CN111664933A - 一种利用静态矢量优化的振声检测信号滤波方法和系统 - Google Patents
一种利用静态矢量优化的振声检测信号滤波方法和系统 Download PDFInfo
- Publication number
- CN111664933A CN111664933A CN202010520355.9A CN202010520355A CN111664933A CN 111664933 A CN111664933 A CN 111664933A CN 202010520355 A CN202010520355 A CN 202010520355A CN 111664933 A CN111664933 A CN 111664933A
- Authority
- CN
- China
- Prior art keywords
- static
- matrix
- normalized correlation
- diagonal element
- value
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
Abstract
本发明的实施例公开一种利用静态矢量优化的振声检测信号滤波方法和系统，所述方法包括：步骤101获取按时间顺序采集的信号序列S；步骤102求取静态特征值矩阵κ；步骤103求取静态稀疏度P；步骤104求取静态矢量优化矩阵A；步骤105求取静态矢量调整因子D0；步骤106求取滤除了噪声的信号序列Snew。
Description
技术领域
本发明涉及电力领域，尤其涉及一种变压器振声检测信号的滤波方法和系统。
背景技术
随着智能电网的高速发展，电力设备安全稳定运行显得尤其重要。目前，对超高压及以上电压等级的电力设备开展运行状态检测，尤其是对异常状态的检测显得愈加重要和迫切。电力变压器作为电力系统的重要组成部分，是变电站中最重要的电气设备之一，其可靠运行关系到电网的安全。一般而言，变压器的异常状态可分为铁芯异常与绕组异常。铁芯异常主要表现为铁芯饱和，绕组异常通常包括绕组变形、绕组松动等。
变压器异常状态检测的基本原理是提取变压器运行中的各特征量，分析、辨识并跟踪特征量以此监测变压器的异常运行状态。检测方法按照接触程度可分为侵入式检测和非侵入式检测；按照是否需停机检测可分为带电检测和停电检测；按照检测量类型可以分为电气量法和非电气量法等。相比而言，非侵入式检测可移植性强，安装更方便；带电检测不影响变压器运行；非电气量法与电力系统无电气连接，更为安全。当前变压器运行状态的常用检测方法中，包括检测局部放电的脉冲电流法和超声波检测法、检测绕组变形的频率响应法以及检测机械及电气故障的振动检测法等。这些检测方法主要检测变压器绝缘状况及机械结构状况，其中以变压器振动信号(振声)的检测最为全面，对于大部分变压器故障及异常状态均能有所反应。
变压器在运行过程中，铁芯硅钢片的磁致伸缩与绕组电动力引起的振动会向四周辐射不同幅值和频率的振声信号。变压器正常运行时对外发出的是均匀的低频噪声；如果发出不均匀声音，则属不正常现象。变压器在不同运行状态下会发出有区别性的声音，可通过对其发出声音的检测，掌握变压器的运行状况。值得关注的是，对变压器不同运行状态下发出声音的检测不仅可以检测很多种引起电气量变化的严重故障，还可以检测许多并未危及绝缘的没有引起电气量变化的异常状态，比如变压器内外部零部件松动等。
由于振声检测方法利用了变压器发出的震动信号，很容易受到环境噪声的影响，因此如何有效地识别振声与噪声，是此方法能否成功的关键。
发明内容
由于振声检测方法利用了变压器发出的震动信号，很容易受到环境噪声的影响，因此如何有效地识别振声与噪声，是此方法能否成功的关键。
本发明的目的是提供一种利用静态矢量优化的振声检测信号滤波方法和系统，所提出的方法利用了变压器振声信号、脉冲噪声以及背景噪声来自不同信源的特性，根据静态矢量优化性质，实现背景噪声(包括异常点)和脉冲噪声的分离和滤除。所提出的方法具有较好的鲁棒性，计算也较为简单。
为实现上述目的，本发明提供了如下方案：
一种利用静态矢量优化的振声检测信号滤波方法，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取静态特征值矩阵κ，具体为：判断归一化相关矩阵B的第n个对角线元素γn是否大于或者等于σ0ln(snr+1)，得到第一判断结果。如果所述第一判断结果显示所述归一化相关矩阵B中的第n个对角线元素γn大于或者等于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝γn；如果所述第一判断结果显示所述归一化相关矩阵B的第n个对角线元素γn小于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝0；n为所述静态特征值矩阵κ的对角线元素序号；所述对角线元素序号n的取值范围为n＝1,2,···,N；N为所述信号序列S的长度；所述归一化相关矩阵B的计算公式为
snr为所述信号序列S信噪比；
步骤103求取静态稀疏度P，具体为：求取所述静态特征值矩阵κ对角线中非零元素的个数，作为所述静态稀疏度P的值；
步骤104求取静态矢量优化矩阵A，具体为：所述静态矢量优化矩阵A的计算公式为A＝UκV+PΓ[S-m0]T[S-m0]。其中，U为所述归一化相关矩阵B的左特征矢量矩阵；V为所述归一化相关矩阵B的右特征矢量矩阵；Γ为所述归一化相关矩阵B的特征值矩阵；
步骤105求取静态矢量调整因子D0，具体为：所述静态矢量调整因子D0的计算公式为D0＝||A-Γ||F；其中，||A-Γ||F表示A-Γ的Frobenus模；
步骤106求取滤除了噪声的信号序列Snew，具体为：在所有中间参数矢量x中，选取使得
取值最小的所述中间参数矢量x作为所述滤除了噪声的信号序列Snew的值。
一种利用静态矢量优化的振声检测信号滤波系统，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取静态特征值矩阵κ，具体为：判断归一化相关矩阵B的第n个对角线元素γn是否大于或者等于σ0ln(snr+1)，得到第一判断结果。如果所述第一判断结果显示所述归一化相关矩阵B中的第n个对角线元素γn大于或者等于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝γn；如果所述第一判断结果显示所述归一化相关矩阵B的第n个对角线元素γn小于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝0；n为所述静态特征值矩阵κ的对角线元素序号；所述对角线元素序号n的取值范围为n＝1,2,···,N；N为所述信号序列S的长度；所述归一化相关矩阵B的计算公式为
snr为所述信号序列S信噪比；
模块203求取静态稀疏度P，具体为：求取所述静态特征值矩阵κ对角线中非零元素的个数，作为所述静态稀疏度P的值；
模块204求取静态矢量优化矩阵A，具体为：所述静态矢量优化矩阵A的计算公式为A＝UκV+PΓ[S-m0]T[S-m0]。其中，U为所述归一化相关矩阵B的左特征矢量矩阵；V为所述归一化相关矩阵B的右特征矢量矩阵；Γ为所述归一化相关矩阵B的特征值矩阵；
模块205求取静态矢量调整因子D0，具体为：所述静态矢量调整因子D0的计算公式为D0＝||A-Γ||F；其中，||A-Γ||F表示A-Γ的Frobenus模；
模块206求取滤除了噪声的信号序列Snew，具体为：在所有中间参数矢量x中，选取使得
取值最小的所述中间参数矢量x作为所述滤除了噪声的信号序列Snew的值。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
由于振声检测方法利用了变压器发出的震动信号，很容易受到环境噪声的影响，因此如何有效地识别振声与噪声，是此方法能否成功的关键。
本发明的目的是提供一种利用静态矢量优化的振声检测信号滤波方法和系统，所提出的方法利用了变压器振声信号、脉冲噪声以及背景噪声来自不同信源的特性，根据静态矢量优化性质，实现背景噪声(包括异常点)和脉冲噪声的分离和滤除。所提出的方法具有较好的鲁棒性，计算也较为简单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明的方法流程示意图；
图2为本发明的系统流程示意图；
图3为本发明的具体实施案例流程示意图。
具体实施方式
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，所描述的实施例仅是本发明一部分实施例，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，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1一种利用静态矢量优化的振声检测信号滤波方法的流程示意图
图1为本发明一种利用静态矢量优化的振声检测信号滤波方法的流程示意图。如图1所示，所述的一种利用静态矢量优化的振声检测信号滤波方法具体包括以下步骤：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取静态特征值矩阵κ，具体为：判断归一化相关矩阵B的第n个对角线元素γn是否大于或者等于σ0ln(snr+1)，得到第一判断结果。如果所述第一判断结果显示所述归一化相关矩阵B中的第n个对角线元素γn大于或者等于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝γn；如果所述第一判断结果显示所述归一化相关矩阵B的第n个对角线元素γn小于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝0；n为所述静态特征值矩阵κ的对角线元素序号；所述对角线元素序号n的取值范围为n＝1,2,···,N；N为所述信号序列S的长度；所述归一化相关矩阵B的计算公式为
snr为所述信号序列S信噪比；
步骤103求取静态稀疏度P，具体为：求取所述静态特征值矩阵κ对角线中非零元素的个数，作为所述静态稀疏度P的值；
步骤104求取静态矢量优化矩阵A，具体为：所述静态矢量优化矩阵A的计算公式为A＝UκV+PΓ[S-m0]T[S-m0]。其中，U为所述归一化相关矩阵B的左特征矢量矩阵；V为所述归一化相关矩阵B的右特征矢量矩阵；Γ为所述归一化相关矩阵B的特征值矩阵；
步骤105求取静态矢量调整因子D0，具体为：所述静态矢量调整因子D0的计算公式为D0＝||A-Γ||F；其中，||A-Γ||F表示A-Γ的Frobenus模；
步骤106求取滤除了噪声的信号序列Snew，具体为：在所有中间参数矢量x中，选取使得
取值最小的所述中间参数矢量x作为所述滤除了噪声的信号序列Snew的值。
图2一种利用静态矢量优化的振声检测信号滤波系统的结构意图
图2为本发明一种利用静态矢量优化的振声检测信号滤波系统的结构示意图。如图2所示，所述一种利用静态矢量优化的振声检测信号滤波系统包括以下结构：
模块201获取按时间顺序采集的信号序列S；
模块202求取静态特征值矩阵κ，具体为：判断归一化相关矩阵B的第n个对角线元素γn是否大于或者等于σ0ln(snr+1)，得到第一判断结果。如果所述第一判断结果显示所述归一化相关矩阵B中的第n个对角线元素γn大于或者等于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝γn；如果所述第一判断结果显示所述归一化相关矩阵B的第n个对角线元素γn小于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝0；n为所述静态特征值矩阵κ的对角线元素序号；所述对角线元素序号n的取值范围为n＝1,2,···,N；N为所述信号序列S的长度；所述归一化相关矩阵B的计算公式为
snr为所述信号序列S信噪比；
模块203求取静态稀疏度P，具体为：求取所述静态特征值矩阵κ对角线中非零元素的个数，作为所述静态稀疏度P的值；
模块204求取静态矢量优化矩阵A，具体为：所述静态矢量优化矩阵A的计算公式为A＝UκV+PΓ[S-m0]T[S-m0]。其中，U为所述归一化相关矩阵B的左特征矢量矩阵；V为所述归一化相关矩阵B的右特征矢量矩阵；Γ为所述归一化相关矩阵B的特征值矩阵；
模块205求取静态矢量调整因子D0，具体为：所述静态矢量调整因子D0的计算公式为D0＝||A-Γ||F；其中，||A-Γ||F表示A-Γ的Frobenus模；
模块206求取滤除了噪声的信号序列Snew，具体为：在所有中间参数矢量x中，选取使得
取值最小的所述中间参数矢量x作为所述滤除了噪声的信号序列Snew的值。
下面提供一个具体实施案例，进一步说明本发明的方案
图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：
步骤301获取按时间顺序采集的信号序列S；
步骤302求取静态特征值矩阵κ，具体为：判断归一化相关矩阵B的第n个对角线元素γn是否大于或者等于σ0ln(snr+1)，得到第一判断结果。如果所述第一判断结果显示所述归一化相关矩阵B中的第n个对角线元素γn大于或者等于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝γn；如果所述第一判断结果显示所述归一化相关矩阵B的第n个对角线元素γn小于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝0；n为所述静态特征值矩阵κ的对角线元素序号；所述对角线元素序号n的取值范围为n＝1,2,···,N；N为所述信号序列S的长度；所述归一化相关矩阵B的计算公式为
snr为所述信号序列S信噪比；
步骤303求取静态稀疏度P，具体为：求取所述静态特征值矩阵κ对角线中非零元素的个数，作为所述静态稀疏度P的值；
步骤304求取静态矢量优化矩阵A，具体为：所述静态矢量优化矩阵A的计算公式为A＝UκV+PΓ[S-m0]T[S-m0]。其中，U为所述归一化相关矩阵B的左特征矢量矩阵；V为所述归一化相关矩阵B的右特征矢量矩阵；Γ为所述归一化相关矩阵B的特征值矩阵；
步骤305求取静态矢量调整因子D0，具体为：所述静态矢量调整因子D0的计算公式为D0＝||A-Γ||F；其中，||A-Γ||F表示A-Γ的Frobenus模；
步骤306求取滤除了噪声的信号序列Snew，具体为：在所有中间参数矢量x中，选取使得
取值最小的所述中间参数矢量x作为所述滤除了噪声的信号序列Snew的值。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (2)
1.所述一种利用静态矢量优化的振声检测信号滤波方法，其特征在于，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取静态特征值矩阵κ，具体为：判断归一化相关矩阵B的第n个对角线元素γn是否大于或者等于σ0ln(snr+1)，得到第一判断结果。如果所述第一判断结果显示所述归一化相关矩阵B中的第n个对角线元素γn大于或者等于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝γn；如果所述第一判断结果显示所述归一化相关矩阵B的第n个对角线元素γn小于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝0；n为所述静态特征值矩阵κ的对角线元素序号；所述对角线元素序号n的取值范围为n＝1,2,···,N；N为所述信号序列S的长度；所述归一化相关矩阵B的计算公式为
snr为所述信号序列S信噪比；
步骤103求取静态稀疏度P，具体为：求取所述静态特征值矩阵κ对角线中非零元素的个数，作为所述静态稀疏度P的值；
步骤104求取静态矢量优化矩阵A，具体为：所述静态矢量优化矩阵A的计算公式为A＝UκV+PΓ[S-m0]T[S-m0]。其中，U为所述归一化相关矩阵B的左特征矢量矩阵；V为所述归一化相关矩阵B的右特征矢量矩阵；Γ为所述归一化相关矩阵B的特征值矩阵；
步骤105求取静态矢量调整因子D0，具体为：所述静态矢量调整因子D0的计算公式为D0＝||A-Γ||F；其中，||A-Γ||F表示A-Γ的Frobenus模；
步骤106求取滤除了噪声的信号序列Snew，具体为：在所有中间参数矢量x中，选取使得
取值最小的所述中间参数矢量x作为所述滤除了噪声的信号序列Snew的值。
2.所述一种利用静态矢量优化的振声检测信号滤波系统，其特征在于，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取静态特征值矩阵κ，具体为：判断归一化相关矩阵B的第n个对角线元素γn是否大于或者等于σ0ln(snr+1)，得到第一判断结果。如果所述第一判断结果显示所述归一化相关矩阵B中的第n个对角线元素γn大于或者等于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝γn；如果所述第一判断结果显示所述归一化相关矩阵B的第n个对角线元素γn小于σ0ln(snr+1)，则所述静态特征值矩阵κ的第n个对角线元素κn的值为κn＝0；n为所述静态特征值矩阵κ的对角线元素序号；所述对角线元素序号n的取值范围为n＝1,2,···,N；N为所述信号序列S的长度；所述归一化相关矩阵B的计算公式为
snr为所述信号序列S信噪比；
模块203求取静态稀疏度P，具体为：求取所述静态特征值矩阵κ对角线中非零元素的个数，作为所述静态稀疏度P的值；
模块204求取静态矢量优化矩阵A，具体为：所述静态矢量优化矩阵A的计算公式为A＝UκV+PΓ[S-m0]T[S-m0]。其中，U为所述归一化相关矩阵B的左特征矢量矩阵；V为所述归一化相关矩阵B的右特征矢量矩阵；Γ为所述归一化相关矩阵B的特征值矩阵；
模块205求取静态矢量调整因子D0，具体为：所述静态矢量调整因子D0的计算公式为D0＝||A-Γ||F；其中，||A-Γ||F表示A-Γ的Frobenus模；
模块206求取滤除了噪声的信号序列Snew，具体为：在所有中间参数矢量x中，选取使得
取值最小的所述中间参数矢量x作为所述滤除了噪声的信号序列Snew的值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010520355.9A CN111664933A (zh) | 2020-06-10 | 2020-06-10 | 一种利用静态矢量优化的振声检测信号滤波方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010520355.9A CN111664933A (zh) | 2020-06-10 | 2020-06-10 | 一种利用静态矢量优化的振声检测信号滤波方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111664933A true CN111664933A (zh) | 2020-09-15 |
Family
ID=72386322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010520355.9A Withdrawn CN111664933A (zh) | 2020-06-10 | 2020-06-10 | 一种利用静态矢量优化的振声检测信号滤波方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111664933A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112165342A (zh) * | 2020-11-09 | 2021-01-01 | 华北电力大学 | 一种利用模式特征矢量的噪声检测方法和系统 |
| CN112307924A (zh) * | 2020-10-25 | 2021-02-02 | 广东石油化工学院 | 一种利用转换学习算法的功率信号滤波方法和系统 |
-
2020
- 2020-06-10 CN CN202010520355.9A patent/CN111664933A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112307924A (zh) * | 2020-10-25 | 2021-02-02 | 广东石油化工学院 | 一种利用转换学习算法的功率信号滤波方法和系统 |
| CN112165342A (zh) * | 2020-11-09 | 2021-01-01 | 华北电力大学 | 一种利用模式特征矢量的噪声检测方法和系统 |
| CN112165342B (zh) * | 2020-11-09 | 2021-09-21 | 华北电力大学 | 一种利用模式特征矢量的噪声检测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111664933A (zh) | 一种利用静态矢量优化的振声检测信号滤波方法和系统 | |
| CN111665405A (zh) | 一种利用稀疏度最小化的振声检测信号滤波方法和系统 | |
| CN111664934A (zh) | 一种利用特征选择的变压器状态振声检测信号滤波方法和系统 | |
| CN111780868A (zh) | 一种利用Jeffery差异量的变压器运行状态振声检测方法和系统 | |
| CN110545086A (zh) | 一种利用全局优化的变压器振声信号滤波方法和系统 | |
| CN110703145A (zh) | 一种利用多优化理论的变压器振声信号重构方法和系统 | |
| CN111649819A (zh) | 一种利用迭代软阈值的变压器状态振声检测信号滤波方法和系统 | |
| CN111879403A (zh) | 一种利用弱信号保持的振声检测信号重构方法和系统 | |
| CN111473861A (zh) | 一种利用稀疏误差的变压器状态振声检测信号重构方法和系统 | |
| CN111751098A (zh) | 一种利用高斯预测模型的振声检测信号重构方法和系统 | |
| CN110514295B (zh) | 一种利用svd分解的变压器运行状态振声检测信号滤波方法和系统 | |
| CN110646691B (zh) | 一种利用拉伸变换的变压器振声信号滤波方法和系统 | |
| CN110286289B (zh) | 一种变压器振声检测信号滤波方法 | |
| CN112417994B (zh) | 一种利用正则化因子的振声检测信号滤波方法和系统 | |
| CN112304419A (zh) | 一种利用泛化稀疏编码的振声检测信号重构方法和系统 | |
| CN112307993B (zh) | 一种利用局部相似性的振声检测信号滤波方法和系统 | |
| CN111680604A (zh) | 一种利用Fatemi条件的振声检测信号滤波方法和系统 | |
| CN111141384A (zh) | 一种利用Frechet正则化的变压器状态振声检测信号重构方法和系统 | |
| CN112345226B (zh) | 一种利用块协调最小化的振声检测信号重构方法和系统 | |
| CN111561992A (zh) | 一种利用b抽样的变压器运行状态振声检测方法和系统 | |
| CN112284520B (zh) | 一种利用最佳秩逼近的振声检测信号重构方法和系统 | |
| CN110837013A (zh) | 一种利用稀疏字典表示的变压器状态振声检测信号重构方法和系统 | |
| CN111929551A (zh) | 一种变压器运行状态振声检测信号滤波方法及系统 | |
| CN112415439B (zh) | 一种利用稀疏投影的振声检测信号滤波方法和系统 | |
| CN112327084B (zh) | 一种利用等距变换的变压器运行状态振声检测方法和系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200915 |
|
| WW01 | Invention patent application withdrawn after publication |