CN108303622A - 时延估计方法及装置 - Google Patents
时延估计方法及装置 Download PDFInfo
- Publication number
- CN108303622A CN108303622A CN201711499259.5A CN201711499259A CN108303622A CN 108303622 A CN108303622 A CN 108303622A CN 201711499259 A CN201711499259 A CN 201711499259A CN 108303622 A CN108303622 A CN 108303622A
- Authority
- CN
- China
- Prior art keywords
- signal
- order cumulants
- mutual
- delay
- estimation
- 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
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种时延估计方法及装置。其中,该方法包括:确定第一信号和第二信号,其中,该第一信号由实际接收到的信号和噪声叠加确定,该第二信号由该实际接收到的信号的时延信号和噪声叠加确定;计算该第一信号的三阶累积量和该第二信号的三阶累积量;计算该第一信号和该第二信号的互三阶累积量;根据该三阶累积量和该互三阶累积量,估计该实际接收到的信号的时延信号的时延参数。通过本发明,解决了相关技术中在干扰信号较大的情况下,采用对信号进行滤波处理的方式进行时延估计所导致的时延估计准确度较低的技术问题,达到了提高时延估计准确度的技术效果。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种时延估计方法及装置。
背景技术
局部放电(Partial Discharge)是电力设备绝缘性能劣化的表现形式,又是绝缘性能进一步劣化的原因。对局部放电信号进行监测是及时发现设备绝缘缺陷,预防绝缘击穿故障的重要手段。
超高频电磁波定位法因其具有全站局放定位、灵敏度高且适合在线监测的特点,成为了最有发展潜力的全站局放定位方法。近些年,特高频(Ultra High Frequency,简称为UHF)传感器阵列的局放定位方法引起了国内外学者的广泛研究,英国Strathclyde大学以及国内的重庆大学、华北电力大学、上海交通大学等研究机构对此做了深入研究。研究结果表明,时延估计是UHF法局放定位的关键,现行的主要的时延估计算法有阈值法、相关估计法、及能量累积法。
但是变电站现场检测的局部放电信号数据中通常包含白噪声、随机脉冲干扰、周期性窄带干扰等干扰信号。当干扰信号较大,信噪比较低,甚至信号被噪声掩埋时,用阈值法和能量都不能准确得到信号的波头时刻。利用相关分析求时延的方法要求两路观测信号的干扰噪声独立,而变电站实测的局放特高频信号中,由于有限长数据记录和噪声源并不是完全独立的,导致互协方差的估计值在时延处不一定取峰值,也不能准确估计信号的时延。故利用上述方法对现场实测信号时延估计,通常首先需要对信号进行滤波处理,而滤波会带来难以避免的相移及可能滤掉有用信息等弊端。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种时延估计方法及装置,以至少解决相关技术中在干扰信号较大的情况下,采用对信号进行滤波处理的方式进行时延估计所导致的时延估计准确度较低的技术问题。
根据本发明实施例的一个方面,提供了一种时延估计方法,包括:确定第一信号和第二信号,其中,所述第一信号由实际接收到的信号和噪声叠加确定,所述第二信号由所述实际接收到的信号的时延信号和噪声叠加确定;计算所述第一信号的三阶累积量和所述第二信号的三阶累积量;计算所述第一信号和所述第二信号的互三阶累积量;根据所述三阶累积量和所述互三阶累积量,估计所述实际接收到的信号的时延信号的时延参数。
可选地,计算所述第一信号的三阶累积量和所述第二信号的三阶累积量包括:通过计算所述第一信号的数学期望和所述第二信号的数学期望,得到所述第一信号的三阶累积量和所述第二信号的三阶累积量。
可选地,计算所述第一信号和所述第二信号的互三阶累积量包括:通过计算所述第一信号和所述第二信号的数学期望,得到所述第一信号和所述第二信号的互三阶累积量。
可选地,根据所述三阶累积量和所述互三阶累积量,估计所述实际接收到的信号的时延信号的时延参数包括:根据所述三阶累积量和所述互三阶累积量,按照最小二乘法获取待估计时延参数向量;将所述待估计时延参数向量中满足预设条件的索引值,作为所述时延参数。
可选地,根据所述三阶累积量和所述互三阶累积量,按照最小二乘法获取待估计时延参数向量包括:将所述互三阶累积量表示为所述三阶累积量和所述待估计时延参数向量的乘积,得到指定方程组;按照最小二乘法求解所述指定方程组,获取所述待估计时延参数向量。
根据本发明实施例的另一方面,还提供了一种时延估计,包括:确定模块,用于确定第一信号和第二信号,其中,所述第一信号由实际接收到的信号和噪声叠加确定,所述第二信号由所述实际接收到的信号的时延信号和噪声叠加确定;第一计算模块,用于计算所述第一信号的三阶累积量和所述第二信号的三阶累积量;第二计算模块,用于计算所述第一信号和所述第二信号的互三阶累积量;估计模块,用于根据所述三阶累积量和所述互三阶累积量,估计所述实际接收到的信号的时延信号的时延参数。
可选地,所述第一计算模块还用于通过计算所述第一信号的数学期望和所述第二信号的数学期望,得到所述第一信号的三阶累积量和所述第二信号的三阶累积量。
可选地,所述第二计算模块还用于通过计算所述第一信号和所述第二信号的数学期望,得到所述第一信号和所述第二信号的互三阶累积量。
可选地,所述估计模块包括:第一获取单元,用于根据所述三阶累积量和所述互三阶累积量,按照最小二乘法获取待估计时延参数向量;第二获取单元,用于将所述待估计时延参数向量中满足预设条件的索引值,作为所述时延参数。
可选地,所述第一获取单元包括:第一获取子单元,用于将所述互三阶累积量表示为所述三阶累积量和所述待估计时延参数向量的乘积,得到指定方程组;第二获取子单元,用于按照最小二乘法求解所述指定方程组,获取所述待估计时延参数向量。
在本发明实施例中,采用确定第一信号和第二信号,其中,该第一信号由实际接收到的信号和噪声叠加确定,该第二信号由该实际接收到的信号的时延信号和噪声叠加确定;计算该第一信号的三阶累积量和该第二信号的三阶累积量;计算该第一信号和该第二信号的互三阶累积量;根据该三阶累积量和该互三阶累积量,估计该实际接收到的信号的时延信号的时延参数。即,基于计算两路信号的三阶累积量和互三阶累积量的方式,估计时延参数,解决了相关技术中在干扰信号较大的情况下,采用对信号进行滤波处理的方式进行时延估计所导致的时延估计准确度较低的技术问题,达到了提高时延估计准确度的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的时延估计方法流程示意图;
图2是根据本发明实施例的模拟局部放电信号示意图;
图3是根据本发明实施例的模拟局部放电信号频谱分析示意图;
图4是根据本发明实施例的参数向量曲线示意图;
图5是根据本发明实施例的时延估计装置的结构框图;
图6是根据本发明实施例的时延估计装置的结构框图(一);
图7是根据本发明实施例的时延估计装置的结构框图(二)。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种时延估计方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的时延估计方法流程示意图,如图1所示,该方法包括如下步骤:
步骤S102,确定第一信号和第二信号,其中,该第一信号由实际接收到的信号和噪声叠加确定,该第二信号由该实际接收到的信号的时延信号和噪声叠加确定;
步骤S104,计算该第一信号的三阶累积量和该第二信号的三阶累积量;
步骤S106,计算该第一信号和该第二信号的互三阶累积量;
步骤S108,根据该三阶累积量和该互三阶累积量,估计该实际接收到的信号的时延信号的时延参数。
可选地,在本实施例中,上述实际接收到的信号的类型包括但并不限于:局部放电脉冲信号。
通过上述步骤S102至步骤S108,基于计算两路信号的三阶累积量和互三阶累积量的方式,估计时延参数,解决了相关技术中在干扰信号较大的情况下,采用对信号进行滤波处理的方式进行时延估计所导致的时延估计准确度较低的技术问题,达到了提高时延估计准确度的技术效果。
在一个可选地实施方式中,计算该第一信号的三阶累积量和该第二信号的三阶累积量包括以下步骤:
步骤S11,通过计算该第一信号的数学期望和该第二信号的数学期望,得到该第一信号的三阶累积量和该第二信号的三阶累积量。
可选地,计算该第一信号和该第二信号的互三阶累积量包括以下步骤:
步骤S21,通过计算该第一信号和该第二信号的数学期望,得到该第一信号和该第二信号的互三阶累积量。
在一个可选地实施方式中,根据该三阶累积量和该互三阶累积量,估计该实际接收到的信号的时延信号的时延参数包括以下步骤:
步骤S31,根据该三阶累积量和该互三阶累积量,按照最小二乘法获取待估计时延参数向量;
步骤S32,将该待估计时延参数向量中满足预设条件的索引值,作为该时延参数。
通过上述步骤S31至步骤S32,相关技术中在干扰信号较大的情况下,采用对信号进行滤波处理的方式进行时延估计所导致的时延估计准确度较低的技术问题,达到了提高时延估计准确度的技术效果。
可选地,根据该三阶累积量和该互三阶累积量,按照最小二乘法获取待估计时延参数向量包括以下步骤:
步骤S41,将该互三阶累积量表示为该三阶累积量和该待估计时延参数向量的乘积,得到指定方程组;
步骤S42,按照最小二乘法求解该指定方程组,获取该待估计时延参数向量。
下面结合可选实施例,对本实施例进行举例说明。
本可选实施例基于双谱时延估计的理论基础给出了非参数化和参数化双谱时延估计算法的数值实现步骤。通过模拟混有高斯噪声及定频信号干扰的局放特高频信号,利用该时延估计算法估计两路信号之间的时延,验证了该算法的准确性。最后利用该时延估计算法分析处理变电站实测特高频信号,估计不同位置的天线接收到特高频信号的时延,并将该时延应用于变电站局部放电定位计算,验证算法的有效性和实用性。
1、双谱时延估计算法理论
设x1(n)和x2(n)为两个空间分离的传感器观测的信号数据,且满足如下方程:
x1(n)=s(n)+w1(n) (1)
x2(n)=s(n-D)+w2(n) (2)
式中s(n)为实信号,s(n-D)为s(n)的时延信号,时延为D。w1(n)和w2(n)分别是两个传感器的观测噪声,并且与s(n)不相关。w1(n)和w2(n)的相关性未知。时延估计问题即利用观测信号x1(n)和x2(n),计算两个传感器接收到信号的时延参数D。
以下主要描述基于频域双谱估计的信号时延算法。
1)非参数化双谱时延估计算法
假设上式(1)和(2)中的观测噪声w1(n)和w2(n)为零均值的高斯过程,或概率密度函数对称的随机过程,而实信号s(n)为非高斯过程。
由高阶累积的性质及对噪声信号的假设知,wi(n)的三阶累积量及wi(n)与s(n)的互三阶累积量为零,故计算两路信号的三阶累积量和互三阶互累积量分别为:
式中Csss(τ,ρ)=E{s(n)s(n+τ)s(n+ρ)}为信号s(n)的三阶累积量。
信号的双谱定义为三阶累积量的Fourier变换,即信号x1(n)和x2(n)的自双谱和互双谱分别如下式定义:
式中FT[·]表示二维Fourier变换。
将和写成幅值和相位的形式:
式中和分别为双谱和互双谱的相位。
定义函数:
由式(6)—(9)知:
故函数
在τ=D时刻取峰值。
2)参数双谱时延估计算法
由上式(1)和式(2),观测数据x2(n)可由观测数据x1(n),及观测噪声w1(n)和w2(n)表示为:
x2(n)=x1(n-D)-w1(n-D)+w2(n) (13)
取整数p远大于时延参数D,将观测信号x2(n)写成由观测信号x1(n)线性估计的形式,即:
式中ai(i=-p,…,0,…,p)为待估计参数,由估计式(11)知,理想情况下,aD=1,其余ai=0,故可以将使ai取最大值的索引值i,作为两路信号时延参数的估计D。
观测信号x2(n)时延τ后,方程(11)两边同时乘以x1(n)和x1(n+ρ),并取数学期望,写成三阶累积量的形式,并利用零均值高斯过程的三阶累积量,及零均值高斯过程与统计独立的非高斯过程的互三阶累积量均为零的性质,有:
τ和ρ取不同的整数,得关于待估参数ai的方程组,由于i的取值为-p到p范围内的整数,考虑方程组的冗余度和计算量,可取τ=-p,…,0,…,p;ρ=0,1,-1,则为(6p+3)×1维向量,为(6p+3)×(2p+1)维矩阵,则式写成矩阵的形式:
式中:
A=[a-p,a-p+1,…,0,…,ap-1,ap]T (18)
由最小二乘法,可得参数向量A的估计:
2、双谱时延估计算法的数值实现
记通过信号的数字采集系统同时采集到的两路信号分别为离散序列{x1(n)}和{x2(n)},结合上述理论,给出参数双谱时延估计算法的计算机数值实现方法。
步骤1:同常规计算方法,将观测到的信号数据样本分为K段,每段包含M个观测样本,分别记作其中k=1,2,…,k,i=1,2,相邻两段数据之间可以有重合;
步骤2:计算每段信号的自三阶累积量和互三阶累积量:
式中,S1和S2分别取值为:
S1=max(0,-τ,-ρ) (23)
S2=min(M-1,M-1-τ,M-1-ρ) (24)
步骤3:计算各段信号自三阶累积量和互三阶累积量的平均值,作为整段信号的三阶累积量估计:
步骤4:利用和写出如式(25)和式(22)所示的矩阵和向量并列出方程组:
步骤5:利用最小二乘法求解上述方程组,估计向量
式中将使取最大值的索引值d,作为两路信号时延的估计
3、高阶累积量时延估计算法的模拟仿真验证
利用双指数衰减振荡函数来模拟局部放电特高频信号:
式中,A表示局部放电脉冲的幅值,τ表示双指数函数的衰减常数,fc表示局部放电谱的中心振荡频率,t0表示脉冲的起始时刻。
假设信号采集系统的采样率为1.5G,采集信号长度为2048个采样点,且式(22)中,取幅值A=20衰减系数τ=10ns,中心振荡频率fc=250MHz,局放脉冲起始点分别为第900和912个采样点。并在此模拟局部放电信号中加入信噪比SNR=10、相关性未知的高斯白噪声,及频率为500MHz的定频信号。模拟信号波形如图2所示。模拟信号的频谱分析,如图3所示。
以参数估计法为例,计算两路模拟局部放电信号的时延。取p=30,待估计的参数向量的计算结果,如图4所示。由图3中曲线可见,当d=12时,取最大值,由以上分析知,两路信号的时延估计结果为(以采样点数记),与模拟信号的时延一致。改变模拟信号的参数及时延,可验证该时延算法的准确性。
通过本发明实施例,在干扰信号较大的情况下,能够更准确的估计局部放电脉冲信号的时延,且原理操作简单易行。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种时延估计装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的时延估计装置的结构框图,如图5所示,该装置包括:
1)确定模块52,用于确定第一信号和第二信号,其中,该第一信号由实际接收到的信号和噪声叠加确定,该第二信号由该实际接收到的信号的时延信号和噪声叠加确定;
2)第一计算模块54,用于计算该第一信号的三阶累积量和该第二信号的三阶累积量;
3)第二计算模块56,用于计算该第一信号和该第二信号的互三阶累积量;
4)估计模块58,用于根据该三阶累积量和该互三阶累积量,估计该实际接收到的信号的时延信号的时延参数。
可选地,在本实施例中,上述实际接收到的信号的类型包括但并不限于:局部放电脉冲信号。
通过图5所示装置,基于计算两路信号的三阶累积量和互三阶累积量的方式,估计时延参数,解决了相关技术中在干扰信号较大的情况下,采用对信号进行滤波处理的方式进行时延估计所导致的时延估计准确度较低的技术问题,达到了提高时延估计准确度的技术效果。
在一个可选地实施方式中,上述第一计算模块54还用于通过计算该第一信号的数学期望和该第二信号的数学期望,得到该第一信号的三阶累积量和该第二信号的三阶累积量。
上述第二计算模块56还用于通过计算该第一信号和该第二信号的数学期望,得到该第一信号和该第二信号的互三阶累积量。
图6是根据本发明实施例的时延估计装置的结构框图(一),如图6所示,估计模块58包括:
1)第一获取单元62,用于根据该三阶累积量和该互三阶累积量,按照最小二乘法获取待估计时延参数向量;
2)第二获取单元64,用于将该待估计时延参数向量中满足预设条件的索引值,作为该时延参数。
通过图6所示装置,相关技术中在干扰信号较大的情况下,采用对信号进行滤波处理的方式进行时延估计所导致的时延估计准确度较低的技术问题,达到了提高时延估计准确度的技术效果。
图7是根据本发明实施例的时延估计装置的结构框图(二),如图7所示,上述第一获取单元62包括:
1)第一获取子单元72,用于将该互三阶累积量表示为该三阶累积量和该待估计时延参数向量的乘积,得到指定方程组;
2)第二获取子单元74,用于按照最小二乘法求解该指定方程组,获取该待估计时延参数向量。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述任一项所述的方法。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的程序代码:
S1,确定第一信号和第二信号,其中,所述第一信号由实际接收到的信号和噪声叠加确定,所述第二信号由所述实际接收到的信号的时延信号和噪声叠加确定;
S2,计算所述第一信号的三阶累积量和所述第二信号的三阶累积量;
S3,计算所述第一信号和所述第二信号的互三阶累积量;
S4,根据所述三阶累积量和所述互三阶累积量,估计所述实际接收到的信号的时延信号的时延参数。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的实施例还提供了一种处理器,该处理器用于运行程序,其中,该程序运行时执行上述任一项方法中的步骤。
可选地,在本实施例中,上述程序用于执行以下步骤:
S1,确定第一信号和第二信号,其中,所述第一信号由实际接收到的信号和噪声叠加确定,所述第二信号由所述实际接收到的信号的时延信号和噪声叠加确定;
S2,计算所述第一信号的三阶累积量和所述第二信号的三阶累积量;
S3,计算所述第一信号和所述第二信号的互三阶累积量;
S4,根据所述三阶累积量和所述互三阶累积量,估计所述实际接收到的信号的时延信号的时延参数。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,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润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种时延估计方法,其特征在于,包括:
确定第一信号和第二信号,其中,所述第一信号由实际接收到的信号和噪声叠加确定,所述第二信号由所述实际接收到的信号的时延信号和噪声叠加确定;
计算所述第一信号的三阶累积量和所述第二信号的三阶累积量;
计算所述第一信号和所述第二信号的互三阶累积量;
根据所述三阶累积量和所述互三阶累积量,估计所述实际接收到的信号的时延信号的时延参数。
2.根据权利要求1所述的方法,其特征在于,计算所述第一信号的三阶累积量和所述第二信号的三阶累积量包括:
通过计算所述第一信号的数学期望和所述第二信号的数学期望,得到所述第一信号的三阶累积量和所述第二信号的三阶累积量。
3.根据权利要求1所述的方法,其特征在于,计算所述第一信号和所述第二信号的互三阶累积量包括:
通过计算所述第一信号和所述第二信号的数学期望,得到所述第一信号和所述第二信号的互三阶累积量。
4.根据权利要求1所述的方法,其特征在于,根据所述三阶累积量和所述互三阶累积量,估计所述实际接收到的信号的时延信号的时延参数包括:
根据所述三阶累积量和所述互三阶累积量,按照最小二乘法获取待估计时延参数向量;
将所述待估计时延参数向量中满足预设条件的索引值,作为所述时延参数。
5.根据权利要求4所述的方法,其特征在于,根据所述三阶累积量和所述互三阶累积量,按照最小二乘法获取待估计时延参数向量包括:
将所述互三阶累积量表示为所述三阶累积量和所述待估计时延参数向量的乘积,得到指定方程组;
按照最小二乘法求解所述指定方程组,获取所述待估计时延参数向量。
6.一种时延估计装置,其特征在于,包括:
确定模块,用于确定第一信号和第二信号,其中,所述第一信号由实际接收到的信号和噪声叠加确定,所述第二信号由所述实际接收到的信号的时延信号和噪声叠加确定;
第一计算模块,用于计算所述第一信号的三阶累积量和所述第二信号的三阶累积量;
第二计算模块,用于计算所述第一信号和所述第二信号的互三阶累积量;
估计模块,用于根据所述三阶累积量和所述互三阶累积量,估计所述实际接收到的信号的时延信号的时延参数。
7.根据权利要求6所述的装置,其特征在于,所述第一计算模块还用于通过计算所述第一信号的数学期望和所述第二信号的数学期望,得到所述第一信号的三阶累积量和所述第二信号的三阶累积量。
8.根据权利要求6所述的装置,其特征在于,所述第二计算模块还用于通过计算所述第一信号和所述第二信号的数学期望,得到所述第一信号和所述第二信号的互三阶累积量。
9.根据权利要求6所述的装置,其特征在于,所述估计模块包括:
第一获取单元,用于根据所述三阶累积量和所述互三阶累积量,按照最小二乘法获取待估计时延参数向量;
第二获取单元,用于将所述待估计时延参数向量中满足预设条件的索引值,作为所述时延参数。
10.根据权利要求9所述的装置,其特征在于,所述第一获取单元包括:
第一获取子单元,用于将所述互三阶累积量表示为所述三阶累积量和所述待估计时延参数向量的乘积,得到指定方程组;
第二获取子单元,用于按照最小二乘法求解所述指定方程组,获取所述待估计时延参数向量。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至5中任意一项所述的方法。
12.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711499259.5A CN108303622A (zh) | 2017-12-29 | 2017-12-29 | 时延估计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711499259.5A CN108303622A (zh) | 2017-12-29 | 2017-12-29 | 时延估计方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108303622A true CN108303622A (zh) | 2018-07-20 |
Family
ID=62867839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711499259.5A Pending CN108303622A (zh) | 2017-12-29 | 2017-12-29 | 时延估计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108303622A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109361376A (zh) * | 2018-11-23 | 2019-02-19 | 哈尔滨工程大学 | 一种高阶累积量的高精度时延估计方法 |
CN112924831A (zh) * | 2021-03-05 | 2021-06-08 | 国网山东省电力公司电力科学研究院 | 一种特高频局部放电定位时延估计方法 |
-
2017
- 2017-12-29 CN CN201711499259.5A patent/CN108303622A/zh active Pending
Non-Patent Citations (1)
Title |
---|
侯慧娟 等: "变电站局部放电特高频信号时延的双谱估计算法", 《中国电机工程学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109361376A (zh) * | 2018-11-23 | 2019-02-19 | 哈尔滨工程大学 | 一种高阶累积量的高精度时延估计方法 |
CN112924831A (zh) * | 2021-03-05 | 2021-06-08 | 国网山东省电力公司电力科学研究院 | 一种特高频局部放电定位时延估计方法 |
CN112924831B (zh) * | 2021-03-05 | 2022-06-10 | 国网山东省电力公司电力科学研究院 | 一种特高频局部放电定位时延估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Dense people counting using IR-UWB radar with a hybrid feature extraction method | |
CN111399002A (zh) | 一种基于两级神经网络的gnss接收机组合干扰分类识别方法 | |
CN109164483A (zh) | 多分量地震数据矢量去噪方法及多分量地震数据矢量去噪装置 | |
CN106856594A (zh) | 基于rssi的室内定位方法与系统 | |
CN105701470A (zh) | 一种基于最优小波包分解的模拟电路故障特征提取方法 | |
CN112287796B (zh) | 基于VMD-Teager能量算子的辐射源识别方法 | |
CN108933772A (zh) | 攻击检测方法和装置、计算机可读存储介质与终端 | |
CN108303622A (zh) | 时延估计方法及装置 | |
CN109447880A (zh) | 水上路网抽取方法和系统 | |
CN106211319A (zh) | 一种基于wi‑fi信号的非指纹被动式定位方法 | |
Telesca et al. | Depth‐dependent time‐clustering behaviour in seismicity of southern California | |
Jingang et al. | Outlier detection and sequence reconstruction in continuous time series of ocean observation data based on difference analysis and the Dixon criterion | |
CN106373018A (zh) | 一种用于魔芋种植的互联网管理系统 | |
Wang et al. | Radar HRRP target recognition in frequency domain based on autoregressive model | |
CN109581303A (zh) | 一种基于Wi-Fi穿墙雷达的干扰抑制方法 | |
CN111812634B (zh) | 警戒线目标监测方法、装置和系统 | |
CN105866748A (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
CN106772357A (zh) | 信噪比未知条件下的ai‑phd滤波器 | |
CN108241106A (zh) | 时延估计方法及装置 | |
CN114518511A (zh) | 一种特征辅助的局部放电点定位方法 | |
CN104048680A (zh) | 基于donoho阈值的自主式水下机器人外部干扰抑制方法 | |
CN111123233B (zh) | 一种基于相关性的海杂波纹理估计方法 | |
Liao et al. | A distributed approach to contour line extraction using sensor networks | |
Otnes | Static magnetic dipole detection using vector linear prediction, Anderson functions, and block-based adaptive processing | |
Ruano et al. | A support vector machine seismic detector for early-warning applications |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180720 |
|
RJ01 | Rejection of invention patent application after publication |