CN108957262B - 信号降噪方法及装置 - Google Patents
信号降噪方法及装置 Download PDFInfo
- Publication number
- CN108957262B CN108957262B CN201810834585.5A CN201810834585A CN108957262B CN 108957262 B CN108957262 B CN 108957262B CN 201810834585 A CN201810834585 A CN 201810834585A CN 108957262 B CN108957262 B CN 108957262B
- Authority
- CN
- China
- Prior art keywords
- matrix
- rank
- singular
- singular values
- reduction
- 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.)
- Active
Links
Images
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
- G01R31/1227—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 of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明实施例提供一种信号降噪方法及装置。所述方法包括:由离散的局部放电信号构建第一Hankel矩阵;对第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵;对第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵;采用卡组算法对第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵;由目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。在降噪过程中引入卡组算法进行降秩,使得在去除局部放电信号中噪声的基础上很好地保留了有效信号。
Description
技术领域
本发明涉及信号处理技术领域,具体而言,涉及一种信号降噪方法及装置。
背景技术
电力设备关键部位的局部放电会引起设备局部温度上升及绝缘材料老化,进而导致电力设备寿命缩短。局部放电是诸多检测对象中最能表征绝缘性能的特征量。
局部放电信号受到外部电磁干扰,且由于开关柜、变压器等电力设备内部结构复杂,其在传播过程中通常历经多次反射和折射才能到达接收天线。一般情况下,接收到的局部放电信号强度很小,且包含了很多噪音。如何有效地对局部放电信号进行降噪以提取局部放电的故障特征,准确实现在线监测和实时故障诊断对电力系统安全稳定运行意义重大。
发明内容
为了克服现有技术中的上述不足,本发明实施例的目的在于提供一种信号降噪方法及装置,其能够在实现降噪的同时,有效提高了信号比,避免信号的损失。
本发明实施例提供一种信号降噪方法,所述方法包括:
由离散的局部放电信号构建第一Hankel矩阵;
对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵;
对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵;
采用卡组算法对所述第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵;
由所述目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。
可选地,在本发明实施例中,所述对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵,包括:
采用QR分解法对所述第一Hankel矩阵进行奇异值分解,得到以乘积形式表示的所述第一Hankel矩阵,其中,所述以乘积形式表示的所述第一Hankel矩阵包括第一奇异值矩阵;
确定需要从所述第一奇异值矩阵选择的奇异值的第一数量;
在所述第一奇异值矩阵中按照奇异值依次递减的顺序选择第一数量的奇异值,并由选择的奇异值得到第一减秩矩阵。
可选地,在本发明实施例中,所述确定需要从所述第一奇异值矩阵选择的奇异值的第一数量的方式包括:
根据所述第一奇异值矩阵构成奇异值曲线,并根据所述奇异值曲线的曲率确定所述第一数量;或,
根据所述第一奇异值矩阵中所有奇异值的平方和及预设比例确定所述第一数量,其中,所述第一数量的奇异值的平方和与所述第一奇异值矩阵中所有奇异值的平方和的比值为预设比例;或,
使用绝对阈值或相对阈值确定所述第一数量。
可选地,在本发明实施例中,所述对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵,包括:
计算所述第一减秩矩阵在反对角线上的所有元素的平均值;
利用所述平均值对所述第一减秩矩阵中反对角线上的所有元素进行更新以得到所述第二Hankel矩阵。
可选地,在本发明实施例中,所述方法还包括:
对降噪后的局部放电信号进行分析处理,获得局部放电故障类型。
本发明实施例还提供一种信号降噪装置,所述装置包括:
构建模块,用于由离散的局部放电信号构建第一Hankel矩阵;
减秩模块,用于对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵;
分析模块,用于对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵;
迭代模块,用于采用卡组算法对所述第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵;
获得模块,用于由所述目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。
可选地,在本发明实施例中,所述减秩模块对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵的方式包括:
采用QR分解法对所述第一Hankel矩阵进行奇异值分解,得到以乘积形式表示的所述第一Hankel矩阵,其中,所述以乘积形式表示的所述第一Hankel矩阵包括第一奇异值矩阵;
确定需要从所述第一奇异值矩阵选择的奇异值的第一数量;
在所述第一奇异值矩阵中按照奇异值依次递减的顺序选择第一数量的奇异值,并由选择的奇异值得到第一减秩矩阵。
可选地,在本发明实施例中,所述减秩模块确定需要从所述第一奇异值矩阵选择的奇异值的第一数量的方式包括:
根据所述第一奇异值矩阵构成奇异值曲线,并根据所述奇异值曲线的曲率确定所述第一数量;或,
根据所述第一奇异值矩阵中所有奇异值的平方和及预设比例确定所述第一数量,其中,所述第一数量的奇异值的平方和与所述第一奇异值矩阵中所有奇异值的平方和的比值为预设比例;或,
使用绝对阈值或相对阈值确定所述第一数量。
可选地,在本发明实施例中,所述分析模块对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵的方式包括:
计算所述第一减秩矩阵在反对角线上的所有元素的平均值;
利用所述平均值对所述第一减秩矩阵中反对角线上的所有元素进行更新以得到所述第二Hankel矩阵。
可选地,在本发明实施例中,所述装置还包括:
类型分析模块,用于对降噪后的局部放电信号进行分析处理,获得局部放电故障类型。
相对于现有技术而言,本发明具有以下有益效果:
本发明实施例提供一种信号降噪方法及装置。由离散的局部放电信号构建第一Hankel矩阵。对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵。对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵。采用卡组算法对所述第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵。由所述目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。由此,在去除噪声时,很好地保留了有效的局部放电信号强度。
为使发明的上述目的、特征和优点能更明显易懂,下文特举本发明较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的处理设备的方框示意图。
图2是本发明实施例提供的信号降噪方法的流程示意图之一。
图3是图2中步骤S120包括的子步骤的流程示意图。
图4是图3中步骤S130包括的子步骤的流程示意图。
图5是本发明实施例提供的信号降噪方法的流程示意图之二。
图6是本发明实施例提供的信号降噪装置的方框示意图之一。
图7是本发明实施例提供的信号降噪装置的方框示意图之二。
图标:100-处理设备;110-存储器;120-存储控制器;130-处理器;200-信号降噪装置;210-构建模块;220-减秩模块;230-分析模块;240-迭代模块;250-获得模块;260-类型分析模块。
具体实施方式
下面将结合本发明实施例中附图,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实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请发明人提出本申请实施例中的技术方案之前,通常基于小波分析方法和傅里叶变换对局部放电信号进行白噪声降噪。然而,傅里叶变换对信号时段的选取比较敏感,有可能选取的时段不合适导致处理后的局部放电信号中无有效信号。而小波分析虽然克服了傅里叶变换对信号选取时段的敏感性,但是依赖于对母函数的选择,且对复杂现场实测局部放电信号的处理灵活性较差。
针对以上方案所存在的缺陷,均是发明人在经过实践并仔细研究后得到的结果,因此,上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案,都应是发明人在本申请过程中对本申请做出的贡献。
请参照图1,图1是本发明实施例提供的处理设备100的方框示意图。所述处理设备100可以是,但不限于,台式电脑、平板电脑等。所述处理设备100用于对局部放电信号进行白噪声降噪,以便后续更好地进行局部放电故障类型判定。所述处理设备100包括:存储器110、存储控制器120及处理器130。
所述存储器110、存储控制器120及处理器130各元件之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器110中存储有信号降噪装置200,所述信号降噪装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块。所述处理器130通过运行存储在存储器110内的软件程序以及模块,如本发明实施例中的信号降噪装置200,从而执行各种功能应用以及数据处理,即实现本发明实施例中的信号降噪方法。
其中,所述存储器110可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器110用于存储程序,所述处理器130在接收到执行指令后,执行所述程序。所述处理器130以及其他可能的组件对存储器110的访问可在所述存储控制器120的控制下进行。
所述处理器130可能是一种集成电路芯片,具有信号的处理能力。上述的处理器130可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
可以理解,图1所示的结构仅为示意,处理设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2,图2是本发明实施例提供的信号降噪方法的流程示意图之一。所述方法应用于所述处理设备100。下面对信号降噪方法的具体流程进行详细阐述。
步骤S110,由离散的局部放电信号构建第一Hankel矩阵。
在本实施例中,所述处理设备100可以通过传感器等采集局部放电信号,然后进行离散采样,以得到多个离散的局部放电数字信号。其中,采集局部放电信号的方法可以是,但不限于,超高频(Ultra High Frequency,UHF)法及超宽带高频脉冲电流(HighFrequency Current Transformer,HFCT)法等。
在得到N个离散的局部放电数字信号后,将其分为长度为预设长度n的移位小节,每小节作为一列,从而组成所述第一Hankel矩阵Y1。所述第一Hankel矩阵Y1如下:
其中,Y1为m×n阶矩阵,m>n,m+n-1≤N,m、n均为正整数。Hankel矩阵是每一条次对角线上的元素都相等的方阵。
步骤S120,对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵。
请参照图3,图3是图2中步骤S120包括的子步骤的流程示意图。步骤S120可以包括子步骤S121、子步骤122及子步骤S123。
子步骤S121,采用QR分解法对所述第一Hankel矩阵进行奇异值分解,得到以乘积形式表示的所述第一Hankel矩阵。
在本实施例中,通过QR分解法实现对所述第一Hankel矩阵Y1的奇异值分解,从而将所述第一Hankel矩阵Y1分解为三个矩阵的乘积,即:Y1=U∑VT,其中,U为m×m阶酉矩阵,∑为m×n阶矩阵,∑为第一奇异值矩阵,VT为n×n阶酉矩阵。其中,QR分解法主要将矩阵分为一个酉矩阵和一个上三角矩阵的乘积。
子步骤S122,确定需要从所述第一奇异值矩阵选择的奇异值的第一数量。
在本实施例中,所述确定需要从所述第一奇异值矩阵选择的奇异值的第一数量的方式包括:
根据所述第一奇异值矩阵构成奇异值曲线,并根据所述奇异值曲线的曲率确定所述第一数量;或,
根据所述第一奇异值矩阵中所有奇异值的平方和及预设比例确定所述第一数量,其中,所述第一数量的奇异值的平方和与所述第一奇异值矩阵中所有奇异值的平方和的比值为预设比例;或,
使用绝对阈值或相对阈值确定所述第一数量。
在本实施例中,可以使用绝对阈值(hard threshold)、相对阈值(softthreshold)来确定第一数量的具体值,还可以以保留比例的奇异值的平方和的方式确定第一数量的具体值,或者以奇异值曲线的曲率来选择第一数量的具体值。当然可以理解的是,还可以在实现本方案的基础上通过其他方式确定第一数量的值。
其中,使用绝对阈值确定第一数量是指:根据经验,若有意义的奇异值的范数都大于某一数值,比如100,则只选取范数大于100的奇异值,由此以确定所述第一数量。使用相对阈值确定第一数量是指:将所有n个奇异值按范数从大到小排列,取前k个奇异值,使其平方和(几维范数)大于所有奇异值平方和的预设比例,比如,85%,由此以确定所述第一数量。
以保留比例的奇异值的平方和的方式(相对阈值方式的一种)确定第一数量是指:使得第一数量的奇异值的平方和与所有奇异值的平方和的比例为预设比例,比如,85%,由此以确定所述第一数量。以奇异值曲线的曲率来选择第一数量是指:由奇异值矩阵构成奇异值曲线,计算该奇异值曲线中各点曲率,接着由各点曲率构成曲率族,并确定曲率族最大个体,如果曲率族最大个体为凹,则第一数量即为曲率族最大个体,如果曲率族最大个体为凸,则第一数量为曲率族最大个体减1。
子步骤S123,在所述第一奇异值矩阵中按照奇异值依次递减的顺序选择第一数量的奇异值,并由选择的奇异值得到第一减秩矩阵。
在本实施例中,可以先将所述第一奇异值矩阵中的奇异值按照由大至小的顺序进行排序,然后在排序后的第一奇异值矩阵中按照奇异值依次递减的顺序选取第一数量r的奇异值,并根据选取的奇异值及对应的向量构造得到所述第一减秩矩阵Y1r,Y1r=Ur∑rVT,其中,Ur为m×r阶矩阵,是矩阵U的前r个向量;∑r为r×r阶矩阵;Vr T为r×n阶矩阵,是矩阵VT的前r个向量。由此通过上述方式实现对所述第一Hankel矩阵Y1的减秩,得到所述第一减秩矩阵Y1r。第一减秩矩阵Y1r是一个秩为r的矩阵,在Frobeneous范数意义下,Y1r与Y1最接近,范数的定义是平方差的绝对值。Y1r通常不再是Hankel矩阵。
步骤S130,对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵。
请参照图4,图4是图3中步骤S130包括的子步骤的流程示意图。步骤S130可以包括子步骤S131及子步骤S132。
子步骤S131,计算所述第一减秩矩阵在反对角线上的所有元素的平均值。
子步骤S132,利用所述平均值对所述第一减秩矩阵中反对角线上的所有元素进行更新以得到所述第二Hankel矩阵。
在本实施例中,使用奇异普分析(Singular Spectrum Analysis,SSA)法对所述第一减秩矩阵Y1r进行处理以得到所述第二Hankel矩阵也就是说,先计算所述第一减秩矩阵Y1r在反对角上的m个元素值的平均值,并用该平均值替代该第一减秩矩阵Y1r在反对角上的m个元素的值,即,将反对角数组平均化,由此得到第二Hankel矩阵其中,该反对角线是指最长的反对角线,即主反对角线。第二Hankel矩阵不再是秩为r的矩阵,也不是在Frobeneous范数下与第一Hankel矩阵Y1最接近的矩阵,但是在结构上,第二Hankel矩阵仍然具有汉克尔构造。
步骤S140,采用卡组算法对所述第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵。
在本实施例中,在将反对角数组均值化以后,第二Hankel矩阵的秩将会增加。接着重复步骤S120及步骤S130进行迭代预设次数即可得到目标减秩矩阵。即,针对第二Hankel矩阵采用奇异值分解重构一个秩为r的第二减秩矩阵Y2r,再对第二减秩矩阵Y2r中反对角线上的元素进行均值化,得到第三Hankel矩阵重复上述操作,直到迭代预设次数后得到目标减秩矩阵Ynr。其中,预设迭代次数可以根据实际需求进行设置,比如,3~5次。
步骤S150,由所述目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。
在本实施例,在得到所述目标减秩矩阵后,由目标矩阵中的第一行元素及最后一列元素构造低秩的过滤后的局部放电数字信号,由此得到降噪后的局部放电信号。
目前的降噪方式可能无法去除由于局部放电产生的电磁波多次反射折射引入的特定模式的噪声,也可能在去除噪声的同时也减弱了了局部放电信号强度。而在本方案中,采用卡组算法进行降秩,有效地提高了信号比,在去除的噪声的同时很好地保留了有效的局部放电信号强度。并且,在降秩的奇异值分解过程中,使用了QR分解法进行奇异值分解,快速且稳定,解决了卡组算法对计算量的要求。
请参照图5,图5是本发明实施例提供的信号降噪方法的流程示意图之二。在步骤S150之后,所述方法还可以包括步骤S160。
步骤S160,对降噪后的局部放电信号进行分析处理,获得局部放电故障类型。
在本实施例中,在对多个传感器测得的局部放电信号进行上述降噪处理后,根据多个传感器的降噪后的局部放电信号可对局部放电的位置进行定位。并且,还可以根据降噪后的局部放电信号进行定量分析,得到该部位的放电量,进而得到局部放电故障类型,比如,沿面放电、气隙放电等。通过获得局部放电故障类型,便于工作人员采取对应措施进行处理。
请参照图6,图6是本发明实施例提供的信号降噪装置200的方框示意图之一。所述信号降噪装置200应用于所述处理设备100,以实现对局部放电信号的降噪处理。所述信号降噪装置200可以包括构建模块210、减秩模块220、分析模块230、迭代模块240及获得模块250。
构建模块210,用于由离散的局部放电信号构建第一Hankel矩阵。
在本实施例中,所述构建模块210用于执行图2中的步骤S110,关于所述构建模块210的具体描述可以参照图2中步骤S110的描述。
减秩模块220,用于对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵。
可选地,所述减秩模块220对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵的方式包括:
采用QR分解法对所述第一Hankel矩阵进行奇异值分解,得到以乘积形式表示的所述第一Hankel矩阵,其中,所述以乘积形式表示的所述第一Hankel矩阵包括第一奇异值矩阵;
确定需要从所述第一奇异值矩阵选择的奇异值的第一数量;
在所述第一奇异值矩阵中按照奇异值依次递减的顺序选择第一数量的奇异值,并由选择的奇异值得到第一减秩矩阵。
其中,所述减秩模块220确定需要从所述第一奇异值矩阵选择的奇异值的第一数量的方式可以包括:
根据所述第一奇异值矩阵构成奇异值曲线,并根据所述奇异值曲线的曲率确定所述第一数量;或,
根据所述第一奇异值矩阵中所有奇异值的平方和及预设比例确定所述第一数量,其中,所述第一数量的奇异值的平方和与所述第一奇异值矩阵中所有奇异值的平方和的比值为预设比例;或,
使用绝对阈值或相对阈值确定所述第一数量。
在本实施例中,所述减秩模块220用于执行图2中的步骤S120,关于所述减秩模块220的具体描述可以参照图2中步骤S120的描述。
分析模块230,用于对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵。
可选地,所述分析模块230对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵的方式包括:
计算所述第一减秩矩阵在反对角线上的所有元素的平均值;
利用所述平均值对所述第一减秩矩阵中反对角线上的所有元素进行更新以得到所述第二Hankel矩阵。
在本实施例中,所述分析模块230用于执行图2中的步骤S130,关于所述分析模块230的具体描述可以参照图2中步骤S130的描述。
迭代模块240,用于采用卡组算法对所述第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵。
在本实施例中,所述迭代模块240用于执行图2中的步骤S140,关于所述迭代模块240的具体描述可以参照图2中步骤S140的描述。
获得模块250,用于由所述目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。
在本实施例中,所述获得模块250用于执行图2中的步骤S150,关于所述获得模块250的具体描述可以参照图2中步骤S150的描述。
请参照图7,图7是本发明实施例提供的信号降噪装置200的方框示意图之二。所述信号降噪装置200还可以包括类型分析模块260。
类型分析模块260,用于对降噪后的局部放电信号进行分析处理,获得局部放电故障类型。
在本实施例中,所述类型分析模块260用于执行图5中的步骤S160,关于所述类型分析模块260的具体描述可以参照图5中步骤S160的描述。
综上所述,本发明实施例提供一种信号降噪方法及装置。本发明实施例提供一种信号降噪方法及装置。由离散的局部放电信号构建第一Hankel矩阵。对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵。对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵。采用卡组算法对所述第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵。由所述目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。由此,在去除噪声时,很好地保留了有效的局部放电信号强度。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种信号降噪方法,其特征在于,所述方法包括:
由离散的局部放电信号构建第一Hankel矩阵;
对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵;
对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵;
采用卡组算法对所述第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵,其中,所述卡组算法表示进行奇异值分解和减秩以及奇异谱分析;
由所述目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵,包括:
采用QR分解法对所述第一Hankel矩阵进行奇异值分解,得到以乘积形式表示的所述第一Hankel矩阵,其中,所述以乘积形式表示的所述第一Hankel矩阵包括第一奇异值矩阵;
确定需要从所述第一奇异值矩阵选择的奇异值的第一数量;
在所述第一奇异值矩阵中按照奇异值依次递减的顺序选择第一数量的奇异值,并由选择的奇异值得到第一减秩矩阵。
3.根据权利要求2所述的方法,其特征在于,
所述确定需要从所述第一奇异值矩阵选择的奇异值的第一数量的方式包括:
根据所述第一奇异值矩阵构成奇异值曲线,并根据所述奇异值曲线的曲率确定所述第一数量;或,
根据所述第一奇异值矩阵中所有奇异值的平方和及预设比例确定所述第一数量,其中,所述第一数量的奇异值的平方和与所述第一奇异值矩阵中所有奇异值的平方和的比值为预设比例;或,
使用绝对阈值或相对阈值确定所述第一数量,其中,使用绝对阈值确定所述第一数量是指:根据范数大于预设范数的奇异值的数量确定所述第一数量;使用相对阈值确定所述第一数量是指:将所有奇异值按范数从大到小排列,取第一数量个奇异值,使第一数量个奇异值的平方和大于所有奇异值平方和的预设比例。
4.根据权利要求1所述的方法,其特征在于,所述对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵,包括:
计算所述第一减秩矩阵在反对角线上的所有元素的平均值;
利用所述平均值对所述第一减秩矩阵中反对角线上的所有元素进行更新以得到所述第二Hankel矩阵。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对降噪后的局部放电信号进行分析处理,获得局部放电故障类型。
6.一种信号降噪装置,其特征在于,所述装置包括:
构建模块,用于由离散的局部放电信号构建第一Hankel矩阵;
减秩模块,用于对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵;
分析模块,用于对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵;
迭代模块,用于采用卡组算法对所述第二Hankel矩阵进行迭代以实现降维,并在迭代预设次数后得到目标减秩矩阵,其中,所述卡组算法表示进行奇异值分解和减秩以及奇异谱分析;
获得模块,用于由所述目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号,以得到降噪后的局部放电信号。
7.根据权利要求6所述的装置,其特征在于,所述减秩模块对所述第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵的方式包括:
采用QR分解法对所述第一Hankel矩阵进行奇异值分解,得到以乘积形式表示的所述第一Hankel矩阵,其中,所述以乘积形式表示的所述第一Hankel矩阵包括第一奇异值矩阵;
确定需要从所述第一奇异值矩阵选择的奇异值的第一数量;
在所述第一奇异值矩阵中按照奇异值依次递减的顺序选择第一数量的奇异值,并由选择的奇异值得到第一减秩矩阵。
8.根据权利要求7所述的装置,其特征在于,
所述减秩模块确定需要从所述第一奇异值矩阵选择的奇异值的第一数量的方式包括:
根据所述第一奇异值矩阵构成奇异值曲线,并根据所述奇异值曲线的曲率确定所述第一数量;或,
根据所述第一奇异值矩阵中所有奇异值的平方和及预设比例确定所述第一数量,其中,所述第一数量的奇异值的平方和与所述第一奇异值矩阵中所有奇异值的平方和的比值为预设比例;或,
使用绝对阈值或相对阈值确定所述第一数量,其中,使用绝对阈值确定所述第一数量是指:根据范数大于预设范数的奇异值的数量确定所述第一数量;使用相对阈值确定所述第一数量是指:将所有奇异值按范数从大到小排列,取第一数量个奇异值,使第一数量个奇异值的平方和大于所有奇异值平方和的预设比例。
9.根据权利要求6所述的装置,其特征在于,所述分析模块对所述第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵的方式包括:
计算所述第一减秩矩阵在反对角线上的所有元素的平均值;
利用所述平均值对所述第一减秩矩阵中反对角线上的所有元素进行更新以得到所述第二Hankel矩阵。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
类型分析模块,用于对降噪后的局部放电信号进行分析处理,获得局部放电故障类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810834585.5A CN108957262B (zh) | 2018-07-26 | 2018-07-26 | 信号降噪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810834585.5A CN108957262B (zh) | 2018-07-26 | 2018-07-26 | 信号降噪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108957262A CN108957262A (zh) | 2018-12-07 |
CN108957262B true CN108957262B (zh) | 2021-10-22 |
Family
ID=64464307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810834585.5A Active CN108957262B (zh) | 2018-07-26 | 2018-07-26 | 信号降噪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108957262B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110376455B (zh) * | 2019-06-26 | 2021-11-16 | 深圳供电局有限公司 | 变压器工作状态检测方法、装置、计算机设备和存储介质 |
CN110988615A (zh) * | 2019-11-14 | 2020-04-10 | 广东电网有限责任公司 | 一种基于奇异谱分析的gis局放信号降噪方法 |
CN113009560B (zh) * | 2021-03-23 | 2022-03-29 | 中国地质大学(武汉) | 一种地震数据重建方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810394B (zh) * | 2014-02-28 | 2016-08-17 | 东北电力大学 | 旋转设备故障信号奇异值分解降噪的设计方法 |
CN105099610B (zh) * | 2014-05-16 | 2018-09-28 | 华为技术有限公司 | 信号处理的方法及装置 |
CN107037327A (zh) * | 2016-10-09 | 2017-08-11 | 中国电力科学研究院 | 局部放电故障判定特征提取方法及判定方法 |
CN106595850A (zh) * | 2016-12-21 | 2017-04-26 | 潘小胜 | 一种机械振动信号的故障分析方法 |
CN107528648A (zh) * | 2017-10-23 | 2017-12-29 | 北京邮电大学 | 一种基于低秩稀疏矩阵分解的盲频谱感知方法和装置 |
-
2018
- 2018-07-26 CN CN201810834585.5A patent/CN108957262B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108957262A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108957262B (zh) | 信号降噪方法及装置 | |
CN110717472B (zh) | 基于改进的小波阈值去噪的故障诊断方法及系统 | |
CN114077846B (zh) | 一种基于rf-lstm的故障电流多域识别方法及存储介质 | |
DelSole et al. | Average predictability time. Part II: Seamless diagnoses of predictability on multiple time scales | |
CN108387887A (zh) | 一种水声信号的混合降噪方法 | |
CN112213687B (zh) | 基于伪异常点辨识的关口电能表数据异常检测方法及系统 | |
CN111428318A (zh) | 一种基于鲸鱼算法优化的滚动轴承退化趋势预测方法 | |
Zunino et al. | Characterization of Gaussian self-similar stochastic processes using wavelet-based informational tools | |
CN102135447B (zh) | 用于测量电磁波的方法和装置 | |
CN116522080A (zh) | 局部放电信号降噪方法 | |
Chaudhuri et al. | Denoising of partial discharge signal using a hybrid framework of total variation denoising-autoencoder | |
CN106022358A (zh) | 一种高光谱图像分类方法和装置 | |
CN116026780B (zh) | 基于串联策略波长选择的包衣吸湿率在线检测方法及系统 | |
Madakyaru et al. | Improved anomaly detection using multi-scale PLS and generalized likelihood ratio test | |
CN109840386B (zh) | 基于因子分析的损伤识别方法 | |
CN112114215A (zh) | 基于误差反向传播算法的变压器老化评估的方法及系统 | |
CN111144230A (zh) | 一种基于vmd的时域载荷信号的去噪方法 | |
CN114462452B (zh) | 用逐次变模态分解算法的异步电机转子断条故障诊断方法 | |
CN113052256B (zh) | 一种风向聚类方法、装置及电子设备 | |
CN113255137B (zh) | 目标对象应变数据的处理方法、装置及存储介质 | |
CN115931727A (zh) | 一种叶绿素a遥感反演方法、装置、系统以及存储介质 | |
Lin et al. | Fault diagnosis of rolling bearings using multifractal detrended fluctuation analysis and Mahalanobis distance criterion | |
Voiers | Interdependencies among measures of speech intelligility and speech" Quality" | |
US10120051B2 (en) | Method for estimating a convolution product | |
Jeffries et al. | A mixture model for the probability distribution of rain rate |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 3rd Floor, Building 6, Guangqian Industrial Zone, Longzhu 3rd Road, Longzhu 3rd Road, Longguang Community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong Province, 518000 Patentee after: SHENZHEN FRIENDCOM TECHNOLOGY DEVELOPMENT Co.,Ltd. Address before: 518000 6th floor, building 17, Guangqian Industrial Zone, Taoyuan Street, Nanshan District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN FRIENDCOM TECHNOLOGY DEVELOPMENT Co.,Ltd. |