在發電機局部放電在線監測中，現場會引入大量的干擾，特別是寬頻帶監測系統，由于采用了寬達數兆的頻帶，
雖然信號的靈敏度較以前的窄帶系統和常規寬帶系統（帶寬小于500K）高，但信噪比低，引入的干擾也多，
因此，有效地抑制各種干擾，從強干擾中提取出局部放電信號是系統能否可靠工作的關鍵問題。
根據干擾???時域特征，干擾可以分為周期性窄帶干擾、白噪聲干擾、周期性脈沖干擾和隨機脈沖干擾。
我們在干擾抑制方面進行了深入的研究，在汲取前人經驗的基礎上，除采用常規算法外，
還采用小波理論、神經網絡和自適應濾波等算法對各種干擾采用了相應的不同對策，例如，對于窄帶周期性干擾，
我們研究了基于小波分解的自適應濾波算法，提高了自適應濾波算法的抗干擾性能和穩定性；
對于白噪聲，研究了基于小波與隱式馬爾科夫模型的發電機局部放電信號去噪算法，對比傳統的門限去噪算法，該算法能獲得更高的信噪比；
對于脈沖干擾，特別是隨機脈沖干擾，在大量測試數據的基礎上，研究了基于神經網絡的干擾抑制算法研究，
采用信號的時域和頻域特征，利用神經網絡抑制隨機干擾，取得了很好的效果。
在抑制單一干擾的基礎了，研究了基于小波空間屏蔽濾波的局部放電信號處理算法，利用小波空間屏蔽濾波器，進一步保留局放信號，
抑制干擾，使得*后的信號信噪比大大提供，為局放信號的特征提前打下基礎。
a） 基于小波分解的自適應濾波算法抑制局部放電窄帶周期干擾中的應用
在局部放電信號處理中，普通的自適應濾波算法在各種抑制正弦干擾的算法中是比較好的算法之一，但是在寬帶局部放電在線監測中，
由于窄帶周期干擾的頻率范圍很寬，自適應濾波器的參數設置比較困難，有時甚至會導致算法不穩定。
我們創造性地提出了基于小波分解的自適應濾波算法，利用小波分頻原理，將采集到的信號分解到各個頻段上，再在各頻段上利用*優參數自適應濾波抑制窄帶干擾，
大量的計算機仿真分析和現場數據處理表明，基于小波分解的自適應濾波算法比起普通自適應濾波算法有更好的抗干擾性能和穩定性。
b） 基于小波與隱式馬爾科夫模型的發電機局部放電信號去噪
基于小波變換的馬爾科夫模型（HMMs）*近被用于圖像信號處理。
其方法的優勢在于它考慮了小波系數之間的相關性，而且在去噪時不存在待定的自由參數，具有更強的自適應性。
我們采用了HMMs方法去除發電機局部放電信號中的白噪聲。
為了驗證方法的有效性，我們采用了兩種實測的局放信號，實驗室的線棒放電信號和電廠的發電機局放信號。
結果證明，對比傳統的門限去噪算法，HMMs方法能獲得更高的信噪比。
c） 基于神經網絡的發電機局部放電隨機脈沖干擾抑制
電機在線監測數字化干擾抑制技術
在周期性窄帶干擾、白噪聲干擾、周期性隨機干擾和隨機脈沖干擾中等各種干擾中，隨機脈沖干擾由于其在頻域上和時域上與局放信號有很強的類似性，
現有的各種軟硬件抑制方法效果都不太令人滿意。
我們研究了隨機脈沖干擾和發電機局部放電信號在時域和頻域上的各種特征和現有的各種干擾抑制算法，利用二者在時域和頻域上的細微特征區別，
設計采用神經網絡算法識別局放信號和干擾信號，在識別的基礎上，達到去除隨機脈沖干擾的目的，取得了比較滿意的效果。
d） 基于小波空間屏蔽濾波的局部放電信號處理算法
空間屏蔽濾波器是采用相鄰尺度上小波系數的相關關系來構造的濾波器。
利用基于多孔算法的小波變換對信號進行分解，根據噪聲和局放信號小波系數的不同特征，構造空間屏蔽濾波器，對分解后的小波系數進行空間屏蔽濾波，
從而抑制各類干擾，提高信號的信噪比。
理論分析和實踐結果證明，對比傳統的去噪算法，空間屏蔽濾波能獲得更高的信噪比，保留更多的局放信號信息，對局放信號的去噪起到了很好的效果。
干擾抑制算法是局放特征提取和分析的基礎，我們研究了一套完整的基于超寬帶系統的局放信號干擾抑制和特征提前算法，取得了很好的效果。