CN107729868A - 一种基于小波分析的信号处理方法 - Google Patents

Abstract

本发明提供了一种基于小波分析的信号处理方法，包括以下步骤：S1、负荷数据预处理：根据历史负荷的实际情况，采用具有紧支撑和高正则性的小波函数，对经过预处理的实际历史负荷数据序列进行三级小波分解；S2、基荷分量的回归分析预测：对于反映系统基荷的低频近似序列e3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测；S3、变动分量的趋势外推预测：对于随机性强、周期性短的d1分量采用对超短周期序列预测较佳的趋势外推预测法进行预测；S4、结果分析与修正：对所做的预测进行精度分析。本发明将小波分析、回归分析等几种较优的负荷预测方法相结合形成新的预测模型，从而进行优化处理、取长补短，达到进一步提高预测精度的目的。

Description

一种基于小波分析的信号处理方法

技术领域

本发明涉及信号处理技术领域，尤其涉及一种基于小波分析的信号处理方法。

背景技术

信号处理已经成为当代科学技术的重要组成部分，信号处理的目的是准确的分析，正确的诊断编码压缩和量化、快速传递和存储、精确的重构或恢复，对于平稳的是不变信号，处理的理想工具仍然是傅里叶分析，但在实际应用中所遇到的信号绝大多数是非平稳的，小波分析为分析这种非平稳信号提供了有效的处理工具。目前分析振动信号的方法中最为常用的参数分析法，其极易受噪声干扰，最终对振动发射源的性质识别和判断有很大的影响，需要新的分析方法有效克服参数分析法的这一缺点。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于小波分析的信号处理方法，将小波分析、回归分析等几种较优的负荷预测方法相结合形成新的预测模型，从而进行优化处理、取长补短，达到进一步提高预测精度的目的。

为达到上述目的，本发明提供了一种基于小波分析的信号处理方法，包括以下步骤：

S1、负荷数据预处理：根据历史负荷的实际情况，采用具有紧支撑和高正则性的小波函数，对经过预处理的实际历史负荷数据序列进行三级小波分解，以预测误差最小化为标准，最终采用db4的小波基对其进行3尺度分解，分别得到4个子序列dl、d2、d3和e3，其中e3为低频序列，dl、d2和d3均为高频细节序；

S2、基荷分量的回归分析预测：对于反映系统基荷的低频近似序列e3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测，使用外推叠加法对其进行近似预测，根据回归分析建模；

S3、变动分量的趋势外推预测：对于随机性强、周期性短的d1分量采用对超短周期序列预测较佳的趋势外推预测法进行预测；

S4、结果分析与修正：实现负荷预测值的输出，并在实际预测值之后对所做的预测进行精度分析。

作为上述技术方案的优选实施方式，本发明实施例提供的一种基于小波分析的信号处理方法进一步包括下列技术特征的部分或全部：

作为上述技术方案的改进，在本发明的一个实施例中，所述步骤S2中根据回归分析建模的步骤如下：

S21、采用多元线性回归方程建立回归分析方程对各尺度分量序列进行线性化处理；

S22、利用矩阵解法求解确定回归方程的系数，在给定自由度后，确定序列中各元素的置信区间，得到预测模型方程式；

S23、利用该预测模型方程式得到各分量的预测值后，对各分量的预测值进行重构得到最终负荷序列的预测值。

与现有技术相比，本发明具有如下有益效果：本发明提供的基于小波分析的信号处理方法，将小波分析、回归分析等几种较优的负荷预测方法相结合形成新的预测模型，从而进行优化处理、取长补短，达到进一步提高预测精度的目的。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下结合优选实施例，详细说明如下。

具体实施方式

下面结合实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。

一种基于小波分析的信号处理方法，包括以下步骤：

S1、负荷数据预处理：根据历史负荷的实际情况，采用具有紧支撑和高正则性的小波函数，对经过预处理的实际历史负荷数据序列进行三级小波分解，以预测误差最小化为标准，经过多次数据实验，最终采用db4的小波基对其进行3尺度分解，分别得到4个子序列dl、d2、d3和e3，其中e3为低频序列，dl、d2和d3均为高频细节序；

S2、基荷分量的回归分析预测：对于反映系统基荷的低频近似序列e3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测，使用外推叠加法对其进行近似预测，根据回归分析建模；

S3、变动分量的趋势外推预测：对于随机性强、周期性短的d1分量采用对超短周期序列预测较佳的趋势外推预测法进行预测；

S4、结果分析与修正：实现负荷预测值的输出，并在知道最近预测日的实际预测值之后对所做的预测进行精度分析。

进一步地，所述步骤S2中根据回归分析建模的步骤如下：

S21、采用多元线性回归方程建立回归分析方程对各尺度分量序列进行线性化处理；

S22、利用矩阵解法求解确定回归方程的系数，在给定自由度后，确定序列中各元素的置信区间，得到预测模型方程式；

S23、利用该预测模型方程式得到各分量的预测值后，对各分量的预测值进行重构得到最终负荷序列的预测值。

本发明是结合小波分析、回归分析等几种较优的负荷预测方法，形成新的预测模型，实现优化处理、取长补短，达到进一步提高预测精度的目的。在小波变换中的尺度类似于地图中的比例尺，大的比例对应的是一个队信号的全局的概略描述，而小的比例则相应地对应于细节性的描述，从信号频率的角度来看，低的频率对应信号的整体信息，而高频分量则对应于在信号内部隐藏的细节信息。

以上所述是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变动，这些改进和变动也视为本发明的保护范围。

Claims (2)

1.一种基于小波分析的信号处理方法，其特征在于，包括以下步骤：

S1、负荷数据预处理：根据历史负荷的实际情况，采用具有紧支撑和高正则性的小波函数，对经过预处理的实际历史负荷数据序列进行三级小波分解，以预测误差最小化为标准，最终采用db4的小波基对其进行3尺度分解，分别得到4个子序列dl、d2、d3和e3，其中e3为低频序列，dl、d2和d3均为高频细节序；

S2、基荷分量的回归分析预测：对于反映系统基荷的低频近似序列e3以及高频细节分量d3和d2分别构造相应的回归分析模型进行预测，使用外推叠加法对其进行近似预测，根据回归分析建模；

S3、变动分量的趋势外推预测：对于随机性强、周期性短的d1分量采用对超短周期序列预测较佳的趋势外推预测法进行预测；

S4、结果分析与修正：实现负荷预测值的输出，并在实际预测值之后对所做的预测进行精度分析。

2.如权利要求1所述的基于小波分析的信号处理方法，其特征在于，所述步骤S2中根据回归分析建模的步骤如下：

S21、采用多元线性回归方程建立回归分析方程对各尺度分量序列进行线性化处理；

S22、利用矩阵解法求解确定回归方程的系数，在给定自由度后，确定序列中各元素的置信区间，得到预测模型方程式；

S23、利用该预测模型方程式得到各分量的预测值后，对各分量的预测值进行重构得到最终负荷序列的预测值。