号处理中的应用

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于自适应学习算法的小波消噪在热工过程信号处理中的应用

技术交流 | 更新时间：2025-09-28

- 基于自适应学习算法的小波消噪在热工过程信号处理中的应用
- APPLICATION OF WAVELET DE-NOISING IN SIGNAL PROCESSION OF THERMAL ENGINEERING PRCESS
- 热力发电 2008年37卷第12期页码：73-78
- 作者机构：
  
  1. 华北电力科学研究院有限责任公司
  2. 北京市电力公司
- 作者简介：
- 基金信息：
- DOI：10.19666/j.rlfd.2008.12.019
  中图分类号： TP274.2
- 纸质出版：2008
- 稿件说明：
移动端阅览
杨振勇, 尹喜超. 基于自适应学习算法的小波消噪在热工过程信号处理中的应用[J]. 热力发电, 2008,37(12):73-78.

YANG Zhen-yong1, YIN Xi-chao21.North China Electric Power Science Research Institute Co Ltd. APPLICATION OF WAVELET DE-NOISING IN SIGNAL PROCESSION OF THERMAL ENGINEERING PRCESS[J]. Thermal power generation, 2008, 37(12): 73-78.
杨振勇, 尹喜超. 基于自适应学习算法的小波消噪在热工过程信号处理中的应用[J]. 热力发电, 2008,37(12):73-78. DOI： 10.19666/j.rlfd.2008.12.019.

YANG Zhen-yong1, YIN Xi-chao21.North China Electric Power Science Research Institute Co Ltd. APPLICATION OF WAVELET DE-NOISING IN SIGNAL PROCESSION OF THERMAL ENGINEERING PRCESS[J]. Thermal power generation, 2008, 37(12): 73-78. DOI： 10.19666/j.rlfd.2008.12.019.

小波变换具有局部性特点

其在信号降噪方面有较强优势。但是

在消噪过程中阈值的选取将直接影响到信号处理效果

而软阈值和硬阈值消噪方法都有不足之处。对此

引入了梯度的自适应学习算法以求取最佳阈值

并将该方法用于处理热工过程信号

为故障诊断和系统辨识提供更接近实际的信号。

The wavelet transform has partial features

and boasting stronger advantage in signal de-noising.However

the threshold value choise in de-noising process will directly affect the result of signal processing

and both of soft and hard threshold value de-noising methods have their deficiencies.For this

an adaptive learning algorithm of gradient has been introduced for seeking the optimal threshold value

and the said method being applied in signal processing of thermal Engineering process

providing signal more nearing to the actual one for fault diagnosis and system identification.

浏览量

112

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于粗糙集的自适应模糊神经网络用于循环流化床锅炉床温控制的研究