CN113671323A - 基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法 - Google Patents
基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法 Download PDFInfo
- Publication number
- CN113671323A CN113671323A CN202110833103.6A CN202110833103A CN113671323A CN 113671323 A CN113671323 A CN 113671323A CN 202110833103 A CN202110833103 A CN 202110833103A CN 113671323 A CN113671323 A CN 113671323A
- Authority
- CN
- China
- Prior art keywords
- filter
- signals
- mean square
- square error
- minimum mean
- 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.)
- Granted
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims description 15
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 230000009977 dual effect Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims 3
- 238000004364 calculation method Methods 0.000 claims 2
- 238000005457 optimization Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010606 normalization Methods 0.000 abstract 2
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000001629 suppression Effects 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，包括：利用小波的分频特性先将信号分解到不同的频段上,然后把各频段的信号过归一化最小均方自适应背景滤波器更新滤波参数，再把背景滤波器收敛的参数更新到前景滤波器，前景滤波器对各频段信号施以滤波处理。本发明首先构建前前景自适应滤波器，然后把信号通过小波分解为各个频段的信号，最后把各频段的信号过归一化自适应滤波器进行噪声滤除，不仅可以获得比普通滤波器更好的效果，而且其收敛速度更快，更容易捕捉细小的放电。该方法可以广泛的应用于电力设备的局部放电信号的去噪声处理。
Description
技术领域
本发明涉及对噪声信号的抑制，更具体地指是一种对局部放点信号的噪声抑制或者有效信号的提取，该方法基于对信号进行小波分解到不同频率,然后利用归一化最小均方误差双滤波器进行噪声抑制来提取有效信号，主要用于局部放点检测系统中。
背景技术
检测局部放电是监测电器设备绝缘状态的重要手段，近年来被业内人士广泛关注。一般在进行局部放电测试时，存在大量的干扰因素(环境噪声、其他信号噪声等)，导致局部放电信号淹没在噪声之中，为了准确检测局部放电信号，必然需要进行噪声抑制处理。因此，噪声的抑制是进行局部放电检测首要解决的问题。在众多干扰中，载波通讯、高频保护等一起的周期性窄带干扰尤其的严重，会给局部放电检测带来巨大的困难。
对于窄带干扰信号的抑制方法有很多，比如：FFT滤波、维纳滤波、带通滤波和自适应滤波等等。其中，仅自适应滤波器不需要窄带信号的先验信号，先验信号的获取本就是一个比较难的课题，一般也比较难准确的获取。
相对于其他的技术方案，自适应滤波器不需要先验窄带干扰，在抑制窄带干扰信号方面尤其天然的优势。但是，LMS自适应滤波器有收敛速度慢，易发散等缺点。归一化最小均方误差双滤波器(DNLMS,Double Normalized Least Mean Square)可以解决LMS收敛速度慢与收敛步长不能调和的矛盾，也可以解决由于滤波器发散状态下滤波导致的滤波不干净的问题，可以达到提升收敛速度、解决易发散的问题。
发明内容
本发明所要解决的技术问题是为了克服现有技术的缺陷和不足，提供基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法。本方法是在文献[基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用.中国工程电机学报,Vol.23,No.1,Jan.2003]的基础上优化了自适应滤波器，既利用了小波分解所有优点且提供了滤波器的收敛速度、避免发散情况下滤波效果差的问题。该检测算法旨在为局部放电提供一种快速、准确的滤除各种噪声的方法，提供局部放电检测的准确性和实时性。
为了解决上述技术的问题，本发明所采用的技术方案是：
基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，所述方法包括如下步骤：
步骤A，采集探测器的局部放电信号：
探测器把采集到的局部放电信号通过数据通道发送到数据处理模块。
步骤B，接收数据小波分解：
把接收的数据通过小波分解后，分解为不同频段的信号。
步骤C，构造归一化最小均放误差滤波器的模型，选定滤波器的权重更新模型：
w为滤波器的权重矩阵，μ为调节因子，x(k)为输入信号，e(k)为估计残差。
步骤D，选择归一化最小均方误差算法构建滤波器，进行归一化最小均方误差算法构建滤波运算，计算归一化最小均方误差算法的背滤波系数：
归一化最小均方误差算法构建滤波算法的方程为：
e(k)＝d(k)-y(k)
y(k)＝w(k)Tx(k)
d(k)＝w(k+1)x(k)
对该方程进行迭代运算，然后把每次迭代的结果代入误差方程e(k)，当该误差函数e(k)达到最小值，即e(k)＝e(k-1)时，该误差方程达到收敛，也即可以用该状态下的权重矩阵作为该滤波器的滤波系数。
其中，
x(k)为滤波器的输入信号，也就是局部放电采集信号过小波分解后各个频段的信号；
w(k)为滤波器系数；
y(k)为滤波器的输出信号，当滤波器处于稳定状态时，可以近似的认为y(k)就是求取的滤波信号。
步骤E，把步骤D中更新的滤波器收敛状态下的系数更新到前景滤波器，归一化最小均方误差前景滤波器处理小波信号，前景滤波器获取滤波后的信号，把各频段的信号合成为全频段信号，最后对频域信号做反变换获得时域信号，该时域信号就是期望获得的信号。
本发明的有益效果是：本发明提出了基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，所述方法利用小波分解和归一化最小均方误差双滤波器构成了一个局部放电噪声抑制系统；每次采集的局部放电信号，首先经过小波分解到多个频段，然后把各频段的信号同时过两个归一化最小均方误差滤波器，最后输出滤波器处理后的局部放电信号。本发明方法由于归一化最小均方误差滤波器具有收敛速度快的特点，双滤波器可以避免滤波器发散时处理信号导致误差扩散，提供了信号滤波准确性、也增强了算法的鲁棒性，其处理效果要远好于传统的小波抑制方法和自适应滤波器方法。
附图说明
图1是本发明基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法的结构图。
图2是本发明基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法的双滤波器处理流程图
图3是本发明基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号噪声滤除信噪比收敛趋势与旧方法收敛趋势的对比图。
具体实施方式
为使本发明基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明：
基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，其实施过程如下：
a.首先，采集探测器的对电力设备的局部放电信号进行采集，并采样成数字信号。
b.将获得的信号通过小波分解方法，把信号分为若干个频段的信号，分别从低频到高频。
c.依次处理每个频段的信号，把各频段信号过归一化最小均方误差双滤波器处理。构建归一化最小均方误差算法构建滤波算法的方程为：
e(k)＝d(k)-y(k)
y(k)＝w(k)Tx(k)
d(k)＝w(k+1)x(k)
选定滤波器的权重更新模型：
在背景滤波器中对误差函数e(k)做差分运算，更新w(k)的参数使得e(k)＝e(k-1)，使误差函数收敛，然后把w(k)的参数更新给前景滤波器。
输入信号通过前景滤波器进行滤波，最后得到滤波后的信号。
d.把各频段的信号合成，得到全频段的信号。最后，把该全频段信号反变换到时域得到期望的抑制噪声以后的信号。
Claims (4)
1.基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，其特征在于，包括如下步骤：
步骤A，采集探测器的局部放电信号：
探测器把采集到的局部放电信号通过数据通道发送到数据处理模块。
步骤B，接收数据小波分解：
把接收的数据通过小波分解后，分解为不同频段的信号。
步骤C，构造归一化最小均放误差滤波器的模型，选定滤波器的权重更新模型：
w为滤波器的权重矩阵，μ为调节因子，x(k)为输入信号，e(k)为估计残差。
步骤D，选择归一化最小均方误差算法构建滤波器，进行归一化最小均方误差算法构建滤波运算，计算归一化最小均方误差算法的背景滤波系数：
归一化最小均方误差算法构建滤波算法的方程为：
e(k)＝d(k)-y(k)
y(k)＝w(k)Tx(k)
d(k)＝w(k+1)x(k)
对该方程进行迭代运算，然后把每次迭代的结果代入误差方程e(k)，当该误差函数e(k)达到最小值，即e(k)＝e(k-1)时，该误差方程达到收敛，也即可以用该状态下的权重矩阵作为该滤波器的滤波系数。
其中，
x(k)为滤波器的输入信号，也就是局部放电采集信号过小波分解后某个频段的信号；
w(k)为滤波器系数；
y(k)为滤波器的输出信号，当滤波器处于稳定状态时，可以近似的认为y(k)就是求取的滤波后的信号。
步骤E，把步骤D中更新的滤波器收敛状态下的系数更新到前景滤波器，归一化最小均方误差前景滤波器处理小波信号，前景滤波器获取滤波后的信号，把各频段的信号合成为全频段信号，最后对频域信号做反变换获得时域信号，该时域信号就是期望获得的信号。
2.权利要求1所述的基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，
其特征在于，
所述步骤D进一步包括以下步骤：
D1,首先提取小波分解某一个频段的信号；
D2,再，把该频段信号输入到归一化最小均方误差双滤波器；
D3,接下来，背景滤波器负责：计算滤波器的残差函数，对残差函数做差分计算，更新滤波器系数；
D4,接下来，直到背景滤波器的残差函数收敛，提取该状态的背景滤波器系数，把背景滤波器的系数更新到前景滤波器中；
D5,最后，前景滤波器获取滤波后的纯净信号。
3.权利要求1中所述的基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，
其特征在于，
所述的步骤D是指两个归一化最小均方误差滤波器。其中，背景滤波器主要负责计算滤波器系数，背景滤波器负责滤波计算。进一步优化滤波器不收敛的情况下导致滤波误差较大的问题。
4.权利要求1中所述的基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，
其特征在于，
首先，利用小波分解为各个频段的信号；
然后，创造性引入归一化最小均方误差双滤波器；
再，小波信号进过滤波器处理，获取纯净信号；
最后，把各个频段的信号合成为全频段信号，再把频域信号转换为时域信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110833103.6A CN113671323B (zh) | 2021-07-22 | 2021-07-22 | 基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110833103.6A CN113671323B (zh) | 2021-07-22 | 2021-07-22 | 基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113671323A true CN113671323A (zh) | 2021-11-19 |
| CN113671323B CN113671323B (zh) | 2024-05-10 |
Family
ID=78540242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110833103.6A Active CN113671323B (zh) | 2021-07-22 | 2021-07-22 | 基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113671323B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101046497A (zh) * | 2006-03-29 | 2007-10-03 | 宝山钢铁股份有限公司 | 一种对电力设备局部放电信号的检测方法 |
| CN105227227A (zh) * | 2015-10-15 | 2016-01-06 | 宿州学院 | 一种基于小波的智能天线波束形成系统和方法 |
| CN106771905A (zh) * | 2016-12-02 | 2017-05-31 | 国网四川省电力公司电力科学研究院 | 一种适用于高频电流局部放电检测的脉冲提取方法 |
| CN107291663A (zh) * | 2017-06-12 | 2017-10-24 | 华侨大学 | 应用于声反馈抑制的变步长归一化子带自适应滤波方法 |
| CN107368799A (zh) * | 2017-07-12 | 2017-11-21 | 内蒙古大学 | 基于多特征和自适应时延估计的泄漏检测与定位方法 |
| CN111965508A (zh) * | 2020-08-24 | 2020-11-20 | 重庆大学 | 一种基于小波变换的局部放电信号检测方法 |
-
2021
- 2021-07-22 CN CN202110833103.6A patent/CN113671323B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101046497A (zh) * | 2006-03-29 | 2007-10-03 | 宝山钢铁股份有限公司 | 一种对电力设备局部放电信号的检测方法 |
| CN105227227A (zh) * | 2015-10-15 | 2016-01-06 | 宿州学院 | 一种基于小波的智能天线波束形成系统和方法 |
| CN106771905A (zh) * | 2016-12-02 | 2017-05-31 | 国网四川省电力公司电力科学研究院 | 一种适用于高频电流局部放电检测的脉冲提取方法 |
| CN107291663A (zh) * | 2017-06-12 | 2017-10-24 | 华侨大学 | 应用于声反馈抑制的变步长归一化子带自适应滤波方法 |
| CN107368799A (zh) * | 2017-07-12 | 2017-11-21 | 内蒙古大学 | 基于多特征和自适应时延估计的泄漏检测与定位方法 |
| CN111965508A (zh) * | 2020-08-24 | 2020-11-20 | 重庆大学 | 一种基于小波变换的局部放电信号检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| CAI JIN-HUI: "Multiscale H-Dome Area Reconstruction Improved Transform with Applications to Image Segmentation", 第三届国际仪器科学技术学术研讨会论文集, pages 1372 - 1377 * |
| 高伟: "UUV阵列自适应噪声抵消关键", 工程科技Ⅱ辑, no. 7, pages 74 - 81 * |
| 黄成军等: "基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用", 中国电机工程学报, vol. 23, no. 1, pages 107 - 111 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113671323B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110659621A (zh) | 一种基于变分模态分解和排列熵的联合降噪方法 | |
| CN109446928B (zh) | 一种基于变分模态分解和最小均方误差自适应滤波器的信号降噪方法 | |
| CN105738948B (zh) | 一种基于小波变换的微地震数据降噪方法 | |
| CN102176312B (zh) | 一种通过小波陷波来降低突发噪音的系统及方法 | |
| CN103913778B (zh) | 多个近端参考线圈的核磁共振信号实时噪声抵消装置 | |
| CN106771905A (zh) | 一种适用于高频电流局部放电检测的脉冲提取方法 | |
| CN112945546B (zh) | 一种齿轮箱复杂故障精确诊断方法 | |
| CN102624349B (zh) | 一种对原始数据低失真的谐波噪声干扰和白噪声干扰的去除方法 | |
| CN103578466A (zh) | 基于分数阶傅里叶变换的语音非语音检测方法 | |
| CN111553308A (zh) | 一种电力变压器局部放电信号的重构方法 | |
| CN107123431A (zh) | 一种水声信号降噪方法 | |
| CN109102818B (zh) | 一种基于信号频率概率密度函数分布的去噪音频采样算法 | |
| 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 | |
| CN113671323A (zh) | 基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法 | |
| CN113341378A (zh) | 基于频谱差分熵检测的自适应信道化接收方法 | |
| CN110287853B (zh) | 一种基于小波分解的暂态信号去噪方法 | |
| CN109150245B (zh) | Plc通信信号中非平稳非高斯噪声的滤除方法及系统 | |
| CN109409281A (zh) | 一种基于改进的小波阈值函数的降噪方法 | |
| CN111723677B (zh) | 一种基于自适应阈值的小波去噪方法 | |
| Han et al. | Seismic signal detection algorithm based on gs transform filtering and emd denoising | |
| CN114858430A (zh) | 一种基于lcd-小波新阈值的机械密封声发射信号降噪方法 | |
| CN106629929B (zh) | 一种节能环保污水设备 | |
| CN106997766B (zh) | 一种基于宽带噪声的同态滤波语音增强方法 | |
| Swamy et al. | Enhancement of speech signals corrupted by impulsive noise using wavelets and adaptive median filtering | |
| CN112932410B (zh) | 基于切比雪夫多项式拟合的生理包络信号幅值计算方法 |
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 |