CN111553308A - 一种电力变压器局部放电信号的重构方法 - Google Patents
一种电力变压器局部放电信号的重构方法 Download PDFInfo
- Publication number
- CN111553308A CN111553308A CN202010393216.4A CN202010393216A CN111553308A CN 111553308 A CN111553308 A CN 111553308A CN 202010393216 A CN202010393216 A CN 202010393216A CN 111553308 A CN111553308 A CN 111553308A
- Authority
- CN
- China
- Prior art keywords
- function
- signal
- partial discharge
- inherent
- discharge signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000005311 autocorrelation function Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种电力变压器局部放电信号的重构方法，包括以下步骤：步骤1：利用经验模态分解方法将信号分解成若干固有模态函数；步骤2：利用归一化自相关函数判断出含白噪声的固有模态函数；步骤3：利用小波包去噪算法对含白噪声的固有模态函数进行去噪处理；步骤4：将所有固有模态函数进行重构，得到重构的去噪后的局部放电信号。本发明有效地对信号进行去噪，并能较好地保留原局部放电信号。
Description
技术领域
本发明涉及电力变压器技术领域，特别涉及一种电力变压器局部放电信号的重构方法。
背景技术
电力变压器是电网中能量转换、传输的核心，是电网运行中最重要的设备之一。变压器的作用是多方面的，不仅能升高电压把电能送到用电地区，还能把电压降低为各级使用电压，以满足用电的需要。随着电力系统的发展和电压等级的提高，对电网系统的稳定性提出了更高要求，研究发现，大多电力变压器事件主要由变压器绝缘劣化引起。这种故障源于局部放电，因此，需要对电力变压器局部放电进行检测，以此来提高系统的安全性。
当绝缘内部发生局部放电时，会伴随产生脉冲电流、超声波、不同种类的气体、光、电磁波等。通过测量这些可以判断局部放电是否发生以及程度如何等。局部放电检测方法包括脉冲电流法、超声波法、气相色谱法、光测法和超高频法。其中超高频法具有抗干扰能力强、定位方便等优点，是近年来研究的热点。
在变压器运行过程中，变压器周围的工作现场会含有各种电磁辐射，即使采用超高频检测法进行检测，在传感器的测量频带内仍含有手机信号和雷达信号，仅依靠硬件滤波不能很好地除去干扰信号。而且在测量变压器局部放电信号时，信号中仍会含有一些测量系统外部的干扰信号和系统自身产生的随机白噪声。因此，需要相关数字处理方法对在线监测系统采集到的局部放电信号进行滤波，从而得到去噪信号。
发明内容
本发明要解决的技术问题是提供一种电力变压器局部放电信号的重构方法，以去除信号中的噪声，并能较好地保留原局部放电信号。
为了解决上述技术问题，本发明的技术方案为：
一种电力变压器局部放电信号的重构方法，包括以下步骤：
步骤1：利用经验模态分解方法将信号分解成若干固有模态函数；
步骤2：利用归一化自相关函数判断出含白噪声的固有模态函数；
步骤3：利用小波包去噪算法对含白噪声的固有模态函数进行去噪处理；
步骤4：将所有固有模态函数进行重构，得到重构的去噪后的局部放电信号。
优选的，所述步骤1包括：
步骤11：找出需要分解信号的极大值和极小值；
步骤12：采用三次样条函数分别拟合极值成为上、下包络线，并对其进行取均值处理；
步骤13：对取均值后的函数进行判断，是否符合固有模态函数的两个约束条件，若不符合，则信号需要重新进行上述过程直至将信号分解为n个固有模态函数分量和一个残余分量。
优选的，固有模态函数中的极值点与过零点的个数之差至多为一。
优选的，在任意时刻，由局部极大值和极小值分别拟合而成的上下包络线的均值为零。
优选的，所述步骤2包括：采用归一化自相关函数判断以噪声为主的固有模态函数、噪声与信号混叠的固有模态函数与基本不含噪声的固有模态函数分量之间的分界点k。
优选的，所述步骤3包括：采用小波包对以噪声为主的固有模态函数分量、噪声与信号混叠的固有模态函数分量进行去噪处理。
优选的，选择db小波函数对含噪信号进行分析。
优选的，对含噪信号均采用相同的小波基函数和分解层数。
优选的，所述步骤4包括：将无需进行去噪处理的n-k个固有模态函数分量和进行去噪后的n个固有模态函数分量进行信号重构，重构得到去噪后的局部放电信号。
本发明利用经验模态分解算法多尺度的自适应滤波特性，根据信号的要求，有目的地把相应的信号进行整合，以突出待分析信号在一定频率范围内的特性；本发明采用归一化自相关函数来对信号进行区分，可以更快速以及更容易区分白噪声和随机信号；本发明中采用的db小波函数与局部放电脉冲信号比较相似，可以很好地去除局部放电信号的噪音；本发明提出了一种基于自相关函数的经验模态分解方法并结合小波包变换的去噪方法，该方法能有效地对信号进行去噪，并能较好地保留局原局部放电信号。
附图说明
图1为本发明一实施例的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
参阅图1，一种电力变压器局部放电信号的重构方法，包括：
步骤1：利用经验模态分解方法将信号分解成若干固有模态函数；
经验模态分解(Empirical Mode Decomposition—EMD)是根据信号自身的时间尺度特征来进行分解的一种方法，它跟小波变换区别在于不用预先设定基函数，具有良好的自适应性。EMD主要作用是将具有非平稳性的信号分解成n个单一信号的组合，从而实现对信号的平稳化处理。通过对这些单一信号进行Hilbert变换即可得到相应的时频谱图，此图能够准确地反映出信号的原有特性。EMD方法的优点就是在于它能够使Hilbert变换后的瞬时频率具有价值。
使用EMD对信号进行分解时，包括：
步骤11：找出需要分解信号的极大值和极小值；
步骤12：采用三次样条函数分别拟合极值成为上、下包络线，并对其进行取均值处理；
步骤13：对取均值后的函数进行判断，是否符合固有模态函数的两个约束条件，若不符合，则信号需要重新进行上述过程直至将信号分解为n个固有模态函数分量和一个残余分量。
这就相当于是对信号的一种“筛选”过程，通过此方法可以除去叠加在信号中的无用信号。
EMD分解出的每个固有模态分量(IMF)都需要满足以下两个条件：
(1)固有模态函数中的极值点与过零点的个数之差至多为一；
(2)在任意时刻，由局部极大值和极小值分别拟合而成的上下包络线的均值为零。
IMF的幅值、频率和周期均由信号的极大值和极小值决定，因此IMF的幅值和频率可调，且IMF在由信号局部上下极值点确定的周期内只有一种振动模式，没有其他复杂信号的存在。
EMD分解的具体过程如下：
(1)假设原始信号为x(t)，找出其中的所有极值点，通常采用三次样条函数对极值点进行曲线拟合，由极大值拟合成的曲线为上包络线U(t)，由极小值拟合成的曲线下包络线L(t)。
(2)求出上下包络线的均值
h1(t)为信号与m1(t)之差，即：
h1(t)＝x(t)―m1(t) (2)
式中，x(t)为最高频率分量。
(3)判断h1(t)是否满足IMF所限定的两个要求，若满足，则h1(t)为信号x(t)的第一个IMF分量，记为c1(t)；若不满足，则令x(t)＝h1(t)，(将h1(t)看成原始信号处理)，返回(1)，重复上述的几个步骤；得到h11(t)＝h1(t)―m11(t)，其中，m11(t)是h1(t)上下包络线的均值，进行反复筛选，一般不小于10次，如果h1k(t)满足IMF的条件，h1k(t)就称为IMF，就有h1k(t)＝h1(k―1)(t)―m1k(t)，c1(t)＝h1k(t)是原始信号的第一个IMF分量，代表x(t)最高频率的分量。
(4)将c1(t)从差分信号从x(t)中分离出来，得到的差值信号r1(t)为：
r1(t)＝x(t)-c1(t) (3)
(5)将差值信号r1(t)重复(1)至(4)，就得到第二个IMF分量c2(t)，一直重复上述步骤n-1次即可得到n个IMF分量：
当分解n次后的函数rn(t)是单调函数或是一个极小的常量时，就无法再次取多个极值并进行包络取均值，因而不能提取IMF分量，即可以停止上述分解过程，得到式(5)：
将分解剩余的函数rn(t)称为残差，即可以称之为余量。rn(t)是信号x(t)的集中趋势或者是一个常数，分解出来的n个IMFs(c1(t),…,cn(t))中，每个IMF分量的频率均不同，IMF的频率随着信号的分解减小，分解出的首个IMF频率最高，最后一个IMF频率最低。每个IMF的频率均不同，其频率受原始信号x(t)的影响，IMF的频率随着原始信号x(t)频率的变化而发生变化。
步骤2：利用归一化自相关函数判断出含白噪声的固有模态函数；
采用归一化自相关函数判断以噪声为主的固有模态函数、噪声与信号混叠的固有模态函数与基本不含噪声的固有模态函数分量之间的分界点k。从随机信号和高斯白噪声的归一化自相关函数的特性可以用来判断EMD分解出的IMF分量中噪声占主导的IMF和信号占主导的IMF之间的分界点，从而更便捷地对信号进行去噪。
步骤3：利用小波包去噪算法对含白噪声的固有模态函数进行去噪处理；
采用小波包对以噪声为主的固有模态函数分量、噪声与信号混叠的固有模态函数分量进行去噪处理。
局部放电信号时一种突发性非平稳随机脉冲信号，其持续时间很短且上升沿很陡，且脉冲宽度仅为几纳秒。Daubechies(db)小波是具有紧支性的正交小波基，db小波函数与局部放电脉冲信号比较相似，因此，本发明选择db小波函数对含噪信号进行分析。
为了减少其他因素对去噪结果的影响，对含噪信号均采用相同的小波基函数和分解层数，若对EMD分解出的各个IMF分量采用其各自最优小波基函数和最佳分解层，这将对结果产生影响。因此，本发明不考虑对各IMF分量选择最佳小波基函数和最佳分解层，只考虑小波包去噪算法和在EMD的基础上采用小波包去噪算法之间的差异性。因此，本发明对EMD分解出来的IMF分量进行去噪采用的小波基函数和分解层数与直接用小波包方法进行去噪选择的小波基函数和分解层数相同。
小波包分析对信号进行降噪处理步骤为：
(1)信号的小波包分解，选择一个小波基函数并确定所需的层数，然后对信号进行小波包分解；
(2)确定最优小波包基，对于一个给定的熵标准，计算最优数；
(3)小波包分解系数的阈值量化，对于每一个小波包分解系数，选择一个恰当的阈值并对系数进行阈值量化；
(4)对信号进行小波包重构，根据最低层的小波包分解系数和经过量化处理系数，进行小波包重构。
步骤4：将所有固有模态函数进行重构，得到重构的去噪后的局部放电信号。
将无需进行去噪处理的n-k个固有模态函数分量和进行去噪后的n个固有模态函数分量进行信号重构，重构得到的信号即为去噪后的局部放电信号。即只需对噪声占主导的IMF和噪声与信号混叠的IMF进行去噪，将去噪后的IMF分量和剩余的IMF分量进行重构，从而得到去噪信号，起到降噪的目的。
虽然EMD去噪方法极大地保留了局部放电信号中有用信号，但是去噪后的信号中依旧存在着大量的高斯白噪声，并不能对局部放电信号进行有效地去噪。而基于EMD的小波包去噪方法和小波包去噪方法的降噪效果与EMD去噪方法相比较理想，前两种方法除去的白噪声信号的效果更好。对基于EMD的小波包去噪方法和小波包去噪方法两者的去噪效果进行对比，基于EMD的小波包方法去除白噪声的效果比小波包去噪方法相对较好，并基本保留了局部放电信号，更有利于对局部放电信号的提取。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。
Claims (9)
1.一种电力变压器局部放电信号的重构方法，其特征在于，包括以下步骤：
步骤1：利用经验模态分解方法将信号分解成若干固有模态函数；
步骤2：利用归一化自相关函数判断出含白噪声的固有模态函数；
步骤3：利用小波包去噪算法对含白噪声的固有模态函数进行去噪处理；
步骤4：将所有固有模态函数进行重构，得到重构的去噪后的局部放电信号。
2.根据权利要求1所述的一种电力变压器局部放电信号的重构方法，其特征在于，所述步骤1包括：
步骤11：找出需要分解信号的极大值和极小值；
步骤12：采用三次样条函数分别拟合极值成为上、下包络线，并对其进行取均值处理；
步骤13：对取均值后的函数进行判断，是否符合固有模态函数的两个约束条件，若不符合，则信号需要重新进行上述过程直至将信号分解为n个固有模态函数分量和一个残余分量。
3.根据权利要求2所述的一种电力变压器局部放电信号的重构方法，其特征在于：固有模态函数中的极值点与过零点的个数之差至多为一。
4.根据权利要求3所述的一种电力变压器局部放电信号的重构方法，其特征在于：在任意时刻，由局部极大值和极小值分别拟合而成的上下包络线的均值为零。
5.根据权利要求4所述的一种电力变压器局部放电信号的重构方法，其特征在于，所述步骤2包括：采用归一化自相关函数判断以噪声为主的固有模态函数、噪声与信号混叠的固有模态函数与基本不含噪声的固有模态函数分量之间的分界点k。
6.根据权利要求5所述的一种电力变压器局部放电信号的重构方法，其特征在于，所述步骤3包括：采用小波包对以噪声为主的固有模态函数分量、噪声与信号混叠的固有模态函数分量进行去噪处理。
7.根据权利要求6所述的一种电力变压器局部放电信号的重构方法，其特征在于：选择db小波函数对含噪信号进行分析。
8.根据权利要求7所述的一种电力变压器局部放电信号的重构方法，其特征在于：对含噪信号均采用相同的小波基函数和分解层数。
9.根据权利要求6所述的一种电力变压器局部放电信号的重构方法，其特征在于，所述步骤4包括：将无需进行去噪处理的n-k个固有模态函数分量和进行去噪后的n个固有模态函数分量进行信号重构，重构得到去噪后的局部放电信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010393216.4A CN111553308A (zh) | 2020-05-11 | 2020-05-11 | 一种电力变压器局部放电信号的重构方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010393216.4A CN111553308A (zh) | 2020-05-11 | 2020-05-11 | 一种电力变压器局部放电信号的重构方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111553308A true CN111553308A (zh) | 2020-08-18 |
Family
ID=72004491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010393216.4A Pending CN111553308A (zh) | 2020-05-11 | 2020-05-11 | 一种电力变压器局部放电信号的重构方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111553308A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113189457A (zh) * | 2021-04-26 | 2021-07-30 | 天津大学 | 一种基于局部放电原始时域波形的多尺度特征提取技术 |
| CN113837141A (zh) * | 2021-10-12 | 2021-12-24 | 国网山东省电力公司电力科学研究院 | 一种抗驱鼠器干扰的信号提取方法及装置 |
| CN114118169A (zh) * | 2021-12-08 | 2022-03-01 | 国网北京市电力公司 | 基于经验模态分解的特征量提取方法、系统、装置及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001075775A2 (en) * | 2000-04-04 | 2001-10-11 | Contact Technology Systems, Inc. | Arc fault current interrupter testing device |
| CN103995950A (zh) * | 2014-01-13 | 2014-08-20 | 哈尔滨工程大学 | 基于空域相关修正阈值的变小波系数局部放电信号消噪方法 |
| US9569843B1 (en) * | 2015-09-09 | 2017-02-14 | Siemens Healthcare Gmbh | Parameter-free denoising of complex MR images by iterative multi-wavelet thresholding |
| CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
| CN107179486A (zh) * | 2017-05-24 | 2017-09-19 | 长沙理工大学 | 一种gis设备在线监测特高频信号降噪方法 |
| CN107703427A (zh) * | 2017-11-28 | 2018-02-16 | 广东电网有限责任公司珠海供电局 | 一种基于emd分解的局部放电信号去噪方法 |
| CN107748734A (zh) * | 2017-10-31 | 2018-03-02 | 电子科技大学 | 一种解析‑经验模态分解方法 |
| CN108491355A (zh) * | 2018-02-05 | 2018-09-04 | 南京邮电大学 | 一种基于ceemd与小波包的超声信号降噪方法 |
| CN110151175A (zh) * | 2019-04-10 | 2019-08-23 | 杭州电子科技大学 | 基于ceemd与改进小波阈值的表面肌电信号消噪方法 |
-
2020
- 2020-05-11 CN CN202010393216.4A patent/CN111553308A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001075775A2 (en) * | 2000-04-04 | 2001-10-11 | Contact Technology Systems, Inc. | Arc fault current interrupter testing device |
| CN103995950A (zh) * | 2014-01-13 | 2014-08-20 | 哈尔滨工程大学 | 基于空域相关修正阈值的变小波系数局部放电信号消噪方法 |
| US9569843B1 (en) * | 2015-09-09 | 2017-02-14 | Siemens Healthcare Gmbh | Parameter-free denoising of complex MR images by iterative multi-wavelet thresholding |
| CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
| CN107179486A (zh) * | 2017-05-24 | 2017-09-19 | 长沙理工大学 | 一种gis设备在线监测特高频信号降噪方法 |
| CN107748734A (zh) * | 2017-10-31 | 2018-03-02 | 电子科技大学 | 一种解析‑经验模态分解方法 |
| CN107703427A (zh) * | 2017-11-28 | 2018-02-16 | 广东电网有限责任公司珠海供电局 | 一种基于emd分解的局部放电信号去噪方法 |
| CN108491355A (zh) * | 2018-02-05 | 2018-09-04 | 南京邮电大学 | 一种基于ceemd与小波包的超声信号降噪方法 |
| CN110151175A (zh) * | 2019-04-10 | 2019-08-23 | 杭州电子科技大学 | 基于ceemd与改进小波阈值的表面肌电信号消噪方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113189457A (zh) * | 2021-04-26 | 2021-07-30 | 天津大学 | 一种基于局部放电原始时域波形的多尺度特征提取技术 |
| CN113837141A (zh) * | 2021-10-12 | 2021-12-24 | 国网山东省电力公司电力科学研究院 | 一种抗驱鼠器干扰的信号提取方法及装置 |
| CN113837141B (zh) * | 2021-10-12 | 2023-10-27 | 国网山东省电力公司电力科学研究院 | 一种抗驱鼠器干扰的信号提取方法及装置 |
| CN114118169A (zh) * | 2021-12-08 | 2022-03-01 | 国网北京市电力公司 | 基于经验模态分解的特征量提取方法、系统、装置及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhong et al. | Partial discharge signal denoising based on singular value decomposition and empirical wavelet transform | |
| CN111553308A (zh) | 一种电力变压器局部放电信号的重构方法 | |
| Zhou et al. | An improved methodology for application of wavelet transform to partial discharge measurement denoising | |
| Song et al. | Second generation wavelet transform for data denoising in PD measurement | |
| CN112395992A (zh) | 一种基于改进小波阈值的电力谐波信号去噪方法 | |
| CN102928517A (zh) | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 | |
| CN109001703A (zh) | 一种基于小波包多阈值处理的海杂波去噪办法 | |
| CN111007316B (zh) | 基于fft与dwt的混合谐波检测改进方法 | |
| CN111308285B (zh) | 一种窄带干扰降噪方法 | |
| CN112946442B (zh) | 一种开关柜局部放电检测方法、终端设备及存储介质 | |
| CN111239565B (zh) | 基于分层式去噪模型的充油套管局部放电脉冲信号处理方法及系统 | |
| CN114785379A (zh) | 一种水声janus信号参数估计方法及系统 | |
| Lin et al. | Partial discharge signal extracting using the empirical mode decomposition with wavelet transform | |
| CN109901224B (zh) | 一种地震资料低频信号保护压制噪声方法 | |
| Werle et al. | Enhanced online PD evaluation on power transformers using wavelet techniques and frequency rejection filter for noise suppression | |
| CN113341378B (zh) | 基于频谱差分熵检测的自适应信道化接收方法 | |
| CN107610055B (zh) | 傅里叶变换光谱仪干涉图噪声检测及抑制方法 | |
| CN103078661A (zh) | 一种基于迭代门限的扩频系统干扰抑制方法 | |
| Zaitsev | Elimination on power line interference from ECG signal using combined bidirectional narrow-band notch filter | |
| CN115293219A (zh) | 一种融合小波和峭度的脉冲信号去噪方法 | |
| CN114330445A (zh) | 一种基于变压器振动信号敏感imf的小波阈值去噪方法 | |
| Hadhami et al. | Speech denoising based on empirical mode decomposition and improved thresholding | |
| CN112034253B (zh) | 一种moa在线监测方法 | |
| CN114063177B (zh) | 一种大地电磁数据去噪方法及系统 | |
| Zhang et al. | Simultaneous denoising and preserving of seismic signals by multiscale time-frequency peak filtering |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200818 |