CN107991531A - 基于变分模态分解和去除噪声的电网谐波检测方法 - Google Patents
基于变分模态分解和去除噪声的电网谐波检测方法 Download PDFInfo
- Publication number
- CN107991531A CN107991531A CN201711106299.9A CN201711106299A CN107991531A CN 107991531 A CN107991531 A CN 107991531A CN 201711106299 A CN201711106299 A CN 201711106299A CN 107991531 A CN107991531 A CN 107991531A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- component
- noise
- harmonic wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Abstract
本发明公开一种可提取谐波信号的相位、幅值及频率信息的基于变分模态分解和去除噪声的电网谐波检测方法，依次按照如下步骤进行：取电网电压信号；对电网电压信号进行FFT变换；以频谱中分布的谐波个数为模态分解个数K；进行FFT反变换；进行VMD分解；判断是否有模态混叠；是，则在频域中去除噪声，返回d步骤；否，获得模态分量。
Description
技术领域
本发明涉及一种电网谐波检测方法，尤其是一种可提取谐波信号的相位、幅值及频率信息的基于变分模态分解和去除噪声的电网谐波检测方法。
背景技术
随着新能源发电系统的大规模应用，电力电子设备已越来越多地被引入到电力系统中，从而产生过多电网谐波。电网谐波会导致电力电子设备过流，严重时将造成新能源发电系统大规模脱网等重大事故。理论上讲，电力电子设备可以在明确各类电网谐波信号特征全面信息（幅值、相位及频率）的前提下调整控制策略抑制过流，避免发生因保护动作而导致设备脱网的现象。
目前，电网谐波信号特征辨识方法的研究主要集中在傅里叶变换（FourierTransform, FT）、小波变换（Wavelet Transform, WT）、经验模态分解（Empirical ModesDecomposition, EMD）以及独立成分分析（Independent Component Analysis, ICA）4种方法。FT方法可将谐波信号特征的频率信息有效提取出来，但丢失了相位、幅值信息，无法得知扰动的发生时间、持续时长以及严重程度。WT方法可以同时获得谐波信号的相位与频率信息，从而得到比FT方法更好的辨识结果。但却具有对噪声敏感、鲁棒性差、频谱泄露等缺点。EMD方法具有无需待测信号的先验信息，可对非平稳信号进行分析等优点，但其缺乏数学理论支撑且所得结果易发生模态混叠现象，使不同的辨识结果含有相同的频率信息，不能够对扰动信号进行有效分离。ICA方法能够在源信号未知的情况下，提取电网谐波信号特征信息，是一种功能强大的信号处理方法。但该方法要求输入为多路信号，而电网信号多数为单通道电压信号，因此，采用ICA方法进行电网谐波特征辨识需要先将单通道信号转换为多通道信号，增加了算法复杂度；同时由于ICA的算法原理忽略信号的幅值信息，从而无法得知谐波扰动的严重程度。综上所述，现有方法并不能够将谐波信号的相位、幅值及频率信息全部提取出来，并且不能实现对电网谐波信号特征的在线检测。
变分模态分解（Variational Mode Decomposition,VMD）方法由K.Dragomiretskiy和D. Zosso于2014年提出，是一种非迭代的新的模态估计方法，能够自适应地实现信号的频域划分及各分量的有效分离，并且所得结果同时含有幅值、相位及频率信息，已被应用到多个研究领域。但是，迄今为止未见关于采用VMD进行电网谐波信号特征检测的相关报道。
发明内容
本发明是为了解决现有技术所存在的上述技术问题，提供一种可提取谐波信号的相位、幅值及频率信息的基于变分模态分解和去除噪声的电网谐波检测方法。
本发明的技术解决方案是：一种基于变分模态分解和去除噪声的电网谐波检测方法，其特征在于依次按照如下步骤进行：
a. 取电网电压信号；
b. 对电网电压信号进行FFT变换；
c. 以频谱中分布的谐波个数为模态分解个数K；
d. 进行FFT反变换；
e. 进行VMD分解；
f. 判断是否有模态混叠；是，则在频域中去除噪声，返回d步骤；否，获得模态分量。
所述基于变分模态分解和去除噪声的电网谐波检测方法，其特征在于所述f步骤在频域中去除噪声是按下式进行：
式中，；
所述，为采样点个数。
本发明是以快速傅里叶变换选择变分模态分解关键参数K的策略与去噪算法相结合。通过仿真和真实电压信号进行实验，所得结果完全消除模态混叠现象，能够将电网中谐波、间谐波以及基波分量准确提取出来，从而为控制器及时调整控制策略抑制过流，避免电力设备因发生保护动作而导致脱网的现象发生。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施例1的仿真信号时域波形图。
图3是本发明实施例1的仿真信号频域波形图。
图4是本发明实施例1仿真原始信号及分离所得分量频谱图。
图5是本发明实施例1分离所得各个分量的时域波形图。
图6是本发明实施例2的仿真信号时域波形图。
图7是本发明实施例2的仿真信号频域波形图。
图8是本发明实施例2仿真原始信号及分离所得分量频谱图。
图9是本发明实施例2分离所得各个分量的时域波形图。
图10是本发明实施例2的去除噪声信号时域波形图。
图11是本发明实施例2的去除噪声信号频域波形图。
图12是本发明实施例2去噪信号及分离所得分量频谱图。
图13是本发明实施例2去噪信号分离所得各个分量的时域波形图。
图14是本发明实施例3的仿真信号时域波形图。
图15是本发明实施例3的仿真信号频域波形图。
图16是本发明实施例3仿真原始信号及分离所得分量频谱图。
图17是本发明实施例3分离所得各个分量的时域波形图。
图18是本发明实施3的去除噪声信号时域波形图。
图19是本发明实施例3的去除噪声信号频域波形图。
图20是本发明实施例3去噪信号及分离所得分量频谱图。
图21是本发明实施例3去噪信号分离所得各个分量的时域波形图。
图22是本发明实施例4的电网电压时域波形图。
图23是本发明实施例4的电网电压频域波形图。
图24是本发明实施例4电网电压信号及分离所得分量频谱图。
图25是本发明实施例4分离所得各个分量的时域波形图。
图26是本发明实施4的去除噪声信号时域波形图。
图27是本发明实施例4的去除噪声信号频域波形图。
图28是本发明实施例4去噪信号及分离所得分量频谱图。
图29是本发明实施例4去噪信号分离所得各个分量的时域波形图。
具体实施方式
实施例1：
本发明的一种基于变分模态分解和去除噪声的电网谐波检测方法如图1所示，依次按照如下步骤进行：
a. 取电网电压信号；
基于MATLAB平台建立电网电压仿真信号，由3个不同频率分量以及高斯白噪声混合而成，其表达式为：
其中，3个分量的频率分别为12Hz，50Hz，150Hz， 是高斯白噪声。N是噪声幅值系数，N=0.02，SNR=12.89dB（只考虑150Hz分量与噪声的比较），
仿真信号时域波形如图2所示。
b. 对电网电压信号进行FFT变换，频域波形如图3所示，图3中Y轴为幅值，X轴为角频率。从图3可见，该仿真信号主要由12Hz，50Hz，150Hz的3个谐波分量组成；
c. 以频谱中分布的谐波个数为模态分解个数K，即K=3；
d. 进行FFT反变换；
e. 维纳滤波系数采用默认值，令，进行VMD分解；
结果分别如图4、图5所示。
图4为仿真信号与分离所得分量的频谱对比图。虚线为仿真信号，实线为分离信号，从图4中可以看出，所提取的各个信号分量的频率均与原始信号频率分布吻合。
图5为各个分量的时域波形图。a为第一模态分量（12Hz谐波分量）时域波形图；b为第二模态分量（50Hz基波分量）时域波形图；c为第三模态分量（150Hz谐波分量）的时域波形图。
f. 判断是否有模态混叠；从图5中可以看出，三个分量的时域波形被很好的提取出来，并且保留其频率、相位以及幅值信息，并且没有模态混叠，可输出获得模态分量。
实施例2：
本发明的一种基于变分模态分解和去除噪声的电网谐波检测方法如图1所示，依次按照如下步骤进行：
a. 取电网电压信号；
基于MATLAB平台建立电网电压仿真信号，由3个不同频率分量以及高斯白噪声混合而成，其表达式为：
其中，3个分量的频率分别为12Hz，50Hz，150Hz， 是高斯白噪声。N是噪声幅值系数，N=0.05，SNR= 4.98dB。仿真信号时域波形如图6所示。
b. 对电网电压信号进行FFT变换，频域波形结果如图7，图7中Y轴为幅值，X轴为角频率。从图7可见，该仿真信号主要由12Hz，50Hz，150Hz的3个谐波分量组成；
c. 以频谱中分布的谐波个数为模态分解个数K，即K=3；
d. 进行FFT反变换；
e. 维纳滤波系数采用默认值，令，进行VMD分解；
结果分别如图8、图9所示。
图8仿真信号及分离所得分量频谱图。虚线是原始信号的频谱，实线是分离分量的频谱。从图9可以看出，所得结果具有模态混叠现象，即每个所得分量中含有多个频率分量。
图9为各个分量的时域波形图。a为第一模态分量（12Hz和50Hz混叠分量）时域波形图；b为第二模态分量（50Hz和150Hz混叠分量）时域波形图；c为第三模态分量（150Hz和高频信号混叠分量）时域波形图。
f. 判断是否有模态混叠；从图8、图9中可以看出，对信号进行VMD分解所得结果具有模态混叠现象，按照下式在信号频域中去除噪声：
式中，；
所述，为采样点个数，实施例2仿真信号采样点个数为2016，m=2；
由于噪声的频谱具有广域的特点，其测度远大于局域的有用信号，均值接近于噪声信号的，故保留所有的成分，去掉所有的成分；然后返回d步骤，即再将所得到的频谱分布进行FFT反变换，得到去噪后的信号；
去噪后信号的时域波形及频域波形分别如图10、图11所示。图10、图11中可以看出，去噪后信号的频谱分布中，12Hz，50Hz以及150Hz分量尖峰更加明显，噪声频谱分布明显降低。
e. 维纳滤波系数采用默认值，令，进行VMD分解；
结果分别如图12、图13所示。
图12为去噪信号与所分离信号的频谱对比图。虚线为去噪信号，实线为分离信号，从图14中可以看出，所提取的各个信号分量的频率均与去噪信号频率分布吻合。
图13为去噪信号分离各个分量的时域波形图。a为第一模态分量（12Hz谐波分量）时域波形图；b为第二模态分量（50Hz基波分量）时域波形图；c为第三模态分量（150Hz谐波分量）的时域波形图。
f. 判断是否有模态混叠；从图12中可以看出，三个分量的时域波形被很好的提取出来，并且保留其频率、相位以及幅值信息，并且没有模态混叠，可输出获得模态分量。
实施例3：
本发明的一种基于变分模态分解和去除噪声的电网谐波检测方法如图1所示，依次按照如下步骤进行：
a. 取电网电压信号；
基于MATLAB平台建立电网电压仿真信号，由3个不同频率分量以及高斯白噪声混合而成，其表达式为：
其中，3个分量的频率分别为12Hz，50Hz，150Hz， 是高斯白噪声。N是噪声幅值系数，N=0.8，SNR=-19dB。仿真信号时域波形如图14所示。
b. 对电网电压信号进行FFT变换，频域波形结果如图15，图15中Y轴为幅值，X轴为角频率。从图15可见，该仿真信号主要由12Hz，50Hz，150Hz的3个分量组成；
c. 以频谱中分布的谐波个数为模态分解个数K，即K=3；
d. 进行FFT反变换；
e. 维纳滤波系数采用默认值，令，进行VMD分解；
结果分别如图16、图17所示。
图16仿真原始信号及分离所得分量频谱图。虚线是原始信号的频谱，实线是分离分量的频谱。从图16可以看出，由于多大噪声的影响，所得结果不仅具有模态混叠现象，而且150Hz模态分量也没有被有效提取出来，出现模态丢失现象。
图17为各个分量的时域波形图。a为第一模态分量（12Hz和50Hz混叠分量）时域波形图；b为第二模态分量（高频噪声分量）时域波形图；c为第三模态分量（高频噪声分量）时域波形图。
f. 判断是否有模态混叠；从图16、图17中可以看出，对信号进行VMD分解所得结果具有模态混叠现象，按照下式在信号频域中去除噪声：
式中，
；
所述，为采样点个数，实施例3仿真信号采样点个数为2016，m=2；
由于噪声的频谱具有广域的特点，其测度远大于局域的有用信号，均值接近于噪声信号的，故保留所有的成分，去掉所有的成分；然后返回d步骤，即再将所得到的频谱分布进行FFT反变换，得到去噪后的信号；
去噪后信号的时域波形及频域波形分别如图18、图19所示。图18、图19中可以看出，去噪后信号的频谱分布中，12Hz，50Hz以及150Hz分量尖峰更加明显，噪声频谱分布明显降低。
e. 维纳滤波系数采用默认值，令，进行VMD分解；
结果分别如图20、图21所示。
图20为去噪信号与所分离信号的频谱对比图。虚线为去噪信号，实线为分离信号，从图20中可以看出，所提取的各个信号分量的频率均与去噪信号频率分布吻合。
图21为去噪信号分离各个分量的时域波形图。a为第一模态分量（12Hz谐波分量）时域波形图；b为第二模态分量（50Hz基波分量）时域波形图；c为第三模态分量（150Hz谐波分量）的时域波形图。
f. 判断是否有模态混叠；从图21中可以看出，三个分量的时域波形被很好的提取出来，并且保留其频率、相位以及幅值信息，并且没有模态混叠，可输出获得模态分量。
实施例4：
本发明的一种基于变分模态分解和去除噪声的电网谐波检测方法如图1所示，其特征在于依次按照如下步骤进行：
a. 在风电场采集电网电压信号，时域波形如图22所示。
b. 对电网电压信号进行FFT变换，所得频域波形如图23所示，从图23中可以看出，该电压信号主要含有50Hz基波与10Hz间谐波分量；
c. 以频谱中分布的谐波个数为模态分解个数K，即K=2；
d. 进行FFT反变换；
e. 维纳滤波系数采用默认值，令，进行VMD分解；
结果分别如图24、图25所示。
图24电网电压信号及分离所得分量频谱图。虚线是原始信号的频谱，实线是分离分量的频谱。从图24可以看出，所得结果具有模态混叠现象，即每个所得分量中含有多个频率分量。
图25为分解所得各个分量的时域波形图。a为第一模态分量（间谐波和基波混叠分量）时域波形图；b为第二模态分量（高频噪声分量）时域波形图；
f. 判断是否有模态混叠；从图24、图25中可以看出，对信号进行VMD分解所得结果具有模态混叠现象，按照下式在信号频域中去除噪声：
式中，；
所述，为采样点个数，实施例4信号采样点个数为900，m=2；由于噪声的频谱具有广域的特点，其测度远大于局域的有用信号，均值接近于噪声信号的，故保留所有的成分，去掉所有的成分；然后返回d步骤，即再将所得到的频谱分布进行FFT反变换，得到去噪后的信号；
去噪后信号的时域波形及频域波形分别如图26、图27所示。图26、图27中可以看出，去噪后信号的频谱分布中，50Hz基波与10Hz间谐波分量尖峰更加明显，噪声频谱分布明显降低。
e. 维纳滤波系数采用默认值，令，进行VMD分解；
结果分别如图28、图29所示。
图28为去噪信号与所分离信号的频谱对比图。虚线为去噪信号，实线为分离信号，从图28中可以看出，所提取的各个信号分量的频率均与去噪信号频率分布吻合。
图29为去噪信号分离各个分量的时域波形图。a为第一模态（10Hz间谐波分量）的时域波形图；b为第二模态（50Hz基波分量）时域波形图。
f. 判断是否有模态混叠；从图29中可以看出，二个分量的时域波形被很好的提取出来，并且保留其频率、相位以及幅值信息，并且没有模态混叠，可输出获得模态分量。
结论：通过仿真和真实电压信号进行实验，有效的验证了本发明的正确性与有效性。
Claims (2)
1.一种基于变分模态分解和去除噪声的电网谐波检测方法，其特征在于依次按照如下步骤进行：
a. 取电网电压信号；
b. 对电网电压信号进行FFT变换；
c. 以频谱中分布的谐波个数为模态分解个数K；
d. 进行FFT反变换；
e. 进行VMD分解；
f. 判断是否有模态混叠；是，则在频域中去除噪声，返回d步骤；否，获得模态分量。
2.根据权利要求1所述基于变分模态分解和去除噪声的电网谐波检测方法，其特征在于所述f步骤在频域中去除噪声是按下式进行：
式中，；
所述，为采样点个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711106299.9A CN107991531A (zh) | 2017-11-10 | 2017-11-10 | 基于变分模态分解和去除噪声的电网谐波检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711106299.9A CN107991531A (zh) | 2017-11-10 | 2017-11-10 | 基于变分模态分解和去除噪声的电网谐波检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107991531A true CN107991531A (zh) | 2018-05-04 |
Family
ID=62030236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711106299.9A Pending CN107991531A (zh) | 2017-11-10 | 2017-11-10 | 基于变分模态分解和去除噪声的电网谐波检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107991531A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109270345A (zh) * | 2018-07-20 | 2019-01-25 | 国网江苏省电力有限公司常州供电分公司 | 一种电网谐波信号的检测方法 |
| CN110726875A (zh) * | 2019-12-02 | 2020-01-24 | 山东大学 | 一种新能源柔性直流并网暂态谐波检测方法及系统 |
| CN113705420A (zh) * | 2021-08-24 | 2021-11-26 | 青岛理工大学 | 一种风电支撑结构模态响应分量提取方法及系统 |
| CN113985481A (zh) * | 2021-10-26 | 2022-01-28 | 长江大学 | 一种基于再约束的变分模态降噪方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103033481A (zh) * | 2012-12-21 | 2013-04-10 | 重庆川仪自动化股份有限公司 | 基于fft的激光分析仪二次谐波滤波方法 |
| CN105160077A (zh) * | 2015-08-07 | 2015-12-16 | 中国电力科学研究院 | 一种高压直流线路电晕电流变化趋势提取方法 |
| CN106017926A (zh) * | 2016-05-13 | 2016-10-12 | 山东理工大学 | 基于变模态分解的滚动轴承故障诊断方法 |
| CN107229795A (zh) * | 2017-06-02 | 2017-10-03 | 东北大学 | 一种基于变分模态分解和能量熵的铣削颤振识别方法 |
| CN107506330A (zh) * | 2017-08-14 | 2017-12-22 | 电子科技大学 | 一种基于粒子群算法的变分模态分解算法参数优化方法 |
-
2017
- 2017-11-10 CN CN201711106299.9A patent/CN107991531A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103033481A (zh) * | 2012-12-21 | 2013-04-10 | 重庆川仪自动化股份有限公司 | 基于fft的激光分析仪二次谐波滤波方法 |
| CN105160077A (zh) * | 2015-08-07 | 2015-12-16 | 中国电力科学研究院 | 一种高压直流线路电晕电流变化趋势提取方法 |
| CN106017926A (zh) * | 2016-05-13 | 2016-10-12 | 山东理工大学 | 基于变模态分解的滚动轴承故障诊断方法 |
| CN107229795A (zh) * | 2017-06-02 | 2017-10-03 | 东北大学 | 一种基于变分模态分解和能量熵的铣削颤振识别方法 |
| CN107506330A (zh) * | 2017-08-14 | 2017-12-22 | 电子科技大学 | 一种基于粒子群算法的变分模态分解算法参数优化方法 |
Non-Patent Citations (4)
| Title |
|---|
| KONSTANTIN DRAGOMIRETSKIY等: ""Variational Mode Decomposition"", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
| LINGYUN WANG等: ""A new harmonic measurement method based on VMD and STEKF"", 《2017 29TH CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 * |
| QIANGWEI CHEN等: ""A algorithm of VMD for the detection of APF harmonics"", 《2017 32ND YOUTH ACADEMIC ANNUAL CONFERENCE OF CHINESE ASSOCIATION OF AUTOMATION (YAC)》 * |
| 杨昊等: ""基于VMD和小波阈值的谐波检测方法"", 《计算机仿真》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109270345A (zh) * | 2018-07-20 | 2019-01-25 | 国网江苏省电力有限公司常州供电分公司 | 一种电网谐波信号的检测方法 |
| CN110726875A (zh) * | 2019-12-02 | 2020-01-24 | 山东大学 | 一种新能源柔性直流并网暂态谐波检测方法及系统 |
| CN113705420A (zh) * | 2021-08-24 | 2021-11-26 | 青岛理工大学 | 一种风电支撑结构模态响应分量提取方法及系统 |
| CN113985481A (zh) * | 2021-10-26 | 2022-01-28 | 长江大学 | 一种基于再约束的变分模态降噪方法及装置 |
| CN113985481B (zh) * | 2021-10-26 | 2023-07-18 | 长江大学 | 一种基于再约束的变分模态降噪方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107991531A (zh) | 基于变分模态分解和去除噪声的电网谐波检测方法 | |
| CN107395157B (zh) | 基于小波变换和加权移动平均的接地网电位差滤波方法 | |
| CN105356886B (zh) | 基于压缩感知的电力线噪声压缩方法及其装置 | |
| Samantaray et al. | Power transformer protection using S-transform with complex window and pattern recognition approach | |
| US20210055357A1 (en) | Real-time detection of high-impedance faults | |
| Wang et al. | Noise suppression of corona current measurement from HVdc transmission lines | |
| CN108535613B (zh) | 一种基于组合窗函数的电压闪变参数检测方法 | |
| CN108008187A (zh) | 基于变分模态分解的电网谐波检测方法 | |
| CN107612865A (zh) | 一种应用于低压电力线载波通信的信号降噪方法 | |
| Ferreira et al. | Method based on independent component analysis for harmonic extraction from power system signals | |
| CN102624349B (zh) | 一种对原始数据低失真的谐波噪声干扰和白噪声干扰的去除方法 | |
| Abdullah et al. | Power quality analysis using bilinear time-frequency distributions | |
| CN105954565B (zh) | 一种高压直流线路电晕电流信号的提取方法 | |
| CN109409281A (zh) | 一种基于改进的小波阈值函数的降噪方法 | |
| CN108090270A (zh) | 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法 | |
| CN103078661A (zh) | 一种基于迭代门限的扩频系统干扰抑制方法 | |
| Li et al. | Robust suppression of nonstationary power-line interference in electrocardiogram signals | |
| Jiao et al. | A new approach to identify inrush current based on generalized S-transform | |
| Chen et al. | Detection and protection of short circuit fault based on morphology-wavelet | |
| Tarasiuk et al. | A few remarks about notching analysis-case study | |
| CN112836390B (zh) | 一种变流器故障检测方法、系统及存储介质 | |
| Kong et al. | Cepstrum smoothing-based feature extraction method for electric loads disaggregation | |
| US20240088657A1 (en) | Fractional domain noise reduction method for power signal | |
| CN113593592B (zh) | 基于多域扩张的音频增强方法及装置 | |
| CN115249029A (zh) | 一种基于fft-vmd的振荡信号去噪方法、系统、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180504 |