CN111999607B - 一种单通道信号下局部放电窄带干扰盲源分离方法及装置 - Google Patents
一种单通道信号下局部放电窄带干扰盲源分离方法及装置 Download PDFInfo
- Publication number
- CN111999607B CN111999607B CN202010699514.6A CN202010699514A CN111999607B CN 111999607 B CN111999607 B CN 111999607B CN 202010699514 A CN202010699514 A CN 202010699514A CN 111999607 B CN111999607 B CN 111999607B
- Authority
- CN
- China
- Prior art keywords
- signal
- narrow
- partial discharge
- band interference
- amplitude
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种单通道信号下局部放电窄带干扰盲源分离方法及装置,包括:S1、输入待去噪的单通道局部放电信号h(t);S2、对h(t)进行FFT变换和S变换,获取窄带干扰的信号的个数n和频率范围Fi;S3、使用重心校正法提取出各个窄带干扰信号Vi(t)的相位θi、频率fi、幅值Ai;S4、在h(t)后添加正弦校准信号k(t),记为信号w(t);S5、构造虚拟窄带干扰信号vi(t),加入与k(t)相同长度的零信号z(t),记为pi(t);S6、将w(t)和pi(t)共同作为盲源分离算法FastICA的观测信号X,得到去噪后的局部放电信号Pd(t);S7、利用k(t)的幅值与相位的先验知识,得到校准后的局部放电信号Pd*(t)。本发明能有效地去除局部放电信号中混杂的窄带干扰信号。
Description
技术领域
本发明涉及局部放电在线监测领域,具体涉及单通道信号下电气设备带电局部放电检测的窄带干扰盲源分离方法及装置。
背景技术
PD检测是评判设备的绝缘状态、及时发现设备内部缺陷的重要手段。在电气设备运行现场通常有强烈的噪声干扰,而微弱的局部放电信号(一般为mV级),容易淹没在现场强烈的干扰中,检测装置难于检测到局部放电信号,影响运维人员对电气设备运行状态的评估。
在设备运行现场,局部放电信号中主要有高斯白噪声干扰和周期性窄带干扰,其中周期性窄带干扰是电气设备现场运行中的典型干扰。目前局部放电的周期性窄带干扰去噪方法主要包括硬件去噪方法和数字化方法。硬件去噪方法主要有选择窄带滤波器和带通滤波电路进行去噪,软件去噪方法主要有快速傅里叶阈值滤波法、经验模态分解类去噪方法、小波变换类去噪方法。硬件方法抑制窄带干扰需要根据干扰频带的先验知识,通用性差,而数字化方法去噪效果好,得到国内外学者的广泛研究。由于不同周期性窄带干扰信号可以看成频率不同的正余弦波信号,比较通用的做法是根据快速傅里叶变换通过频谱得到窄带干扰信号频率,采用经典阈值法进行滤波,但仍保留一部分窄带干扰,去噪效果不好。
盲源分离是指仅由观测信号即可恢复出源信号各个分量的过程。为了能分离出源信号各个分量,要求盲源分离的观测信号数量大于等于源信号数量。目前应用于工程较多的检测局部放电的手段主要为脉冲电流法和特高频法等方法。通过布置多个传感器检测局部放电数据,但是在运行过程中存在传感器失灵,多个传感器之间存在串扰等问题,导致只有一个或者少数几个传感器得到较好的检测信号,不满足盲源分离算法分离要求。
故有必要研究单一传感器下得到的局部放电信号盲源分离去噪方法。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种单通道信号下局部放电窄带干扰盲源分离方法,该去噪方法能有效地去除局部放电信号中混杂的窄带干扰信号。
为实现上述目的,本发明的技术方案为:
一种单通道信号下局部放电窄带干扰盲源分离方法,包括以下步骤:
S1、输入待去噪的单通道局部放电信号h(t);
S2、对h(t)进行FFT变换和S变换,获取窄带干扰的信号的个数n和频率范围Fi(i=1,2,…,n);
S3、使用重心校正法提取出各个窄带干扰信号Vi(t)的相位θi、频率fi、幅值Ai;
S4、在h(t)后添加正弦校准信号k(t),记为信号w(t);
S5、根据步骤S3中估算出的窄带干扰的相位θi、频率fi、幅值Ai构造虚拟窄带干扰信号vi(t),加入与k(t)相同长度的零信号z(t),记为pi(t);
S6、将w(t)和pi(t)共同作为盲源分离算法FastICA的观测信号X,完成对h(t)中窄带干扰信号的分离,得到去噪后的局部放电信号Pd(t);
S7、利用k(t)的幅值与相位的先验知识,完成Pd(t)的幅值与相位校准,得到校准后的局部放电信号Pd*(t)。
本发明还提供一种单通道信号下局部放电窄带干扰盲源分离装置,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述分离方法的步骤。
本发明还提供一种计算机可读存储介质,所述的计算机可读存储介质存储有计算机程序,所述的计算机程序被处理器执行时实现上述分离方法的步骤。
与现有技术相比,本发明的有益效果在于:
1、本发明根据窄带干扰通过FFT频谱与S变换下不同的特点,可得到窄带干扰的信号的个数n和频率范围Fi(i=1,2,…,n);通过能量重心法精确提出窄带干扰的信息,将w(t)和pi(t)共同作为FastICA的观测信号X,将单通道PD信号转化为多通道信号,解决单通道PD信号盲源分离的欠定问题。
2、本发明引入盲源分离算法,克服了传统傅里叶阈值去噪法窄带干扰傅里叶系数难以确定,阈值函数选取标准不一,导致窄带干扰不能很好地被滤除的缺陷。
3、本发明利用k(t)的幅值与相位的先验知识,得到校准后的局部放电信号Pd*(t),简单而高效地克服盲源分离算法带来的幅值和相位的不确定性。
附图说明
图1为本发明的一种单通道信号下带电局部放电窄带干扰盲源分离方法流程图。
图2为染噪信号h(t)。
图3为S变换得到的时频图。
图4为FFT得到的频谱图。
图5为w(t)时域图;
图6为v1(t)加入零信号得到的p1(t)时域图。
图7为用本发明方法去噪后得到的校准后的局部放电信号图。
图8为原始局部放电仿真信号。
具体实施方式
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。
如图1所示,一种单通道信号下局部放电窄带干扰盲源分离方法,包括以下步骤:
S1、输入待去噪的单通道局部放电信号h(t),h(t)由单指数衰减脉冲模型、双指数衰减脉冲模型、单指数衰减震荡模型、双指数衰减震荡模型模拟的PD信号与两个正弦规律的窄带干扰信号构成,参见图2。
S2、对h(t)进行FFT变换和S变换,如图3和图4所示,可获取窄带干扰的信号的个数n和频率范围Fi(i=1,2,…,n)。
在图3和4中,窄带干扰的信号的个数为2、频率范围分别为[1.1,1.2]MHz、[9,12]MHz。
S3、根据步骤S2得到的信息,使用重心校正法精准地提取出各个窄带干扰信号Vi(t)的相位θi、频率fi、幅值Ai。
在图3和4中,窄带干扰信号V1(t)的相位44.9999°(实际45°)、频率1.00001MHz(实际1MHz)、幅值2mV(实际2mV),V2(t)的相位30.0003°(实际30°)、频率9.999996MHz(实际10MHz)、幅值1.49889mV(实际1.5mV),可见校正得到的窄带干扰信息与实际的基本一致,可用于窄带干扰的构造。
S4、在h(t)后添加幅值为1的正弦校准信号k(t),记为信号w(t),如图5为w(t)时域图。
S5、根据步骤S3中估算出的窄带干扰的相位θi、频率fi、幅值Ai构造虚拟窄带干扰信号vi(t),加入与k(t)相同长度的零信号z(t),记为pi(t),图6展示的是v1(t)加入零信号得到的p1(t)时域图。
S6、将w(t)和pi(t)共同作为盲源分离算法FastICA的观测信号X,完成对h(t)中窄带干扰信号的分离,得到去噪后的局部放电信号Pd(t)。
S7、利用k(t)的幅值与相位的先验知识,完成Pd(t)的幅值与相位校准,得到校准后的局部放电信号Pd*(t)。
进一步地,所述步骤S2包括:
S21、对h(t)进行FFT变换和S变换,得到频谱图和二维时频分布图;
S22、根据周期性窄带干扰在频谱中呈现尖峰状和周期性窄带干扰在时频分布图上频率分布集中且持续时间长的特点,二者联合分析得到窄带干扰的信号的个数n和频率范围Fi(i=1,2,…,n)。
进一步地,所述步骤S3包括以下步骤:
S31、当j=1,使用能量重心法对将窄带干扰的频率f1、幅值A1、相位θ1进行校正;
S32、对j=i,使用能量重心法对窄带干扰的频率fi、幅值Ai、相位θi进行校正;
S33、不断往复进行步骤S32,直到j=n,完成所有窄带干扰的频率、幅值、相位的校正。
进一步地,所述步骤S32包括以下步骤:
(a)对h(t)采用汉宁窗函数w(m)进行分析,汉宁窗的定义为:
其中,m为采样点总数;
(b)对h(t)·w(m)进行FFT变换,根据Fi确定窄带干扰对应的频谱的序列号范围[ni1,ni2],在[ni1,ni2]寻找到频谱最大峰值对应的序列号ki;
(c)汉宁窗旁瓣的功率谱值远小于主瓣的值,根据其能量重心的特性,利用最大峰值yki对应的序列号ki附近的功率谱值yki+I较大的谱线完成窄带干扰信号的fi、Ai、θi的校正;
其中,fi校正公式为:
Ai校正公式为:
设最大峰值yki对应的序列号ki处的FFT系数的实部为Rki,虚部为Iki,则θi校正值为:
θi=arctan(Ik/Rk)+π(fk-fi)
其中,fs为采样频率,在这里取k左右3个谱线值进行校正,故a=3,因为采用汉宁窗,Kt=8/3。
进一步地,所述步骤S6包括以下步骤:
S61、对观测信号X减去其均值得到X';对X'进行白化操作:
Z=ED-0.5ETX'
其中,E、D分别为E{X'X'T}的特征向量组成的正交矩阵和其特征值组成的对角矩阵,D=diag(d1,d2,...,dn),D-0.5=diag(d` `0.5,d2 -0.5,...,dn -0.5),Z为白化后的观测信号;
S62、选择需要估计的分量的个数Count,p←1;
S63、随机生成一个初始权矢量Wp;
S64、令Wp=E(Zg(Wp TZ))-E(g'(Wp TZ))Wp,其中g(y)=tanh(y),E()表示求均值;
S66、若Wp不收敛,则返回步骤S64;
S67、令p=p+1;若p≤Count,则返回步骤S63;
S68、利用Z=Wp TZ,完成各独立分量的分离,从而完成对h(t)中窄带干扰信号的分离,得到去噪后的局部放电信号。
进一步地,所述步骤S7包括以下步骤:
S72,如果k(t)与k*(t)相位相差0°,则Pd*(t)=R*Pd(t);否则Pd*(t)=-R*Pd(t)。
参看图7,本实施例得到的去噪后经过校准后的局部放电信号如图7所示。经过与图8的原始局部放电仿真信号对比可得知,本发明的方法能够很好地去除窄带干扰。
另外,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)等。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (8)
1.一种单通道信号下局部放电窄带干扰盲源分离方法,其特征在于:包括以下步骤:
S1、输入待去噪的单通道局部放电信号h(t);
S2、对h(t)进行FFT变换和S变换,获取窄带干扰的信号的个数n和频率范围Fi(i=1,2,…,n);
S3、使用重心校正法提取出各个窄带干扰信号Vi(t)的相位θi、频率fi、幅值Ai;
S4、在h(t)后添加正弦校准信号k(t),记为信号w(t);
S5、根据步骤S3中估算出的窄带干扰的相位θi、频率fi、幅值Ai构造虚拟窄带干扰信号vi(t),加入与k(t)相同长度的零信号z(t),记为pi(t);
S6、将w(t)和pi(t)共同作为盲源分离算法FastICA的观测信号X,完成对h(t)中窄带干扰信号的分离,得到去噪后的局部放电信号Pd(t);
S7、利用k(t)的幅值与相位的先验知识,完成Pd(t)的幅值与相位校准,得到校准后的局部放电信号Pd*(t)。
2.根据权利要求1所述的一种单通道信号下局部放电窄带干扰盲源分离方法,其特征在于:所述步骤S2包括:
S21、对h(t)进行FFT变换和S变换,得到频谱图和二维时频分布图;
S22、根据周期性窄带干扰在频谱中呈现尖峰状和周期性窄带干扰在时频分布图上频率分布集中且持续时间长的特点,二者联合分析得到窄带干扰的信号的个数n和频率范围Fi(i=1,2,…,n)。
3.根据权利要求1所述一种单通道信号下局部放电窄带干扰盲源分离方法,其特征在于:所述步骤S3包括以下步骤:
S31、当j=1,使用能量重心法对将窄带干扰的频率f1、幅值A1、相位θ1进行校正;
S32、对j=i,使用能量重心法对窄带干扰的频率fi、幅值Ai、相位θi进行校正;
S33、不断往复进行步骤S32,直到j=n,完成所有窄带干扰的频率、幅值、相位的校正。
4.根据权利要求3所述一种单通道信号下局部放电窄带干扰盲源分离方法,其特征在于:所述步骤S32包括以下步骤:
(a)对h(t)采用汉宁窗函数w(m)进行分析,汉宁窗的定义为:
其中,N为采样点总数;
(b)对h(t)·w(m)进行FFT变换,根据Fi确定窄带干扰对应的频谱的序列号范围[ni1,ni2],在[ni1,ni2]寻找到频谱最大峰值对应的序列号ki;
(c)汉宁窗旁瓣的功率谱值远小于主瓣的值,根据其能量重心的特性,利用最大峰值yki对应的序列号ki附近的功率谱值yki+I较大的谱线完成窄带干扰信号的fi、Ai、θi的校正;
其中,fi校正公式为:
Ai校正公式为:
设最大峰值yki对应的序列号ki处的FFT系数的实部为Rki,虚部为Iki,则θi校正值为:
θi=arctan(Ik/Rk)+π(fk-fi)
其中,fs为采样频率,取k左右3个谱线值进行校正,故a=3,因为采用汉宁窗,Kt=8/3。
5.根据权利要求1所述一种单通道信号下局部放电窄带干扰盲源分离方法,其特征在于:所述步骤S6包括以下步骤:
S61、对观测信号X减去其均值得到X';对X'进行白化操作:
Z=ED-0.5ETX'
其中,E、D分别为E{X'X'T}的特征向量组成的正交矩阵和其特征值组成的对角矩阵,D=diag(d1,d2,...,dn),D-0.5=diag(d1 -0.5,d2 -0.5,...,dn -0.5),Z为白化后的观测信号;
S62、选择需要估计的分量的个数Count,p←1;
S63、随机生成一个初始权矢量Wp;
S64、令Wp=E(Zg(Wp TZ))-E(g'(Wp TZ))Wp,其中g(y)=tanh(y),E()表示求均值;
S66、若Wp不收敛,则返回步骤S64;
S67、令p=p+1;若p≤Count,则返回步骤S63;
S68、利用Z=Wp TZ,完成各独立分量的分离,从而完成对h(t)中窄带干扰信号的分离,得到去噪后的局部放电信号。
7.一种单通道信号下局部放电窄带干扰盲源分离装置,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一分离方法的步骤。
8.一种计算机可读存储介质,所述的计算机可读存储介质存储有计算机程序,其特征在于,所述的计算机程序被处理器执行时实现如权利要求1-6任一分离方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699514.6A CN111999607B (zh) | 2020-07-20 | 2020-07-20 | 一种单通道信号下局部放电窄带干扰盲源分离方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699514.6A CN111999607B (zh) | 2020-07-20 | 2020-07-20 | 一种单通道信号下局部放电窄带干扰盲源分离方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111999607A CN111999607A (zh) | 2020-11-27 |
CN111999607B true CN111999607B (zh) | 2021-08-20 |
Family
ID=73466474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010699514.6A Active CN111999607B (zh) | 2020-07-20 | 2020-07-20 | 一种单通道信号下局部放电窄带干扰盲源分离方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111999607B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113092966B (zh) * | 2021-04-09 | 2022-04-29 | 华北电力大学(保定) | 一种基于麦克风阵列的换流阀局部放电信号的定位方法 |
CN112986775B (zh) * | 2021-05-12 | 2021-08-03 | 中国电建集团华东勘测设计研究院有限公司 | 一种局部放电脉冲相位主动校准方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1611521A2 (en) * | 2003-03-28 | 2006-01-04 | Harris Corporation | System and method for hybrid minimum mean squared error matrix-pencil separation weights for blind source separation |
WO2006118433A1 (en) * | 2005-05-04 | 2006-11-09 | Samsung Electronics Co., Ltd. | Adaptive data multiplexing method in ofdma system and transmission/reception apparatus thereof |
CN101533091A (zh) * | 2009-01-09 | 2009-09-16 | 中国人民解放军空军雷达学院 | 空时二维阻塞窄带干扰方法 |
CN106202977A (zh) * | 2016-08-17 | 2016-12-07 | 华南理工大学 | 一种基于盲源分离算法的低频振荡模式分析方法 |
CN107832777A (zh) * | 2017-10-12 | 2018-03-23 | 吉林化工学院 | 一种采用时域压缩多分辨率快速s变换特征提取的电能质量扰动识别方法 |
CN108090270A (zh) * | 2017-12-12 | 2018-05-29 | 华南理工大学 | 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 |
CN108982958A (zh) * | 2018-07-04 | 2018-12-11 | 中国海洋大学 | 一种基于小波变换的单通道变频用电信号盲源分离方法 |
CN109917022A (zh) * | 2018-04-09 | 2019-06-21 | 西北工业大学 | 一种ae网络智能传感器系统 |
CN109916625A (zh) * | 2019-03-26 | 2019-06-21 | 长沙理工大学 | 一种单通道齿轮箱多故障分离双核微处理系统 |
CN111025100A (zh) * | 2019-12-10 | 2020-04-17 | 中国电力科学研究院有限公司 | 变压器特高频局部放电信号模式识别方法与装置 |
CN111308285A (zh) * | 2020-03-03 | 2020-06-19 | 西南交通大学 | 一种窄带干扰降噪方法 |
-
2020
- 2020-07-20 CN CN202010699514.6A patent/CN111999607B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1611521A2 (en) * | 2003-03-28 | 2006-01-04 | Harris Corporation | System and method for hybrid minimum mean squared error matrix-pencil separation weights for blind source separation |
WO2006118433A1 (en) * | 2005-05-04 | 2006-11-09 | Samsung Electronics Co., Ltd. | Adaptive data multiplexing method in ofdma system and transmission/reception apparatus thereof |
CN101533091A (zh) * | 2009-01-09 | 2009-09-16 | 中国人民解放军空军雷达学院 | 空时二维阻塞窄带干扰方法 |
CN106202977A (zh) * | 2016-08-17 | 2016-12-07 | 华南理工大学 | 一种基于盲源分离算法的低频振荡模式分析方法 |
CN107832777A (zh) * | 2017-10-12 | 2018-03-23 | 吉林化工学院 | 一种采用时域压缩多分辨率快速s变换特征提取的电能质量扰动识别方法 |
CN108090270A (zh) * | 2017-12-12 | 2018-05-29 | 华南理工大学 | 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 |
CN109917022A (zh) * | 2018-04-09 | 2019-06-21 | 西北工业大学 | 一种ae网络智能传感器系统 |
CN108982958A (zh) * | 2018-07-04 | 2018-12-11 | 中国海洋大学 | 一种基于小波变换的单通道变频用电信号盲源分离方法 |
CN109916625A (zh) * | 2019-03-26 | 2019-06-21 | 长沙理工大学 | 一种单通道齿轮箱多故障分离双核微处理系统 |
CN111025100A (zh) * | 2019-12-10 | 2020-04-17 | 中国电力科学研究院有限公司 | 变压器特高频局部放电信号模式识别方法与装置 |
CN111308285A (zh) * | 2020-03-03 | 2020-06-19 | 西南交通大学 | 一种窄带干扰降噪方法 |
Non-Patent Citations (1)
Title |
---|
基于单通道盲源分离算法的局部放电特高频信号去噪方法;刘宇舜 等;《电工技术学报》;20180329;第33卷(第23期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111999607A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451557B (zh) | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 | |
CN111999607B (zh) | 一种单通道信号下局部放电窄带干扰盲源分离方法及装置 | |
CN103941254A (zh) | 一种基于地质雷达的土壤物性类别识别方法和装置 | |
Chen et al. | An efficient Prony-based solution procedure for tracking of power system voltage variations | |
CN103944174A (zh) | 基于互相关函数滤噪算法的低频振荡在线辨识方法 | |
CN105559771B (zh) | 一种心电信号质量检测的方法及装置 | |
CN102988041A (zh) | 心磁信号噪声抑制中的信号选择性平均方法 | |
CN111736222A (zh) | 单炮数据信噪比确定方法及装置 | |
CN112688324B (zh) | 基于FastICA与TLS-ESPRIT的电力系统低频振荡模态辨识方法 | |
Li et al. | Magnetotelluric signal-noise separation method based on SVM–CEEMDWT | |
CN113514743A (zh) | 一种基于多维特征的gis局部放电模式识别系统构建方法 | |
CN111353415B (zh) | 一种脉冲响应中谐波成分的检测方法 | |
CN106301755B (zh) | 一种基于小波分析的能量泄漏信号的降噪方法及系统 | |
JP5463534B2 (ja) | イオノグラム電離圏エコーの自動偏波分離、及び自動読取方法 | |
CN108334822B (zh) | 基于电动汽车充电非线性负荷特征的卡尔曼和修正小波变换滤波方法 | |
CN108008262B (zh) | 一种局部放电快速检测方法 | |
CN112817056B (zh) | 一种大地电磁信号去噪方法及系统 | |
CN109272054B (zh) | 一种基于独立性的振动信号去噪方法及系统 | |
CN104462014B (zh) | 一种基于改进非局部均值的cpmg信号去噪算法 | |
CN114236403A (zh) | 基于超声测量的锂离子电池荷电状态估计方法及装置 | |
CN113777449A (zh) | 基于改进svd算法的电缆局部放电窄带干扰抑制方法 | |
CN112834847A (zh) | 一种辐射emi噪声超标分析方法 | |
Burek et al. | Evolutionary algorithm for detection and localization of faults in HVDC systems | |
CN111458626A (zh) | 基于共生多元泛函计算的电路系统信号分析与处理方法 | |
CN116383709B (zh) | 信号噪声的检测方法、信号检测模型、可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |