CN112307993B - 一种利用局部相似性的振声检测信号滤波方法和系统 - Google Patents

一种利用局部相似性的振声检测信号滤波方法和系统 Download PDF

Info

Publication number
CN112307993B
CN112307993B CN202011215120.5A CN202011215120A CN112307993B CN 112307993 B CN112307993 B CN 112307993B CN 202011215120 A CN202011215120 A CN 202011215120A CN 112307993 B CN112307993 B CN 112307993B
Authority
CN
China
Prior art keywords
signal sequence
specifically
block
jth
formula used
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
Application number
CN202011215120.5A
Other languages
English (en)
Other versions
CN112307993A (zh
Inventor
翟明岳
孙海龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202011215120.5A priority Critical patent/CN112307993B/zh
Publication of CN112307993A publication Critical patent/CN112307993A/zh
Application granted granted Critical
Publication of CN112307993B publication Critical patent/CN112307993B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明的实施例公开一种利用局部相似性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求取分块块数；步骤103求取分块信号序列；步骤104求取分块阶数；步骤105求取元素对角矩阵；步骤106求取均值对角矩阵；步骤107求取局部相关系数；步骤108求取局部相关平均系数；步骤109求取滤除了噪声之后的分块信号矢量；步骤110求取重构后的信号序列。

Description

一种利用局部相似性的振声检测信号滤波方法和系统
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
如前所述，变压器振声检测方法在变压器运行状态监测中有着广泛的应用，且技术相对成熟，但是由于振声检测方法利用了变压器发出的振动信号，很容易受到环境噪声的影响，所以此方法在实际工作环境中应用时常常得不到令人满意的结果。
本发明的目的是提供一种利用局部相似性的振声检测信号滤波方法和系统，所提出的方法利用了不同运行状态下变压器振声信号差值与背景噪声差值在局部相似性方面的差异，提高了状态监测的性能。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：
一种利用局部相似性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求取分块块数，具体为：分块块数记为NBLOCK，所用求取公式为：
Figure BDA0002760103590000021
其中：
Figure BDA0002760103590000022
为所述信号序列S的方差，
SNR为所述信号序列S的信噪比，
Figure BDA0002760103590000023
表示对*下取整，
*表示任一自变量，
N为所述信号序列S的长度；
步骤103求取分块信号序列，具体为：第j个分块信号序列记为xj，所用求取公式为：
Figure BDA0002760103590000024
其中：
j＝1,2,···,NBLOCK为分块序号，
Figure BDA0002760103590000025
为所述分块信号序列xj的长度，
Figure BDA0002760103590000026
表示对*上取整，
Figure BDA0002760103590000027
为所述信号序列S的第(j-1)Nx+1个元素，
Figure BDA0002760103590000028
所述信号序列S的第(j-1)Nx+2个元素，
Figure BDA0002760103590000029
为所述信号序列S的第jNx个元素，
如果元素下标大于N，则所对应的元素为sN；
步骤104求取分块阶数，具体为：分块阶数记为r，所用求取公式为：
Figure BDA00027601035900000210
其中：
σk为矩阵[S-m0][S-m0]T的第k个特征值，
k＝1,2,···,N为特征值序号，
m0为所述信号序列S的均值；
步骤105求取元素对角矩阵，具体为：第j个元素对角矩阵记为Aj，所用求取公式为：
Aj＝diag[xj]；
步骤106求取均值对角矩阵，具体为：第j个均值对角矩阵记为Bj，所用求取公式为：
Bj＝diag[mj]
其中：mj为第j个均值矢量，所用求取公式为：
mj＝xj-mj
mj为第j个分块信号序列xj的均值；
步骤107求取局部相关系数，具体为：第j个局部相关系数记为γj，所用求取公式为：
Figure BDA0002760103590000031
其中：
sj为所述信号序列S的第j个元素，
θ为中间参数；
步骤108求取局部相关平均系数，具体为：局部相关平均系数记为γ0，所用求取公式为：
Figure BDA0002760103590000032
步骤109求取滤除了噪声之后的分块信号矢量，具体为：第j个滤除了噪声之后的分块信号矢量记为tj，所用求取公式为：
Figure BDA0002760103590000033
其中：
ui为矩阵
Figure BDA0002760103590000034
的第i个右特征矢量，
vi为矩阵
Figure BDA0002760103590000035
的第i个左特征矢量，
Figure BDA0002760103590000036
为第i个滤波权重，
ΔT为所述信号序列S的采样间隔，
Figure BDA0002760103590000037
为第i个局部相似性系数，
γi为第i个局部相关系数，
i＝1,2,···,r为权重序号；
步骤110求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002760103590000038
一种利用局部相似性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求取分块块数，具体为：分块块数记为NBLOCK，所用求取公式为：
Figure BDA0002760103590000041
其中：
Figure BDA0002760103590000042
为所述信号序列S的方差，
SNR为所述信号序列S的信噪比，
Figure BDA0002760103590000043
表示对*下取整，
*表示任一自变量，
N为所述信号序列S的长度；
模块203求取分块信号序列，具体为：第j个分块信号序列记为xj，所用求取公式为：
Figure BDA0002760103590000044
其中：
j＝1,2,···,NBLOCK为分块序号，
Figure BDA0002760103590000045
为所述分块信号序列xj的长度，
Figure BDA0002760103590000046
表示对*上取整，
Figure BDA0002760103590000047
为所述信号序列S的第(j-1)Nx+1个元素，
Figure BDA0002760103590000048
所述信号序列S的第(j-1)Nx+2个元素，
Figure BDA0002760103590000049
为所述信号序列S的第jNx个元素，
如果元素下标大于N，则所对应的元素为sN；
模块204求取分块阶数，具体为：分块阶数记为r，所用求取公式为：
Figure BDA00027601035900000410
其中：
σk为矩阵[S-m0][S-m0]T的第k个特征值，
k＝1,2,···,N为特征值序号，
m0为所述信号序列S的均值；
模块205求取元素对角矩阵，具体为：第j个元素对角矩阵记为Aj，所用求取公式为：
Aj＝diag[xj]；
模块206求取均值对角矩阵，具体为：第j个均值对角矩阵记为Bj，所用求取公式为：
Bj＝diag[mj]
其中：mj为第j个均值矢量，所用求取公式为：
mj＝xj-mj
mj为第j个分块信号序列xj的均值；
模块207求取局部相关系数，具体为：第j个局部相关系数记为γj，所用求取公式为：
Figure BDA0002760103590000051
其中：
sj为所述信号序列S的第j个元素，
θ为中间参数；
模块208求取局部相关平均系数，具体为：局部相关平均系数记为γ0，所用求取公式为：
Figure BDA0002760103590000052
模块209求取滤除了噪声之后的分块信号矢量，具体为：第j个滤除了噪声之后的分块信号矢量记为tj，所用求取公式为：
Figure BDA0002760103590000053
其中：
ui为矩阵
Figure BDA0002760103590000054
的第i个右特征矢量，
vi为矩阵
Figure BDA0002760103590000055
的第i个左特征矢量，
Figure BDA0002760103590000056
为第i个滤波权重，
ΔT为所述信号序列S的采样间隔，
Figure BDA0002760103590000057
为第i个局部相似性系数，
γi为第i个局部相关系数，
i＝1,2,···,r为权重序号；
模块210求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002760103590000058
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：
如前所述，变压器振声检测方法在变压器运行状态监测中有着广泛的应用，且技术相对成熟，但是由于振声检测方法利用了变压器发出的振动信号，很容易受到环境噪声的影响，所以此方法在实际工作环境中应用时常常得不到令人满意的结果。
本发明的目的是提供一种利用局部相似性的振声检测信号滤波方法和系统，所提出的方法利用了不同运行状态下变压器振声信号差值与背景噪声差值在局部相似性方面的差异，提高了状态监测的性能。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1一种利用局部相似性的振声检测信号滤波方法的流程示意图
图1为本发明一种利用局部相似性的振声检测信号滤波方法的流程示意图。如图1所示，所述的一种利用局部相似性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求取分块块数，具体为：分块块数记为NBLOCK，所用求取公式为：
Figure BDA0002760103590000061
其中：
Figure BDA0002760103590000062
为所述信号序列S的方差，
SNR为所述信号序列S的信噪比，
Figure BDA0002760103590000063
表示对*下取整，
*表示任一自变量，
N为所述信号序列S的长度；
步骤103求取分块信号序列，具体为：第j个分块信号序列记为xj，所用求取公式为：
Figure BDA0002760103590000071
其中：
j＝1,2,···,NBLOCK为分块序号，
Figure BDA0002760103590000072
为所述分块信号序列xj的长度，
Figure BDA0002760103590000073
表示对*上取整，
Figure BDA0002760103590000074
为所述信号序列S的第(j-1)Nx+1个元素，
Figure BDA0002760103590000075
所述信号序列S的第(j-1)Nx+2个元素，
Figure BDA0002760103590000076
为所述信号序列S的第jNx个元素，
如果元素下标大于N，则所对应的元素为sN；
步骤104求取分块阶数，具体为：分块阶数记为r，所用求取公式为：
Figure BDA0002760103590000077
其中：
σk为矩阵[S-m0][S-m0]T的第k个特征值，
k＝1,2,···,N为特征值序号，
m0为所述信号序列S的均值；
步骤105求取元素对角矩阵，具体为：第j个元素对角矩阵记为Aj，所用求取公式为：
Aj＝diag[xj]；
步骤106求取均值对角矩阵，具体为：第j个均值对角矩阵记为Bj，所用求取公式为：
Bj＝diag[mj]
其中：mj为第j个均值矢量，所用求取公式为：
mj＝xj-mj
mj为第j个分块信号序列xj的均值；
步骤107求取局部相关系数，具体为：第j个局部相关系数记为γj，所用求取公式为：
Figure BDA0002760103590000081
其中：
sj为所述信号序列S的第j个元素，
θ为中间参数；
步骤108求取局部相关平均系数，具体为：局部相关平均系数记为γ0，所用求取公式为：
Figure BDA0002760103590000082
步骤109求取滤除了噪声之后的分块信号矢量，具体为：第j个滤除了噪声之后的分块信号矢量记为tj，所用求取公式为：
Figure BDA0002760103590000083
其中：
ui为矩阵
Figure BDA0002760103590000084
的第i个右特征矢量，
vi为矩阵
Figure BDA0002760103590000085
的第i个左特征矢量，
Figure BDA0002760103590000086
为第i个滤波权重，
ΔT为所述信号序列S的采样间隔，
Figure BDA0002760103590000087
为第i个局部相似性系数，
γi为第i个局部相关系数，
i＝1,2,···,r为权重序号；
步骤110求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002760103590000088
图2一种利用局部相似性的振声检测信号滤波系统的结构意图
图2为本发明一种利用局部相似性的振声检测信号滤波系统的结构示意图。如图2所示，所述一种利用局部相似性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求取分块块数，具体为：分块块数记为NBLOCK，所用求取公式为：
Figure BDA0002760103590000091
其中：
Figure BDA0002760103590000092
为所述信号序列S的方差，
SNR为所述信号序列S的信噪比，
Figure BDA0002760103590000093
表示对*下取整，
*表示任一自变量，
N为所述信号序列S的长度；
模块203求取分块信号序列，具体为：第j个分块信号序列记为xj，所用求取公式为：
Figure BDA0002760103590000094
其中：
j＝1,2,···,NBLOCK为分块序号，
Figure BDA0002760103590000095
为所述分块信号序列xj的长度，
Figure BDA0002760103590000096
表示对*上取整，
Figure BDA0002760103590000097
为所述信号序列S的第(j-1)Nx+1个元素，
Figure BDA0002760103590000098
所述信号序列S的第(j-1)Nx+2个元素，
Figure BDA0002760103590000099
为所述信号序列S的第jNx个元素，
如果元素下标大于N，则所对应的元素为sN；
模块204求取分块阶数，具体为：分块阶数记为r，所用求取公式为：
Figure BDA00027601035900000910
其中：
σk为矩阵[S-m0][S-m0]T的第k个特征值，
k＝1,2,···,N为特征值序号，
m0为所述信号序列S的均值；
模块205求取元素对角矩阵，具体为：第j个元素对角矩阵记为Aj，所用求取公式为：
Aj＝diag[xj]；
模块206求取均值对角矩阵，具体为：第j个均值对角矩阵记为Bj，所用求取公式为：
Bj＝diag[mj]
其中：mj为第j个均值矢量，所用求取公式为：
mj＝xj-mj
mj为第j个分块信号序列xj的均值；
模块207求取局部相关系数，具体为：第j个局部相关系数记为γj，所用求取公式为：
Figure BDA0002760103590000101
其中：
sj为所述信号序列S的第j个元素，
θ为中间参数；
模块208求取局部相关平均系数，具体为：局部相关平均系数记为γ0，所用求取公式为：
Figure BDA0002760103590000102
模块209求取滤除了噪声之后的分块信号矢量，具体为：第j个滤除了噪声之后的分块信号矢量记为tj，所用求取公式为：
Figure BDA0002760103590000103
其中：
ui为矩阵
Figure BDA0002760103590000104
的第i个右特征矢量，
vi为矩阵
Figure BDA0002760103590000105
的第i个左特征矢量，
Figure BDA0002760103590000106
为第i个滤波权重，
ΔT为所述信号序列S的采样间隔，
Figure BDA0002760103590000107
为第i个局部相似性系数，
γi为第i个局部相关系数，
i＝1,2,···,r为权重序号；
模块210求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002760103590000108
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求取分块块数，具体为：分块块数记为NBLOCK，所用求取公式为：
Figure BDA0002760103590000111
其中：
Figure BDA0002760103590000112
为所述信号序列S的方差，
SNR为所述信号序列S的信噪比，
Figure BDA0002760103590000113
表示对*下取整，
*表示任一自变量，
N为所述信号序列S的长度；
步骤303求取分块信号序列，具体为：第j个分块信号序列记为xj，所用求取公式为：
Figure BDA0002760103590000114
其中：
j＝1,2,···,NBLOCK为分块序号，
Figure BDA0002760103590000115
为所述分块信号序列xj的长度，
Figure BDA0002760103590000116
表示对*上取整，
Figure BDA0002760103590000117
为所述信号序列S的第(j-1)Nx+1个元素，
Figure BDA0002760103590000118
所述信号序列S的第(j-1)Nx+2个元素，
Figure BDA0002760103590000119
为所述信号序列S的第jNx个元素，
如果元素下标大于N，则所对应的元素为sN；
步骤304求取分块阶数，具体为：分块阶数记为r，所用求取公式为：
Figure BDA00027601035900001110
其中：
σk为矩阵[S-m0][S-m0]T的第k个特征值，
k＝1,2,···,N为特征值序号，
m0为所述信号序列S的均值；
步骤305求取元素对角矩阵，具体为：第j个元素对角矩阵记为Aj，所用求取公式为：
Aj＝diag[xj]；
步骤306求取均值对角矩阵，具体为：第j个均值对角矩阵记为Bj，所用求取公式为：
Bj＝diag[mj]
其中：mj为第j个均值矢量，所用求取公式为：
mj＝xj-mj
mj为第j个分块信号序列xj的均值；
步骤307求取局部相关系数，具体为：第j个局部相关系数记为γj，所用求取公式为：
Figure BDA0002760103590000121
其中：
sj为所述信号序列S的第j个元素，
θ为中间参数；
步骤308求取局部相关平均系数，具体为：局部相关平均系数记为γ0，所用求取公式为：
Figure BDA0002760103590000122
步骤309求取滤除了噪声之后的分块信号矢量，具体为：第j个滤除了噪声之后的分块信号矢量记为tj，所用求取公式为：
Figure BDA0002760103590000123
其中：
ui为矩阵
Figure BDA0002760103590000124
的第i个右特征矢量，
vi为矩阵
Figure BDA0002760103590000125
的第i个左特征矢量，
Figure BDA0002760103590000126
为第i个滤波权重，
ΔT为所述信号序列S的采样间隔，
Figure BDA0002760103590000127
为第i个局部相似性系数，
γi为第i个局部相关系数，
i＝1,2,···,r为权重序号；
步骤310求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure BDA0002760103590000131
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)

1.一种利用局部相似性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求取分块块数，具体为：分块块数记为NBLOCK，所用求取公式为：
Figure FDA0003353883520000011
其中：
Figure FDA0003353883520000012
为所述信号序列S的方差，
SNR为所述信号序列S的信噪比，
Figure FDA0003353883520000013
表示对*下取整，
*表示任一自变量，
N为所述信号序列S的长度；
步骤103求取分块信号序列，具体为：第j个分块信号序列记为xj，所用求取公式为：
Figure FDA0003353883520000014
其中：
j＝1,2,···,NBLOCK为分块序号，
Figure FDA0003353883520000015
为所述分块信号序列xj的长度，
Figure FDA0003353883520000016
表示对*上取整，
Figure FDA0003353883520000017
为所述信号序列S的第(j-1)Nx+1个元素，
Figure FDA0003353883520000018
所述信号序列S的第(j-1)Nx+2个元素，
Figure FDA0003353883520000019
为所述信号序列S的第jNx个元素，
如果元素下标大于N，则所对应的元素为sN；
步骤104求取分块阶数，具体为：分块阶数记为r，所用求取公式为：
Figure FDA00033538835200000110
其中：
σk为矩阵[S-m0][S-m0]T的第k个特征值，
k＝1,2,···,N为特征值序号，
m0为所述信号序列S的均值；
步骤105求取元素对角矩阵，具体为：第j个元素对角矩阵记为Aj，所用求取公式为：
Aj＝diag[xj]；
步骤106求取均值对角矩阵，具体为：第j个均值对角矩阵记为Bj，所用求取公式为：
Bj＝diag[mj]
其中：mj为第j个均值矢量，所用求取公式为：
mj＝xj-mj
mj为第j个分块信号序列xj的均值；
步骤107求取局部相关系数，具体为：第j个局部相关系数记为γj，所用求取公式为：
Figure FDA0003353883520000021
其中：
sj为所述信号序列S的第j个元素，
θ为中间参数；
步骤108求取局部相关平均系数，具体为：局部相关平均系数记为γ0，所用求取公式为：
Figure FDA0003353883520000022
步骤109求取滤除了噪声之后的分块信号矢量，具体为：第j个滤除了噪声之后的分块信号矢量记为tj，所用求取公式为：
Figure FDA0003353883520000023
其中：
ui为矩阵
Figure FDA0003353883520000024
的第i个右特征矢量，
vi为矩阵
Figure FDA0003353883520000025
的第i个左特征矢量，
Figure FDA0003353883520000026
为第i个滤波权重，
ΔT为所述信号序列S的采样间隔，
Figure FDA0003353883520000027
为第i个局部相似性系数，
γi为第i个局部相关系数，
i＝1,2，···，r为权重序号；
步骤110求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure FDA0003353883520000028
2.一种利用局部相似性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求取分块块数，具体为：分块块数记为NBLOCK，所用求取公式为：
Figure FDA0003353883520000031
其中：
Figure FDA0003353883520000032
为所述信号序列S的方差，
SNR为所述信号序列S的信噪比，
Figure FDA0003353883520000033
表示对*下取整，
*表示任一自变量，
N为所述信号序列S的长度；
模块203求取分块信号序列，具体为：第j个分块信号序列记为xj，所用求取公式为：
Figure FDA0003353883520000034
其中：
j＝1,2,···,NBLOCK为分块序号，
Figure FDA0003353883520000035
为所述分块信号序列xj的长度，
Figure FDA0003353883520000036
表示对*上取整，
Figure FDA0003353883520000037
为所述信号序列S的第(j-1)Nx+1个元素，
Figure FDA0003353883520000038
所述信号序列S的第(j-1)Nx+2个元素，
Figure FDA0003353883520000039
为所述信号序列S的第jNx个元素，
如果元素下标大于N，则所对应的元素为sN；
模块204求取分块阶数，具体为：分块阶数记为r，所用求取公式为：
Figure FDA00033538835200000310
其中：
σk为矩阵[S-m0][S-m0]T的第k个特征值，
k＝1,2,···,N为特征值序号，
m0为所述信号序列S的均值；
模块205求取元素对角矩阵，具体为：第j个元素对角矩阵记为Aj，所用求取公式为：
Aj＝diag[xj]；
模块206求取均值对角矩阵，具体为：第j个均值对角矩阵记为Bj，所用求取公式为：
Bj＝diag[mj]
其中：mj为第j个均值矢量，所用求取公式为：
mj＝xj-mj
mj为第j个分块信号序列xj的均值；
模块207求取局部相关系数，具体为：第j个局部相关系数记为γj，所用求取公式为：
Figure FDA0003353883520000041
其中：
sj为所述信号序列S的第j个元素，
θ为中间参数；
模块208求取局部相关平均系数，具体为：局部相关平均系数记为γ0，所用求取公式为：
Figure FDA0003353883520000042
模块209求取滤除了噪声之后的分块信号矢量，具体为：第j个滤除了噪声之后的分块信号矢量记为tj，所用求取公式为：
Figure FDA0003353883520000043
其中：
ui为矩阵
Figure FDA0003353883520000044
的第i个右特征矢量，
vi为矩阵
Figure FDA0003353883520000045
的第i个左特征矢量，
Figure FDA0003353883520000046
为第i个滤波权重，
ΔT为所述信号序列S的采样间隔，
Figure FDA0003353883520000047
为第i个局部相似性系数，
γi为第i个局部相关系数，
i＝1,2,···,r为权重序号；
模块210求取重构后的信号序列，具体为：重构后的信号序列记为Snew，所用求取公式为：
Figure FDA0003353883520000048
CN202011215120.5A 2020-11-04 2020-11-04 一种利用局部相似性的振声检测信号滤波方法和系统 Active CN112307993B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011215120.5A CN112307993B (zh) 2020-11-04 2020-11-04 一种利用局部相似性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
CN202011215120.5A CN112307993B (zh) 2020-11-04 2020-11-04 一种利用局部相似性的振声检测信号滤波方法和系统

Publications (2)

Publication Number Publication Date
CN112307993A CN112307993A (zh) 2021-02-02
CN112307993B true CN112307993B (zh) 2022-02-08

Family

ID=74324820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011215120.5A Active CN112307993B (zh) 2020-11-04 2020-11-04 一种利用局部相似性的振声检测信号滤波方法和系统

Country Status (1)

Country Link
CN (1) CN112307993B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1330101C (zh) * 2004-07-06 2007-08-01 中兴通讯股份有限公司 一种移动通讯系统中降低复杂度的联合检测方法
KR101000789B1 (ko) * 2008-08-04 2010-12-13 한국전자통신연구원 사용자 인식 장치 및 사용자 인식 방법
CN104330768B (zh) * 2013-12-04 2017-01-04 河南科技大学 一种基于声矢量传感器的机动声源方位估计方法
JP2015216619A (ja) * 2014-04-25 2015-12-03 パナソニックＩｐマネジメント株式会社 撮像システム、撮像装置、撮像方法および符号化方法
CN107085835B (zh) * 2017-05-10 2019-09-24 五邑大学 基于四元数加权核范数最小的彩色图像去噪方法
CN108694705B (zh) * 2018-07-05 2020-12-11 浙江大学 一种多帧图像配准与融合去噪的方法
CN110068865B (zh) * 2019-05-09 2021-02-23 吉林大学 一种低秩矩阵逼近的沙漠地震噪声压制方法

Also Published As

Publication number Publication date
CN112307993A (zh) 2021-02-02

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
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
CN110017894B (zh) 变压器运行状态振声检测中随机噪声的滤除方法和装置
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
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
CN110286287B (zh) 一种基于小波变换的变压器运行状态振声检测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
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
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
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
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
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
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
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
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
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
CN112254808B (zh) 一种利用梯度变化的变压器运行状态振声检测方法和系统
CN112415439B (zh) 一种利用稀疏投影的振声检测信号滤波方法和系统
CN111947770A (zh) 一种利用群稀疏性的振声检测信号滤波方法和系统
CN111929551A (zh) 一种变压器运行状态振声检测信号滤波方法及系统

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