CN115586485B - 信号阶跃值的提取方法及系统、电子设备、存储介质 - Google Patents
信号阶跃值的提取方法及系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN115586485B CN115586485B CN202211208822.XA CN202211208822A CN115586485B CN 115586485 B CN115586485 B CN 115586485B CN 202211208822 A CN202211208822 A CN 202211208822A CN 115586485 B CN115586485 B CN 115586485B
- Authority
- CN
- China
- Prior art keywords
- value
- sequence
- signal
- section
- point
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 22
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 108
- 230000002146 bilateral effect Effects 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000000737 periodic effect Effects 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000035772 mutation Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本发明公开了一种信号阶跃值的提取方法及系统、电子设备、存储介质，该方法先分别对原始功率序列进行高斯滤波处理和双边滤波处理，然后，通过将高斯滤波序列与双边滤波序列作差得到差值序列，对差值序列进行分析，当分析出噪声以高频抖动噪声为主，则采用双边滤波序列计算阶跃值，可以有效地消除高频抖动噪声的影响，并且保留了阶跃信号的突变特性，当分析出噪声包括高频抖动噪声和周期性噪声，则采用高斯滤波序列进行优化处理后再计算阶跃值，同时消除高频抖动噪声和周期性噪声，通过采用双边滤波处理和改进高斯滤波处理相结合的方式，可以适用于复杂的噪声环境，有效地消除高频抖动噪声和周期性噪声，大大提升了阶跃值提取的准确度。
Description
技术领域
本发明涉及阶跃信号提取技术领域，特别地，涉及一种信号阶跃值的提取方法及系统、电子设备、计算机可读取的存储介质。
背景技术
在数据处理的过程中经常会遇到需要提取阶跃信号的情况，比如专利CN113253189A，其需要从台区总表的功率波动中分离出功率的阶跃信号，以得到准确的功率阶跃值，该功率阶跃物理上对应着典型电器(纯阻性电器)的启停，该功率阶跃值可以与户表侧监测到的功率变化值一起来计算户表相对于总表的误差偏离度。在实际的生产生活中，电表的计量准确性直接影响到用户电费支出与供电公司的电费收入，其误差涉及用电公平性，需要被精准地计算出来，因此需要准确地计算出功率的阶跃值。而台区总表的功率是由台区内各节点的功率叠加而成，因此，在通常的供电台区中，台区总表的功率波动包含两种噪声，一种是高频抖动噪声，另一种是周期性噪声。其中，部分节点的电器设备(如变频电器)在运行时，并不是保持严格的功率稳态，而是以较高的频率抖动，这些节点的功率抖动叠加在一起，在总表形成了较大幅度、较高频率、较高随机性的高频抖动，这部分高频抖动噪声与阶跃信号的叠加如图1所示，其中，图1中的纵轴为功率，单位为瓦，横轴为时间，单位为1个周波(20ms)，高频抖动噪声的波动幅度在300w左右，叠加的阶跃信号为2150w。另外，台区的部分电器在运行时，其功率呈现一定周期性，周期性噪声与阶跃信号的叠加如图2所示，其中，图2中的纵轴为功率，单位为瓦，横轴为时间，单位为1个周波，在以约10个周波(200ms)为一个周期的1000w左右的周期性信号上，叠加了2200w左右的阶跃信号。
对于台区总表的功率波动中包含的高频扰动噪声和周期性噪声，现有的信号阶跃值提取方式是先采用高斯滤波对总表的功率数据进行降噪，然后依据降噪后的数据直接使用阶跃前后的功率差计算阶跃值，或者对阶跃前后分别进行线性拟合，使用拟合后的值计算阶跃值。其中，高斯滤波在计算某点的滤波值时，在该点周边构建滤波窗口，通过下式进行计算：
其中，wij表示通过加权平均计算第i点滤波值时第j点的权重，y′i表示计算得到的第i点的滤波值，H表示滤波窗口的宽度参数，σ1表示空间参数，可取空间域标准差，z为计算wij时使用的系数，该系数在计算y′时被消掉因而可忽略，yj表示第j点的原始信号值。通过上式可以看出，滤波值即为该窗口内各点原始信号值的加权均值，而其权重值则由窗口内节点间的空间距离决定。高斯滤波对于高频抖动信号具有非常好的降噪效果，但是由于滤波过程中求均值时的权重值仅有下标的空间距离决定，从而导致高斯滤波在处理阶跃信号时很容易将信号的突变平滑掉，进而导致阶跃值提取的准确度较差。
发明内容
本发明提供了一种信号阶跃值的提取方法及系统、电子设备、计算机可读取的存储介质，以解决现有的信号阶跃值提取方法采用高斯滤波进行降噪处理时将信号的突变平滑掉，从而导致阶跃值提取的准确度较差的技术问题。
根据本发明的一个方面，提供一种信号阶跃值的提取方法，包括以下内容：
获取包含阶跃信号的原始功率序列；
对原始功率序列分别进行高斯滤波处理和双边滤波处理，得到高斯滤波序列和双边滤波序列；
将高斯滤波序列与双边滤波序列作差，得到差值序列；
对差值序列进行分析，并根据分析结果计算阶跃值。
进一步地，所述双边滤波处理采用的计算公式为：
其中，yi′表示计算得到的第i点的滤波值，wij表示通过加权平均计算第i点滤波值时第j点的权重，H表示滤波窗口的宽度参数，σ1表示空间参数，σ2表示幅值参数，yj表示第j点的原始信号值，yi表示第i点的原始信号值，z为计算wij时使用的系数。
进一步地，所述对差值序列进行分析，并根据分析结果计算阶跃值的过程具体为：
当差值序列中靠近阶跃的分段内每个点的绝对值均小于预设阈值，则使用双边滤波序列计算阶跃值；当在阶跃发生前和阶跃发生后，差值序列呈现周期性的正值段和负值段，则使用高斯滤波序列计算阶跃值；否则，放弃本次阶跃值的计算。
进一步地，所述使用高斯滤波序列计算阶跃值的过程包括以下内容：
利用高斯滤波序列将原始功率序列划分为两部分，一部分的信号值大于高斯滤波序列中对应的滤波值，另一部分的信号值小于高斯滤波序列中对应的滤波值；
分别统计两部分的占比，将占比大的一部分作为基础段，将占比小的一部分作为波动段；
去除原始功率序列中波动段的数据，并将原始功率序列划分为阶跃前基础段和阶跃后基础段；
对阶跃前基础段和阶跃后基础段的数据分别进行改进高斯滤波处理，得到阶跃前、后的修正高斯滤波序列；
基于阶跃前、后的修正高斯滤波序列计算阶跃值。
进一步地，在将原始功率序列划分为阶跃前基础段和阶跃后基础段的过程中：
若阶跃起点位于最后一个阶跃前基础段之后，则将最后一个阶跃前基础段的周期结束点作为整个阶跃前基础段的结束点，若阶跃起点位于最后一个阶跃前基础段中，则将阶跃起点作为整个阶跃前基础段的结束点；
若阶跃结束点位于第一个阶跃后基础段之前，则将第一个阶跃后基础段的周期起始点作为整个阶跃后基础段的起始点，若阶跃结束点位于第一个阶跃后基础段中，则将阶跃结束点作为整个阶跃后基础段的起始点。
进一步地，所述改进高斯处理的计算公式为：
其中，yi′表示计算得到的第i点的滤波值，yj表示第j点的原始信号值，H表示滤波窗口的宽度参数，σ1表示空间参数，z为计算wij时使用的系数。
进一步地，当两部分的占比相当时，选择二者中线性较好的一部分作为基础段，线性较差的一部分作为波动段。
另外，本发明还提供一种信号阶跃值的提取系统，包括：
数据获取模块，用于获取包含阶跃信号的原始功率序列；
滤波处理模块，用于对原始功率序列分别进行高斯滤波处理和双边滤波处理，得到高斯滤波序列和双边滤波序列；
序列作差模块，用于将高斯滤波序列与双边滤波序列作差，得到差值序列；
阶跃值计算模块，用于对差值序列进行分析，并根据分析结果计算阶跃值。
另外，本发明还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。
另外，本发明还提供一种计算机可读取的存储介质，用于存储进行信号阶跃值提取的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
本发明具有以下效果：
本发明的信号阶跃值的提取方法，在获取包含阶跃信号的原始功率序列之后分别进行高斯滤波处理和双边滤波处理，其中，高斯滤波处理可以很好地滤除掉高频抖动噪声，但很容易将阶跃信号和周期性噪声信号的突变平滑掉，而双边滤波处理则不仅可以很好地滤除掉高频抖动噪声，而且可以保留信号的突变特性，但其同时也保留了周期性噪声信号的突变。然后，通过将高斯滤波序列与双边滤波序列作差得到差值序列，对差值序列进行分析，当分析出总表中的噪声以高频抖动噪声为主，此时采用双边滤波序列计算阶跃值，可以有效地消除高频抖动噪声的影响，并且保留了阶跃信号的突变特性，而当分析出总表中的噪声同时包括高频抖动噪声和周期性噪声，则采用高斯滤波序列进行优化处理后再计算阶跃值，可以同时消除高频抖动噪声和周期性噪声。本发明的信号阶跃值的提取方法，通过采用双边滤波处理和改进高斯滤波处理相结合的方式，可以适用于复杂的噪声环境，有效地消除高频抖动噪声和周期性噪声，大大提升了阶跃值提取的准确度。
另外，本发明的信号阶跃值的提取系统同样具有上述优点。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是高频抖动噪声信号与阶跃信号叠加的示意图。
图2是周期性噪声信号与阶跃信号叠加的示意图。
图3是本发明优选实施例的信号阶跃值的提取方法的流程示意图。
图4是本发明优选实施例中分别采用高斯滤波和双边滤波对原始数据进行处理的结果比对示意图。
图5是图4中在阶跃处的细节示意图。
图6是本发明优选实施例中分别采用高斯滤波与双边滤波对周期性噪声信号叠加阶跃信号的场景进行处理的结果比对示意图。
图7是图6在阶跃处的细节示意图。
图8是本发明优选实施例中基于高斯滤波序列计算阶跃值的流程示意图。
图9是本发明优选实施例中去除波动段数据后将原始功率数据序列划分为阶跃前基础段和阶跃后基础段的示意图。
图10是本发明优选实施例中采用改进高斯滤波处理得到的阶跃前、后的修正高斯滤波序列的示意图。
图11是本发明另一实施例的信号阶跃值的提取系统的模块结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由下述所限定和覆盖的多种不同方式实施。
如图3所示，本发明的优选实施例提供一种信号阶跃值的提取方法，包括以下内容：
步骤S1：获取包含阶跃信号的原始功率序列；
步骤S2：对原始功率序列分别进行高斯滤波处理和双边滤波处理，得到高斯滤波序列和双边滤波序列；
步骤S3：将高斯滤波序列与双边滤波序列作差，得到差值序列；
步骤S4：对差值序列进行分析，并根据分析结果计算阶跃值。
可以理解，本实施例的信号阶跃值的提取方法，在获取包含阶跃信号的原始功率序列之后分别进行高斯滤波处理和双边滤波处理，其中，高斯滤波处理可以很好地滤除掉高频抖动噪声，但很容易将阶跃信号和周期性噪声信号的突变平滑掉，而双边滤波处理则不仅可以很好地滤除掉高频抖动噪声，而且可以保留信号的突变特性，但其同时也保留了周期性噪声信号的突变。然后，通过将高斯滤波序列与双边滤波序列作差得到差值序列，对差值序列进行分析，当分析出总表中的噪声以高频抖动噪声为主，此时采用双边滤波序列计算阶跃值，可以有效地消除高频抖动噪声的影响，并且保留了阶跃信号的突变特性，而当分析出总表中的噪声同时包括高频抖动噪声和周期性噪声，则采用高斯滤波序列进行优化处理后再计算阶跃值，可以同时消除高频抖动噪声和周期性噪声。本发明的信号阶跃值的提取方法，通过采用双边滤波处理和改进高斯滤波处理相结合的方式，可以适用于复杂的噪声环境，有效地消除高频抖动噪声和周期性噪声，大大提升了阶跃值提取的准确度。
可以理解，在所述步骤S1中，获取的原始功率序列一般采用周波级数据，当然，在本发明的其它实施例中也可以采用秒级数据。
可以理解，在所述步骤S2中，对原始功率序列进行高斯滤波处理的过程属于现有技术，具体可参考本申请的背景技术部分。
另外，所述双边滤波处理采用的计算公式为：
其中，y′i表示计算得到的第i点的滤波值，wij表示通过加权平均计算第i点滤波值时第j点的权重，H表示滤波窗口的宽度参数，σ1表示空间参数，可取空间域标准差，σ2表示幅值参数，可取值域标准差，yj表示第j点的原始信号值，yi表示第i点的原始信号值，z为计算wij时使用的系数，该系数在计算y′时被消掉因而可忽略。
可以理解，高斯滤波与双边滤波的滤波结果比对如图4和图5所示，可以看出，在阶跃前后，高斯滤波结果与双边滤波结果非常相近，即高斯滤波和双边滤波对于高频抖动噪声都具有很好的降噪效果，但在阶跃处，高斯滤波对阶跃产生了平滑效果，而双边滤波则很好地保留了阶跃信号的突变特性，对计算阶跃值的准确度有很大的提升作用。结合双波滤波的公式可以看出，两点间的权重不仅取决于下标的空间距离，而且还取决于信号值之间的距离，本申请中信号值之间的距离即为功率差值。因此，当信号距离较小时，信号距离的影响可以忽略，此时，双边滤波和高斯滤波的结果相近，而当两点间出现阶跃时，信号距离的影响成为主要因素，此时，双边滤波和高斯滤波的结果出现较大差异，因为双边滤波在处理阶跃信号时，阶跃前的点与阶跃后的点之间的信号距离足够大，使得二者间的权重足够小，因而可以很好地保留阶跃信号的突变特性。
但是，由于双边滤波保留了阶跃信号的突变特性的同时，也保留了周期性噪声信号的突变特性，因此，双边滤波不适用于周期性信号叠加阶跃信号的场景。从图6和图7可以看出，对于周期性噪声信号叠加阶跃信号的场景，双边滤波结果与原始数据非常接近，而高斯滤波结果则很好地平滑了周期性噪声信号的影响。因此，当总表的功率波动中还包含周期性噪声信号时，还需要进行进一步改进，以适应复杂的噪声环境。
可以理解，在所述步骤S3中，将高斯滤波序列中的信号值与双边滤波序列中的信号值对应作差，从而得到差值序列。
可以理解，在所述步骤S4中，所述对差值序列进行分析，并根据分析结果计算阶跃值的过程具体为：
当差值序列中靠近阶跃的分段内每个点的绝对值均小于预设阈值，则使用双边滤波序列计算阶跃值；当在阶跃发生前和阶跃发生后，差值序列呈现周期性的正值段和负值段，则使用高斯滤波序列计算阶跃值；否则，放弃本次阶跃值的计算。
具体地，当差值序列中靠近阶跃的分段内每个点的绝对值均小于预设阈值，意味着高斯滤波结果与双边滤波结果相近，此时，总表的功率波动中包含的噪声以高频抖动噪声为主，此时，采用双边滤波序列计算阶跃值，不仅可以有效地降低高频抖动噪声的影响，而且保留了阶跃信号的突变特性，提高了阶跃值计算的精准度。其中，靠近阶跃的分段长度可以根据实际需要进行设定，预设阈值的取值较小，具体取值可根据实际情况进行设置。可选地，也可以选择差值序列中的每个点的绝对值均小于预设阈值来作为判断条件，有利于进一步提高计算精准度。
而当在阶跃发生前和阶跃发生后，差值序列呈现周期性的正值段和负值段时，意味着总表的功率波动中包含了周期性噪声信号，此时，双边滤波序列不适用于阶跃值计算，而是采用高斯滤波序列进行进一步优化处理后计算阶跃值。
如果均不满足上述两个条件，则放弃此次阶跃值计算。
可以理解，计算阶跃值的具体过程属于现有技术，在此不再赘述，例如可以采用阶跃前后的功率差计算阶跃值，或者对阶跃前后分别进行线性拟合，使用拟合后的值计算阶跃值。
可选地，如图8所示，所述使用高斯滤波序列计算阶跃值的过程包括以下内容：
步骤S41：利用高斯滤波序列将原始功率序列划分为两部分，一部分的信号值大于高斯滤波序列中对应的滤波值，另一部分的信号值小于高斯滤波序列中对应的滤波值；
步骤S42：分别统计两部分的占比，将占比大的一部分作为基础段，将占比小的一部分作为波动段；
步骤S43：去除原始功率序列中波动段的数据，并将原始功率序列划分为阶跃前基础段和阶跃后基础段；
步骤S44：对阶跃前基础段和阶跃后基础段的数据分别进行改进高斯滤波处理，得到阶跃前、后的修正高斯滤波序列；
步骤S45：基于阶跃前、后的修正高斯滤波序列计算阶跃值。
具体地，高斯滤波序列可以将原始功率序列划分为两部分，一部分的信号值大于高斯滤波序列中对应的滤波值，另一部分的信号值小于高斯滤波序列中对应的滤波值。例如，在图7中，位于高斯滤波曲线之上的一部分信号值大于滤波值，位于高斯滤波曲线之下的一部分信号值小于滤波值。
然后，分别统计两部分的占比，将占比大的一部分作为基础段，将占比小的一部分作为波动段。例如，将图7中位于高斯滤波曲线之上的原始信号值数据作为波动段，位于高斯滤波曲线之下的原始信号值数据作为基础段，而周期性噪声信号则包含在波动段数据中。其中，基础段构成阶跃前、后的基础能量，波动段构成阶跃前、后的波动能量，阶跃值则对应着基础能量的差值。可选地，当两部分的占比相当时，选择二者中线性较好的一部分作为基础段，线性较差的一部分作为波动段。
然后，去除掉原始功率序列中波动段的数据，从而可以去除掉周期性噪声信号，彻底消除周期性噪声信号的影响，并根据阶跃发生时间将原始功率序列划分为阶跃前基础段和阶跃后基础段。
作为优选的，在将原始功率序列划分为阶跃前基础段和阶跃后基础段的过程中：
若阶跃起点位于最后一个阶跃前基础段之后，则将最后一个阶跃前基础段的周期结束点作为整个阶跃前基础段的结束点，若阶跃起点位于最后一个阶跃前基础段中，则将阶跃起点作为整个阶跃前基础段的结束点；
若阶跃结束点位于第一个阶跃后基础段之前，则将第一个阶跃后基础段的周期起始点作为整个阶跃后基础段的起始点，若阶跃结束点位于第一个阶跃后基础段中，则将阶跃结束点作为整个阶跃后基础段的起始点。
可以理解，当阶跃起点位于最后一个阶跃前基础段之后，例如图7中的阶跃起点为第30个点，而最后一个阶跃前基础段的周期结束点为第29个点，则将第29个点作为整个阶跃前基础段的结束点，从而可以将最后一个阶跃前基础段的后三个点数据(第27、28、29个点)补充到阶跃值计算当中，而在之前，这三个点的数据已经被作为波动段数据去除掉了，但是实际上，越靠近阶跃发生时刻的数据点，在阶跃值计算时更准确，从而可以提高阶跃值计算的准确度。而当阶跃起点位于最后一个阶跃前基础段中，则将阶跃起点作为整个阶跃前基础段的结束点，以保证阶跃前基础段数据的稳态特性。
同理，为了保证阶跃后基础段数据的稳态特性，若阶跃结束点位于第一个阶跃后基础段之前，则将第一个阶跃后基础段的周期起始点作为整个阶跃后基础段的起始点；若阶跃结束点位于第一个阶跃后基础段中，则将阶跃结束点作为整个阶跃后基础段的起始点，例如，图7中阶跃结束点为第33个点，而第一个阶跃后基础段的起始点为第32个点，则将阶跃结束点作为整个阶跃后基础段的起始点。更重要的是，通过上述选择阶跃前基础段结束点和阶跃后基础段起始点的方式，有效降低了对阶跃信号的平滑效果，很好地保留了阶跃信号的突变特性。
可以理解，在所述步骤S44中，对阶跃前基础段和阶跃后基础段的数据分别进行改进高斯处理，一方面可以进一步消除高频抖动噪声和周期性噪声，另一方面还可以补齐被抹去的波动段数据。其中，所述改进高斯处理的计算公式为：
其中，y′i表示计算得到的第i点的滤波值，yj表示第j点的原始信号值，H表示滤波窗口的宽度参数，σ1表示空间参数，z为计算wij时使用的系数。
从上式可以看出，滤波后的信号值仅由基础段加权平均得到，由此，基础段滤波后的信号值抹去了波动段信号值的影响，而波动段滤波后的信号值则通过基础段的加权平均得到了恢复。如图9所示，阶跃前基础段和阶跃后基础段中的数据序列不连续，因为去除了波动段的数据。而通过改进高斯滤波处理后，恢复了波动段滤波后的信号值，使得数据序列恢复连续，见图10所示。
可以理解，在所述步骤S45中，基于阶跃前、后的修正高斯滤波序列即可计算阶跃值，具体计算方式可以采用阶跃前后的功率差计算阶跃值，或者对阶跃前后分别进行线性拟合，使用拟合后的值计算阶跃值。
另外，如图11所示，本发明的另一实施例还提供一种信号阶跃值的提取系统，优选采用如上所述的提取方法，该系统包括：
数据获取模块，用于获取包含阶跃信号的原始功率序列；
滤波处理模块，用于对原始功率序列分别进行高斯滤波处理和双边滤波处理，得到高斯滤波序列和双边滤波序列；
序列作差模块，用于将高斯滤波序列与双边滤波序列作差，得到差值序列；
阶跃值计算模块，用于对差值序列进行分析，并根据分析结果计算阶跃值。
可以理解，本实施例的信号阶跃值的提取系统，在获取包含阶跃信号的原始功率序列之后分别进行高斯滤波处理和双边滤波处理，其中，高斯滤波处理可以很好地滤除掉高频抖动噪声，但很容易将阶跃信号和周期性噪声信号的突变平滑掉，而双边滤波处理则不仅可以很好地滤除掉高频抖动噪声，而且可以保留信号的突变特性，但其同时也保留了周期性噪声信号的突变。然后，通过将高斯滤波序列与双边滤波序列作差得到差值序列，对差值序列进行分析，当分析出总表中的噪声以高频抖动噪声为主，此时采用双边滤波序列计算阶跃值，可以有效地消除高频抖动噪声的影响，并且保留了阶跃信号的突变特性，而当分析出总表中的噪声同时包括高频抖动噪声和周期性噪声，则采用高斯滤波序列进行优化处理后再计算阶跃值，可以同时消除高频抖动噪声和周期性噪声。本发明的信号阶跃值的提取系统，通过采用双边滤波处理和改进高斯滤波处理相结合的方式，可以适用于复杂的噪声环境，有效地消除高频抖动噪声和周期性噪声，大大提升了阶跃值提取的准确度。
可以理解，本实施例的系统中的各个模块分别与上述方法实施例的各个步骤相对应，故各个模块的具体工作过程在此不再赘述，参考上述方法实施例即可。
另外，本发明的另一实施例还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。
另外，本发明的另一实施例还提供一种计算机可读取的存储介质，用于存储进行信号阶跃值提取的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
一般计算机可读取存储介质的形式包括：软盘(floppy disk)、可挠性盘片(flexible disk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punch cards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输一计算机数据信号的总线的导线。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种信号阶跃值的提取方法，其特征在于，包括以下内容：
获取包含阶跃信号的原始功率序列；
对原始功率序列分别进行高斯滤波处理和双边滤波处理，得到高斯滤波序列和双边滤波序列；
将高斯滤波序列与双边滤波序列作差，得到差值序列；
对差值序列进行分析，并根据分析结果计算阶跃值；
所述对差值序列进行分析，并根据分析结果计算阶跃值的过程具体为：当差值序列中靠近阶跃的分段内每个点的绝对值均小于预设阈值，则使用双边滤波序列计算阶跃值；当在阶跃发生前和阶跃发生后，差值序列呈现周期性的正值段和负值段，则使用高斯滤波序列计算阶跃值；否则，放弃本次阶跃值的计算。
2.如权利要求1所述的信号阶跃值的提取方法，其特征在于，所述双边滤波处理采用的计算公式为：
其中，yi′表示计算得到的第i点的滤波值，wij表示通过加权平均计算第i点滤波值时第j点的权重，H表示滤波窗口的宽度参数，σ1表示空间参数，σ2表示幅值参数，yj表示第j点的原始信号值，yi表示第i点的原始信号值，z为计算wij时使用的系数。
3.如权利要求1所述的信号阶跃值的提取方法，其特征在于，所述使用高斯滤波序列计算阶跃值的过程包括以下内容：
利用高斯滤波序列将原始功率序列划分为两部分，一部分的信号值大于高斯滤波序列中对应的滤波值，另一部分的信号值小于高斯滤波序列中对应的滤波值；
分别统计两部分的占比，将占比大的一部分作为基础段，将占比小的一部分作为波动段；
去除原始功率序列中波动段的数据，并将原始功率序列划分为阶跃前基础段和阶跃后基础段；
对阶跃前基础段和阶跃后基础段的数据分别进行改进高斯滤波处理，得到阶跃前、后的修正高斯滤波序列；
基于阶跃前、后的修正高斯滤波序列计算阶跃值。
4.如权利要求3所述的信号阶跃值的提取方法，其特征在于，在将原始功率序列划分为阶跃前基础段和阶跃后基础段的过程中：
若阶跃起点位于最后一个阶跃前基础段之后，则将最后一个阶跃前基础段的周期结束点作为整个阶跃前基础段的结束点，若阶跃起点位于最后一个阶跃前基础段中，则将阶跃起点作为整个阶跃前基础段的结束点；
若阶跃结束点位于第一个阶跃后基础段之前，则将第一个阶跃后基础段的周期起始点作为整个阶跃后基础段的起始点，若阶跃结束点位于第一个阶跃后基础段中，则将阶跃结束点作为整个阶跃后基础段的起始点。
5.如权利要求4所述的信号阶跃值的提取方法，其特征在于，所述改进高斯滤波处理的计算公式为：
其中，yi′表示计算得到的第i点的滤波值，yj表示第j点的原始信号值，H表示滤波窗口的宽度参数，σ1表示空间参数，z为计算wij时使用的系数，wij表示通过加权平均计算第i点滤波值时第j点的权重。
6.如权利要求3所述的信号阶跃值的提取方法，其特征在于，当两部分的占比相当时，选择二者中线性较好的一部分作为基础段，线性较差的一部分作为波动段。
7.一种信号阶跃值的提取系统，其特征在于，包括：
数据获取模块，用于获取包含阶跃信号的原始功率序列；
滤波处理模块，用于对原始功率序列分别进行高斯滤波处理和双边滤波处理，得到高斯滤波序列和双边滤波序列；
序列作差模块，用于将高斯滤波序列与双边滤波序列作差，得到差值序列；
阶跃值计算模块，用于对差值序列进行分析，并根据分析结果计算阶跃值，所述对差值序列进行分析，并根据分析结果计算阶跃值的过程具体为：当差值序列中靠近阶跃的分段内每个点的绝对值均小于预设阈值，则使用双边滤波序列计算阶跃值；当在阶跃发生前和阶跃发生后，差值序列呈现周期性的正值段和负值段，则使用高斯滤波序列计算阶跃值；否则，放弃本次阶跃值的计算。
8.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1～6任一项所述的方法的步骤。
9.一种计算机可读取的存储介质，用于存储进行信号阶跃值提取的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行如权利要求1～6任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211208822.XA CN115586485B (zh) | 2022-09-30 | 2022-09-30 | 信号阶跃值的提取方法及系统、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211208822.XA CN115586485B (zh) | 2022-09-30 | 2022-09-30 | 信号阶跃值的提取方法及系统、电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115586485A CN115586485A (zh) | 2023-01-10 |
| CN115586485B true CN115586485B (zh) | 2024-04-09 |
Family
ID=84778282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211208822.XA Active CN115586485B (zh) | 2022-09-30 | 2022-09-30 | 信号阶跃值的提取方法及系统、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115586485B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0116468D0 (en) * | 2001-07-05 | 2001-08-29 | Mair Clemens | Data analysis |
| WO2008093835A1 (ja) * | 2007-02-02 | 2008-08-07 | Nikon Corporation | 画像処理方法 |
| KR101547984B1 (ko) * | 2014-10-29 | 2015-08-28 | 한화탈레스 주식회사 | 임펄스 형태의 영상 노이즈 제거를 위한 중간값 기반 양방향 필터 및 그 방법 |
| CN104991269A (zh) * | 2015-06-04 | 2015-10-21 | 中国科学技术大学 | 一种边缘引导和结构约束的全波形反演快速方法 |
| CN110188639A (zh) * | 2019-05-20 | 2019-08-30 | 深圳供电局有限公司 | 人脸图像处理方法及其系统、计算机设备、可读存储介质 |
| CN112711052A (zh) * | 2020-12-18 | 2021-04-27 | 武汉大学 | 基于连续t检验的GNSS坐标序列阶跃探测改进方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103514583B (zh) * | 2012-06-30 | 2016-08-24 | 华为技术有限公司 | 图像锐化方法及设备 |
-
2022
- 2022-09-30 CN CN202211208822.XA patent/CN115586485B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0116468D0 (en) * | 2001-07-05 | 2001-08-29 | Mair Clemens | Data analysis |
| WO2008093835A1 (ja) * | 2007-02-02 | 2008-08-07 | Nikon Corporation | 画像処理方法 |
| KR101547984B1 (ko) * | 2014-10-29 | 2015-08-28 | 한화탈레스 주식회사 | 임펄스 형태의 영상 노이즈 제거를 위한 중간값 기반 양방향 필터 및 그 방법 |
| CN104991269A (zh) * | 2015-06-04 | 2015-10-21 | 中国科学技术大学 | 一种边缘引导和结构约束的全波形反演快速方法 |
| CN110188639A (zh) * | 2019-05-20 | 2019-08-30 | 深圳供电局有限公司 | 人脸图像处理方法及其系统、计算机设备、可读存储介质 |
| CN112711052A (zh) * | 2020-12-18 | 2021-04-27 | 武汉大学 | 基于连续t检验的GNSS坐标序列阶跃探测改进方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 一种基于参数估计的自适应双边滤波算法;南栋;毕笃彦;马时平;娄小龙;倪嘉成;;中南大学学报(自然科学版);20141126(11);全文 * |
| 最佳数字锁相环;郑连溪;;无线电工程;19800301(01);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115586485A (zh) | 2023-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111444168A (zh) | 一种配电室变压器日最大负荷异常数据检测处理方法 | |
| CN113783717B (zh) | 智慧城市网络流量预测方法及系统 | |
| CN108139432A (zh) | 校正电流互感器中饱和效应的方法以及其智能电子设备 | |
| CN114358093A (zh) | 一种电力设备中局部放电的检测方法及设备 | |
| CN112364291A (zh) | 一种前置滤波极值点优化集合经验模态分解方法及装置 | |
| CN115586485B (zh) | 信号阶跃值的提取方法及系统、电子设备、存储介质 | |
| CN111239565B (zh) | 基于分层式去噪模型的充油套管局部放电脉冲信号处理方法及系统 | |
| CN110702986B (zh) | 一种自适应信号搜索门限实时动态生成方法及系统 | |
| CN112742280B (zh) | 一种混合系统的混沌状态检测方法及系统 | |
| CN111510109B (zh) | 一种信号滤波的方法、装置、设备和介质 | |
| CN113267676B (zh) | 格策尔算法下的频谱确定方法、系统、设备及存储介质 | |
| CN116257745A (zh) | 一种负荷电流极端异常数据处理方法和装置 | |
| CN114785441A (zh) | 周波级电力数据的同步方法及系统、设备、存储介质 | |
| CN112116917B (zh) | 基于相位跃变度的电抗器本体与风机声信号分离方法 | |
| CN114399078A (zh) | 一种负荷日前预测与超短期预测的协同预测方法及系统 | |
| CN109557419B (zh) | 一种输电线路检测方法 | |
| CN116776116A (zh) | 基于特征信号波形的户变关系识别方法及系统 | |
| CN116579902B (zh) | 数字化园区电碳数据映射方法、系统、设备及存储介质 | |
| CN117591983B (zh) | 一种多指标异常检测方法、装置、电子设备和存储介质 | |
| CN115601198A (zh) | 电力数据模拟方法、装置、设备和存储介质 | |
| CN111540372B (zh) | 一种多麦克阵列降噪处理的方法及装置 | |
| CN117494028B (zh) | 一种用于储能电站的储能数据异常检测方法及系统 | |
| CN116880404B (zh) | 一种基于恒定模型的生产控制方法、装置、设备及介质 | |
| CN117613905B (zh) | 一种基于多维分量分解的电力需求中期预测方法及系统 | |
| CN110795684A (zh) | 一种观测噪声方差的估计方法 |
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 |