CN114034381B - 一种基于小波信息熵的配电变压器振动提取方法及系统 - Google Patents
一种基于小波信息熵的配电变压器振动提取方法及系统 Download PDFInfo
- Publication number
- CN114034381B CN114034381B CN202111339642.0A CN202111339642A CN114034381B CN 114034381 B CN114034381 B CN 114034381B CN 202111339642 A CN202111339642 A CN 202111339642A CN 114034381 B CN114034381 B CN 114034381B
- Authority
- CN
- China
- Prior art keywords
- distribution transformer
- vibration
- wavelet
- information entropy
- 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.)
- Active
Links
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
Abstract
本发明公开了一种基于小波信息熵的配电变压器振动提取方法及系统,其中一种基于小波信息熵的配电变压器振动提取方法包括,利用信号采集模块采集配电变压器的振动信号;通过压缩模块构造测量矩阵,以压缩配电变压器的振动信号;利用分解模块对压缩后的配电变压器振动信号进行分解,获得小波系数;根据小波系数并通过特征提取模块计算小波信息熵,获得配电变压器振动特征;本发明通过结合压缩感知技术降低了信号的采集量,为信号的采集、传输和存储降低了硬件要求,同时选择了归一化小波信息熵作为故障诊断的输入向量,增大了每个子频带的数值差距,提高了振动信号提取的精度。
Description
技术领域
本发明涉及配电变压器振动信号提取的技术领域,尤其涉及一种基于小波信息熵的配电变压器振动提取方法及系统。
背景技术
错综复杂的电力系统有序运行是国民经济稳定发展的必要条件,其中配电变压器作为电力系统中最重要的设备之一,其安全运行与否直接关系到电力系统的安全运行。
运行中的配电变压器状态多以振动方式体现出来,设备的振动信号中蕴含着丰富的信息,通过采集配电变压器的振动信号来研究配电变压器的运行状况的途径应用广泛。电力系统的高速发展意味着信号量的快速增加,硬件的发展难以赶上与日俱增的数据骤增,从而给信息的采集和传输带来巨大的压力和挑战。传统的方法是利用奈奎斯特采样定理以两倍的信号频率对原始信号进行采样,再利用某种编码方式对采样信号进行压缩,然后将压缩信号传输到终端,最后再在终端利用反编码将接收到的信号译回原始信号。由于电力系统中对信号的实时监控与连续采样加大了信号的数据量,同时如果原始信号是一种频率极其高的信号,对采集信号存储空间的要求提高且增大了信息在传输过程中的难度,利用此种方法采集信号仍然对数据的传输带来很大的压力。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
为解决上述技术问题,本发明提供如下技术方案:包括,利用信号采集模块采集配电变压器的振动信号;通过压缩模块构造测量矩阵,以压缩所述配电变压器的振动信号;利用分解模块对压缩后的配电变压器振动信号进行分解,获得小波系数;根据所述小波系数并通过特征提取模块计算小波信息熵,获得配电变压器振动特征。
作为本发明所述的基于小波信息熵的配电变压器振动提取方法的一种优选方案,其中:采集配电变压器的振动信号包括,将所述信号采集模块放置于预定的配电变压器表面振动幅度最大的测点,将信号采集模块的采样频率设置为5k,采样间隔为10分钟,每次采样的时间长度为1秒。
作为本发明所述的基于小波信息熵的配电变压器振动提取方法的一种优选方案,其中:构造测量矩阵包括,构造N*N的Hadmard矩阵,选择其前512行向量构成所述测量矩阵。其中,N为原始信号包含的振动信号长度。
作为本发明所述的基于小波信息熵的配电变压器振动特征提取方法的一种优选方案,其中:所述压缩包括,压缩率:
a=(N-M)/N
其中,a为压缩率,M为压缩采集到的振动信号长度。
作为本发明所述的基于小波信息熵的配电变压器振动提取方法的一种优选方案,其中:分解包括,总分解层数J的计算公式为:
其中,fs为采样频率,f为配电变压器的基频,j为每个小波系数的分解层数。
作为本发明所述的基于小波信息熵的配电变压器振动提取方法的一种优选方案,其中:计算小波信息熵包括,设分解得到的第4层各子频带的小波系数分别为:D4(1)、D4(2)、……D4(16);每个子频带的能量Ei为:
Ei=|D4(k)|2
信号总能量Etotal为:
根据所述每个子频带的能量Ei和信号总能量Etotal计算频带编号为i的子频带的小波信息熵Si:
对所述小波信息熵Si进行归一化小波信息熵:
其中,i为子频带编号,k为小波包系数编号,i=k=1,2,…,16;xi为归一化后的小波信息熵,minSi为第4层节点中最小子频带的小波信息熵,maxSi为最大子频带的小波信息熵。
作为本发明所述的基于小波信息熵的配电变压器振动提取方法的一种优选方案,其中:所述配电变压器振动特征包括,根据所述归一化后的小波信息熵xi,构造向量X=(x1,x2,…,x16)作为配电变压器振动特征向量。
作为本发明所述的基于小波信息熵的配电变压器振动提取系统的一种优选方案,其中:包括,信号采集模块,用于采集配电变压器的振动信号;压缩模块,与所述信号采集模块连接,用于构造测量矩阵,以压缩所述配电变压器的振动信号;分解模块,与所述压缩模块连接,用于对压缩后的配电变压器振动信号进行分解,获得小波系数;特征提取模块,与所述分解模块连接,用于计算小波信息熵,获得配电变压器振动特征。
作为本发明所述的基于小波信息熵的配电变压器振动提取系统的一种优选方案,其中:还包括,将所述信号采集模块放置于预定的配电变压器表面振动幅度最大的测点,将信号采集模块的采样频率设置为5k,采样间隔为10分钟,每次采样的时间长度为1秒。
本发明的有益效果:本发明通过结合压缩感知技术降低了信号的采集量,为信号的采集、传输和存储降低了硬件要求,同时选择了归一化小波信息熵作为故障诊断的输入向量,增大了每个子频带的数值差距,提高了振动信号提取的精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第二个实施例所述的基于小波信息熵的配电变压器振动提取系统的结构示意图。
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,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例提供了一种基于小波信息熵的配电变压器振动提取方法,包括:
S1:利用信号采集模块100采集配电变压器的振动信号。
其中需要说明的是,本实施例的信号采集模块100可以为振动加速度传感器。
将振动加速度传感器放置于预定的配电变压器表面振动幅度最大的测点,将振动加速度传感器的采样频率设置为5k,采样间隔为10分钟,每次采样的时间长度为1秒;即每10分钟采集配电变压器振动信号一次,每次获得的配电变压器的振动信号的长度为5000个采样值。
S2:通过压缩模块200构造测量矩阵,以压缩配电变压器的振动信号。
构造N*N的Hadmard矩阵,选择其前512行向量构成PartHadmard矩阵,即测量矩阵;其中,N为原始信号包含的振动信号长度。
利用构造的测量矩阵压缩配电变压器的振动信号,即将5000个配电变压器的振动信号压缩为512个,由此得到压缩率:
a=(N-M)/N
其中,a为压缩率,M为压缩采集到的振动信号长度,M=512。
S3:利用分解模块300对压缩后的配电变压器振动信号进行分解,获得小波系数。
本实施例的分解模块300为DB5小波包。
考虑配电变压器振动信号基频为工频的2倍,因此总分解层数J为:
其中,fs为采样频率,f为配电变压器的基频,j为每个小波系数的分解层数;本实施例取fs=5000Hz,f=100Hz,计算得到J=4。
S4:根据小波系数并通过特征提取模块400计算小波信息熵,获得配电变压器振动特征。
(1)计算小波信息熵xi
设分解得到的第4层各子频带的小波系数分别为:D4(1)、D4(2)、……D4(16);每个子频带的能量Ei为:
Ei=|D4(k)|2
信号总能量Etotal为:
根据每个子频带的能量Ei和信号总能量Etotal计算频带编号为i的子频带的小波信息熵Si:
对小波信息熵Si进行归一化小波信息熵:
其中,i为子频带编号,k为小波包系数编号,i=k=1,2,…,16;xi为归一化后的小波信息熵,minSi为第4层节点中最小子频带的小波信息熵,maxSi为最大子频带的小波信息熵。
(2)根据归一化后的小波信息熵xi,构造向量X=(x1,x2,…,x16)作为配电变压器振动特征向量,获得配电变压器振动特征。
为了对本方法中采用的技术效果加以验证说明,本实施例选择传统的技术方案和采用本方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
本实施例分别采用传统的技术方案和采用本方法对变压器A相(20个)、B相(200个)的振动信号进行采集,并分别对其进行特征提取,结果如下表所示。
表1:振动信号提取结果。
A相特征提取精度 | B相特征提取精度 | |
传统的技术方案 | 60% | 76.5% |
本方法 | 100% | 99.5% |
可见,本方法能够精确提取配电变压器的振动信号。
实施例2
参照图1,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种基于小波信息熵的配电变压器振动提取系统,包括,
信号采集模块100,用于采集配电变压器的振动信号;本实施例的信号采集模块100可以为振动加速度传感器;将振动加速度传感器放置于预定的配电变压器表面振动幅度最大的测点,将振动加速度传感器的采样频率设置为5k,采样间隔为10分钟,每次采样的时间长度为1秒;即每10分钟采集配电变压器振动信号一次,每次获得的配电变压器的振动信号的长度为5000个采样值。
压缩模块200,与信号采集模块100连接,用于构造测量矩阵,以压缩配电变压器的振动信号;
分解模块300,与压缩模块200连接,用于对压缩后的配电变压器振动信号进行分解,获得小波系数;
特征提取模块400,与分解模块300连接,用于计算小波信息熵,获得配电变压器振动特征。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于小波信息熵的配电变压器振动提取方法,其特征在于:包括,
利用信号采集模块(100)采集配电变压器的振动信号;
通过压缩模块(200)构造测量矩阵,以压缩所述配电变压器的振动信号;
构造测量矩阵包括,
构造N*N的Hadmard矩阵,选择其前512行向量构成所述测量矩阵;
其中,N为原始信号包含的振动信号长度;
所述压缩包括,
压缩率:
a=(N-M)/N
其中,a为压缩率,M为压缩采集到的振动信号长度;
利用分解模块(300)对压缩后的配电变压器振动信号进行分解,获得小波系数;
分解包括,
总分解层数J的计算公式为:
其中,fs为采样频率,f为配电变压器的基频,j为每个小波系数的分解层数;
根据所述小波系数并通过特征提取模块(400)计算小波信息熵,获得配电变压器振动特征;
计算小波信息熵包括,
设分解得到的第4层各子频带的小波系数分别为:D4(1)、D4(2)、……D4(16);
每个子频带的能量Ei为:
Ei=|D4(k)|2
信号总能量Etotal为:
根据所述每个子频带的能量Ei和信号总能量Etotal计算频带编号为i的子频带的小波信息熵Si:
对所述小波信息熵Si进行归一化小波信息熵:
其中,i为子频带编号,k为小波包系数编号,i=k=1,2,…,16;xi为归一化后的小波信息熵,minSi为第4层节点中最小子频带的小波信息熵,maxSi为最大子频带的小波信息熵。
2.如权利要求1所述的基于小波信息熵的配电变压器振动提取方法,其特征在于:采集配电变压器的振动信号包括,
将所述信号采集模块(100)放置于预定的配电变压器表面振动幅度最大的测点,将信号采集模块(100)的采样频率设置为5k,采样间隔为10分钟,每次采样的时间长度为1秒。
3.如权利要求1所述的基于小波信息熵的配电变压器振动提取方法,其特征在于:所述配电变压器振动特征包括,
根据所述归一化后的小波信息熵xi,构造向量X=(x1,x2,…,x16)作为配电变压器振动特征向量。
4.基于如权利要求1所述的基于小波信息熵的配电变压器振动提取方法的一种基于小波信息熵的配电变压器振动提取系统,其特征在于:包括,
信号采集模块(100),用于采集配电变压器的振动信号;
压缩模块(200),与所述信号采集模块(100)连接,用于构造测量矩阵,以压缩所述配电变压器的振动信号;
分解模块(300),与所述压缩模块(200)连接,用于对压缩后的配电变压器振动信号进行分解,获得小波系数;
特征提取模块(400),与所述分解模块(300)连接,用于计算小波信息熵,获得配电变压器振动特征。
5.如权利要求4所述的基于小波信息熵的配电变压器振动提取系统,其特征在于:还包括,
将所述信号采集模块(100)放置于预定的配电变压器表面振动幅度最大的测点,将信号采集模块(100)的采样频率设置为5k,采样间隔为10分钟,每次采样的时间长度为1秒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111339642.0A CN114034381B (zh) | 2021-11-12 | 2021-11-12 | 一种基于小波信息熵的配电变压器振动提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111339642.0A CN114034381B (zh) | 2021-11-12 | 2021-11-12 | 一种基于小波信息熵的配电变压器振动提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114034381A CN114034381A (zh) | 2022-02-11 |
CN114034381B true CN114034381B (zh) | 2023-10-10 |
Family
ID=80144247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111339642.0A Active CN114034381B (zh) | 2021-11-12 | 2021-11-12 | 一种基于小波信息熵的配电变压器振动提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114034381B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115594A (zh) * | 2015-10-09 | 2015-12-02 | 北京航空航天大学 | 基于小波熵和信息融合的齿轮箱振动信号故障特征提取方法 |
KR20180010367A (ko) * | 2016-07-20 | 2018-01-31 | 울산대학교 산학협력단 | 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법 |
CN110346141A (zh) * | 2019-06-20 | 2019-10-18 | 燕山大学 | 稀疏自编码滚动轴承故障诊断方法 |
CN110674892A (zh) * | 2019-10-24 | 2020-01-10 | 北京航空航天大学 | 一种基于加权多特征融合和svm分类的故障特征筛选方法 |
CN112083327A (zh) * | 2020-09-08 | 2020-12-15 | 广东电网有限责任公司广州供电局 | 一种高压真空断路器机械故障诊断方法及系统 |
CN112347588A (zh) * | 2020-11-26 | 2021-02-09 | 中国舰船研究设计中心 | 基于小波包分解的旋转机械故障诊断方法 |
WO2021103496A1 (zh) * | 2019-11-29 | 2021-06-03 | 国网天津市电力公司电力科学研究院 | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 |
CN113158714A (zh) * | 2020-11-04 | 2021-07-23 | 南京晨光集团有限责任公司 | 基于小波熵与eemd的故障特征自适应提取方法 |
-
2021
- 2021-11-12 CN CN202111339642.0A patent/CN114034381B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115594A (zh) * | 2015-10-09 | 2015-12-02 | 北京航空航天大学 | 基于小波熵和信息融合的齿轮箱振动信号故障特征提取方法 |
KR20180010367A (ko) * | 2016-07-20 | 2018-01-31 | 울산대학교 산학협력단 | 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법 |
CN110346141A (zh) * | 2019-06-20 | 2019-10-18 | 燕山大学 | 稀疏自编码滚动轴承故障诊断方法 |
CN110674892A (zh) * | 2019-10-24 | 2020-01-10 | 北京航空航天大学 | 一种基于加权多特征融合和svm分类的故障特征筛选方法 |
WO2021103496A1 (zh) * | 2019-11-29 | 2021-06-03 | 国网天津市电力公司电力科学研究院 | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 |
CN112083327A (zh) * | 2020-09-08 | 2020-12-15 | 广东电网有限责任公司广州供电局 | 一种高压真空断路器机械故障诊断方法及系统 |
CN113158714A (zh) * | 2020-11-04 | 2021-07-23 | 南京晨光集团有限责任公司 | 基于小波熵与eemd的故障特征自适应提取方法 |
CN112347588A (zh) * | 2020-11-26 | 2021-02-09 | 中国舰船研究设计中心 | 基于小波包分解的旋转机械故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
基于小波相关排列熵的轴承早期故障诊断技术;冯辅周;司爱威;饶国强;江鹏程;;机械工程学报;第48卷(第13期);第73-79页 * |
改进斜Haar变换在图像压缩中的应用;贾红波;王凯峰;秦前清;;红河学院学报;第3卷(第06期);第53-56页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114034381A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105181122B (zh) | 机械振动信号数据压缩采集方法 | |
CN105115594B (zh) | 基于小波熵和信息融合的齿轮箱振动信号故障特征提取方法 | |
CN107192878A (zh) | 一种基于压缩感知的电力系统谐波检测方法及装置 | |
Wang et al. | ECG compression based on combining of EMD and wavelet transform | |
CN105241666A (zh) | 一种基于信号稀疏表示理论的滚动轴承故障特征提取方法 | |
CN102023010B (zh) | 基于mems的小波域多传感器信息融合系统及融合方法 | |
Robinson et al. | Improved determination of Q-factor and resonant frequency by a quadratic curve-fitting method | |
CN116153452B (zh) | 基于人工智能的医疗电子病历存储系统 | |
Zou et al. | An ultra-low power QRS complex detection algorithm based on down-sampling wavelet transform | |
CN112420158B (zh) | 一种针刺手法量化系统及方法 | |
CN110285044B (zh) | 基于树莓派的水泵振动监测分析仪及方法 | |
CN105841867B (zh) | 永磁电机齿槽转矩的测量方法 | |
CN102955068A (zh) | 一种基于压缩采样正交匹配追踪的谐波检测方法 | |
CN103560795A (zh) | 一种心电信号的压缩方法、传输方法、重构方法及装置 | |
CN114034381B (zh) | 一种基于小波信息熵的配电变压器振动提取方法及系统 | |
CN102291152B (zh) | 基于奇异值分解的压缩感知含噪信号重构系统 | |
CN116046968A (zh) | 一种液相色谱工作站数据处理方法、系统及可存储介质 | |
CN108567420B (zh) | 血压测量终端和计算机可读存储介质 | |
Lai et al. | An efficient method of ECG signal compression by using a DCT-IV spectrum | |
Petrellis et al. | Compressing and filtering medical data in a low cost health monitoring system | |
CN104883192B (zh) | 基于混合压缩采样的非合作超宽带信号的重构方法 | |
Upadhyaya et al. | Effect of sensing matrices on quality index parameters for block sparse bayesian learning-based EEG compressive sensing | |
US11218734B2 (en) | Data compression implementation | |
Perez-Ramirez et al. | Wavelet-based vibration data compression technique for natural frequencies identification of civil infrastructure | |
CN113702666A (zh) | 一种光纤陀螺惯性测量单元信号联合降噪方法 |
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 |