CN117290708B - 便于计算暂态冲击量的高低频混叠信号分离方法 - Google Patents

便于计算暂态冲击量的高低频混叠信号分离方法 Download PDF

Info

Publication number
CN117290708B
CN117290708B CN202311581859.1A CN202311581859A CN117290708B CN 117290708 B CN117290708 B CN 117290708B CN 202311581859 A CN202311581859 A CN 202311581859A CN 117290708 B CN117290708 B CN 117290708B
Authority
CN
China
Prior art keywords
frequency
fluctuation
low
flu
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
Application number
CN202311581859.1A
Other languages
English (en)
Other versions
CN117290708A (zh
Inventor
杨森
曾潮旭
杨龙山
王政
徐会凯
陈天翔
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.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
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 Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN202311581859.1A priority Critical patent/CN117290708B/zh
Publication of CN117290708A publication Critical patent/CN117290708A/zh
Application granted granted Critical
Publication of CN117290708B publication Critical patent/CN117290708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/10Pre-processing; Data cleansing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02Preprocessing
    • G06F2218/04Denoising

Landscapes

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

Abstract

本发明公开了一种便于计算暂态冲击量的高低频混叠信号分离方法,包括:将采集的原始高低频混叠信号进行首层波动特征提取,确定原始信号中所有波动特征点;根据校正权重求取低频信号波动特征点,差值运算后获得高、低频波动特征;根据权重对高频波动特征进行修正,从原始高低频混叠信号分离还原成便于计算暂态冲击量的高、低频信号;本发明可用于对高低频混叠信号进行解耦,还原高、低频信号并有效地反映信号高、低频特征,十分有利于计算暂态冲击量,进而能够有效地提高暂态冲击量计算效率和准确率。

Description

便于计算暂态冲击量的高低频混叠信号分离方法
技术领域
本发明涉及信号处理技术领域,特别是一种便于计算暂态冲击量的高低频混叠信号分离方法。
背景技术
在对信号采集过程中,原始信号可能为来自信号采集现场的各种高低频信号混合叠加,而将需要的高频信号与其他信号分离是后续进行信号处理和数据分析的关键。分离重叠信号可以通过传统的波动法利用信号中频率差来分离,当高频信号和低频信号被叠加在一起时,信号表现出的波动特征和高频信号的波动特征相似,但实际为高低频信号叠加后的波动特征,在低频信号未被分离时,其波动特征被掩盖,无法正确地识别其特征。而且传统波动法缺少自适应分离包含间歇性高频信号的混叠信号,当原始信号里的高频信号具有间歇性时,低频信号本身的波动特征只有在高频信号出现的时间段才会被掩盖,而传统波动法进行高低频混叠信号的解耦就会造成高频信号波动特征混叠。采用传统波动法分离出来的混叠信号进行暂态冲击量计算,就会由于存在其他信号特征叠加而导致暂态冲击量计算结果存在一定的误差,对后续信号处理和数据分析造成干扰。
发明内容
为解决现有技术中存在的问题,本发明的目的是提供一种便于计算暂态冲击量的高低频混叠信号分离方法,本发明可用于对高低频混叠信号进行解耦,还原高、低频信号并有效地反映信号高、低频特征,十分有利于计算暂态冲击量,进而能够有效地提高暂态冲击量计算效率和准确率。
为实现上述目的,本发明采用的技术方案是:一种便于计算暂态冲击量的高低频混叠信号分离方法,包括如下步骤:
步骤1、将采集的原始高低频混叠信号进行首层波动特征提取,确定原始信号中所有波动特征点;
步骤2、根据校正权重求取低频信号波动特征点,差值运算后获得高、低频波动特征;
步骤3、根据权重对高频波动特征进行修正,从原始高低频混叠信号分离还原成便于计算暂态冲击量的高、低频信号。
作为本发明的进一步改进,在步骤1中,对原始高低频混叠信号的首层波动特征提取具体如下:从第一个数据点进行局部波动量计算,计算表达式如下:
;
式中,为原始信号数据中第/>次局部波动量,为原始信号数据中的第/>个点的数值,/>为原始信号数据中的第/>个点的数值,/>为原始数据中/>次局部波动量的累加。
作为本发明的进一步改进,在步骤2中,根据校正权重求取低频信号波动特征点具体如下:波动特征点校正权重的计算表达式如下:
;
式中,为第/>次波动的校正权重,/>为第/>次波动的波动时间,/>为波动时间阈值;
确定波动特征点校正权重后,再确定低频波动特征点位置和幅值,计算表达式如下:
;
式中低频波动第/>个特征点的点号,round为表示取整运算,将括号内结果四舍五入为整数,/>为第/>次波动的结束处的点号,/>为第/>次波动的结束处的点号,/>为第/>次波动的结束处的幅值,/>为第/>次波动的结束处的幅值,为低频波动第/>个特征点的幅值,为第/>次波动的校正权重。
作为本发明的进一步改进,在步骤3中,根据权重对高频波动特征进行修正具体如下:
将各低频波动特征点相连进行插值运算即可到未校正的低频信号,未校正的高频信号由原始数据与未校正的低频信号差值得出,计算表达式如下:
;
式中,为未校正的低频信号的第/>个幅值,为未校正的高频信号的第/>个幅值,/>原始数据中的第个点的数值;
再次使用校正权重对做差后得到的未校正高频信号的幅值进行校正消除小幅波动带来的畸变;某点处于两个首层波动特征点之间的高频信号幅值通过校正得到,计算表达式如下:
;
式中,为高频信号在点/>的幅值,为第/>次波动的校正权重,/>为未校正的高频信号的第/>个点的幅值;
通过校正的高频信号与原信号做差还原低频信号,计算表达式如下:
;
式中为还原的低频信号第/>个点幅值,/>为还原的高频信号第/>个点幅值,/>原始数据中的第/>个点的数值。
本发明的有益效果是:
本发明考虑到通常采集到的信号常常与系统自身噪声、工频信号耦合重叠,导致其特征被掩盖,而传统波动法用于放电信号降噪、放电脉冲提取,是在保留信号中冲击信号上升下降时间、最大幅值、峰峰值等关键信号特征前提下对信号的抽象和提炼,传统波动法无法自适应分离包含间歇性,造成高频信号波动特征混叠,因此在传统波动法基础上基于波动时间与信号频率间的映射关系提出加权波动法,根据波动时间权重,修正波动特征点位置,即根据波动时间统计信息,确定在信号的某次波动中是否发生明显的高低频信号混叠,进而确定低频信号在该处的特征点,实现低频信号的还原,解决传统波动法在分离间歇性高频信号中出现的信号混叠问题,达到对原始高低频混叠信号进行高频、低频信号分离还原且还原其波动特征。而分离后的高、低频信号,十分有便于计算其暂态冲击量。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例中首层波动特征提取流程图;
图3为本发明实施例中低频信号特征点求取流程图;
图4为本发明实施例中高、低频信号还原流程图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例
如图1-图4所示,一种便于计算暂态冲击量的高低频混叠信号分离方法,包括以下步骤:
步骤1、对原始高低频混叠信号进行首层波动特征提取,确定原始信号中所有波动特征点;对信号进行首层波动特征提取,需要从第一个数据点进行局部波动量开始计算,计算表达式:
;
式中,为原始信号数据中第/>次局部波动量,为原始信号数据中的第/>个点的数值,/>为原始信号数据中的第/>个点的数值,/>为原始数据中/>次局部波动量的累加。
步骤2、根据校正权重求取低频信号波动特征点方法,差值运算后获得高、低频波动特征,波动特征点校正权重的计算表达式:
;
式中,为第/>次波动的校正权重,/>为第/>次波动的波动时间,/>为波动时间阈值;
步骤3、确定波动特征点校正权重后,可以确定低频波动特征点位置和幅值,计算表达式:
;
式中低频波动第/>个特征点的点号,round为表示取整运算,将括号内结果四舍五入为整数,/>为第/>次波动的结束处的点号,/>为第/>次波动的结束处的点号,/>为第/>次波动的结束处的幅值,/>为第/>次波动的结束处的幅值,为低频波动第/>个特征点的幅值,为第/>次波动的校正权重。
步骤4、根据权重对高频波动特征进行修正方法,将各低频波动特征点相连进行插值运算即可到未校正的低频信号,未校正的高频信号可以由原始数据与未校正的低频信号差值得出,计算表达式:
;
式中,为未校正的低频信号的第/>个幅值,为未校正的高频信号的第/>个幅值,/>原始数据中的第个点的数值;
步骤5、再次使用校正权重对做差后得到的未校正高频信号的幅值进行校正可以消除小幅波动带来的畸变。某点处于两个首层波动特征点之间的高频信号幅值可以通过校正得到,计算表达式:
;
式中,为高频信号在点/>的幅值,为第/>次波动的校正权重,/>为未校正的高频信号的第/>个点的幅值。
步骤6、通过校正的高频信号与原信号做差还原低频信号,计算表达式:
;
式中为还原的低频信号第/>个点幅值,/>为还原的高频信号第/>个点幅值,/>原始数据中的第/>个点的数值。
本实施例中,首先对采集到的原始高低混叠信号进行首层波动提取,确定原始高低混叠信号中所有波动特征点,求取每次信号波动中的中心点作为低频波动特征点及其幅值,通过校正权重计算求取还原低频波动特征点在高频波动中的位置及幅值,将原始混叠信号与还原的低频信号进行差值运算求取未校正的高频信号,再通过校正权重计算对未校正的高频信号进行校正,最终还原出便于计算暂态冲击量的高、低频信号。
本实施例具有如下优点:在实际中对含有偶发性高频信号混叠信号进行提取时,能够有效地避免将低频信号波动特征判定为高频信号波动特征;在进行高、低频信号还原时,采用波动时间阈值的校 正权重进行修正,能够有效地消除首层波动特征点附近产生本不存在的小幅波动;能够有效地解决传统波动法在分离间歇性高频信号中出现的信号混叠问题;分离还原出来的高、低频信,十分便于计算其暂态冲击量。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。

Claims (2)

1.一种便于计算暂态冲击量的高低频混叠电信号分离方法,其特征在于,包括如下步骤:
步骤1、将采集的原始高低频混叠电信号进行首层波动特征提取,确定原始电信号中所有波动特征点;
步骤2、根据校正权重求取低频电信号波动特征点,差值运算后获得高、低频波动特征;
在步骤2中,根据校正权重求取低频电信号波动特征点具体如下:波动特征点校正权重的计算表达式如下:
式中,Weoght_flu(k)为第k次波动的校正权重,Flu_t(k)为第k次波动的波动时间,Thres_t为波动时间阈值;
确定波动特征点校正权重后,再确定低频波动特征点位置和幅值,计算表达式如下:
Low_flu_A(k+1)=Weight_flu(k+1)*Flu_A(k+1)+Flu_Aend(k)
式中Low_Flu_T(k+1)低频波动第k+1个特征点的点号,round为表示取整运算,将括号内结果四舍五入为整数,Flu_Tend(k+1)为第k+1次波动的结束处的点号,Flu_Tend(k)为第k次波动的结束处的点号,Flu_Aend(k+1)为第k+1次波动的结束处的幅值,Flu_Aend(k)为第k次波动的结束处的幅值,Low_flu_A(k+1)为低频波动第k+1个特征点的幅值,Weight_flu(k+1)为第k+1次波动的校正权重;
步骤3、根据权重对高频波动特征进行修正,从原始高低频混叠电信号分离还原成便于计算暂态冲击量的高、低频电信号;
在步骤3中,根据权重对高频波动特征进行修正具体如下:
将各低频波动特征点相连进行插值运算即可到未校正的低频电信号,未校正的高频电信号由原始数据与未校正的低频电信号差值得出,计算表达式如下:
Nck_High_S(n)=S_A(n)-Nck_Low_S(n)
式中,Nck_Low_S(n)为未校正的低频电信号的第n个幅值,Nck_High_S(n)为未校正的高频电信号的第n个幅值,S_A(n)原始数据中的第n个点的数值;
再次使用校正权重对做差后得到的未校正高频电信号的幅值进行校正消除小幅波动带来的畸变;某点处于两个首层波动特征点之间的高频电信号幅值通过校正得到,计算表达式如下:
High_S(nk_k+1)=2*Weight_flu(k+1)*Nck_High_S(nk_k+1)
式中,High_S(nk_k+1)为高频电信号在点nk_k+1的幅值,Weight_flu(k+1)为第k+1次波动的校正权重,Nck_High_S(nk_k+1)为未校正的高频电信号的第nk_k+1个点的幅值;
通过校正的高频电信号与原电信号做差还原低频电信号,计算表达式如下:
Low_S(n)=S_A(n)-High_S(n)
式中Low_S(n)为还原的低频电信号第n个点幅值,High_S(n)为还原的高频电信号第n个点幅值,S_A(n)原始数据中的第n个点的数值。
2.根据权利要求1所述的便于计算暂态冲击量的高低频混叠电信号分离方法,其特征在于,在步骤1中,对原始高低频混叠电信号的首层波动特征提取具体如下:从第一个数据点进行局部波动量计算,计算表达式如下:
S_part_flu(n)=S_A(n+1)-S_A(n)
Ac_Flu(n)=∑S_part_flu(n)
式中,S_part_flu(n)为原始电信号数据中第n次局部波动量,S_A(n+1)为原始电信号数据中的第n+1个点的数值,S_A(n)为原始电信号数据中的第n个点的数值,Ac_Flu(n)为原始数据中n次局部波动量的累加。
CN202311581859.1A 2023-11-24 2023-11-24 便于计算暂态冲击量的高低频混叠信号分离方法 Active CN117290708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311581859.1A CN117290708B (zh) 2023-11-24 2023-11-24 便于计算暂态冲击量的高低频混叠信号分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311581859.1A CN117290708B (zh) 2023-11-24 2023-11-24 便于计算暂态冲击量的高低频混叠信号分离方法

Publications (2)

Publication Number Publication Date
CN117290708A CN117290708A (zh) 2023-12-26
CN117290708B true CN117290708B (zh) 2024-02-09

Family

ID=89241168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311581859.1A Active CN117290708B (zh) 2023-11-24 2023-11-24 便于计算暂态冲击量的高低频混叠信号分离方法

Country Status (1)

Country Link
CN (1) CN117290708B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0556396A (ja) * 1991-01-02 1993-03-05 Samsung Electron Co Ltd 狭帯域媒体を通じて広帯域幅のビデオ信号を記録および再生するためのシステム
US5675659A (en) * 1995-12-12 1997-10-07 Motorola Methods and apparatus for blind separation of delayed and filtered sources
JP2007288318A (ja) * 2006-04-13 2007-11-01 Nippon Telegr & Teleph Corp <Ntt> ブラインド信号分離装置及びブラインド信号分離方法
CN104243770A (zh) * 2013-06-19 2014-12-24 日立产业控制解决方案有限公司 图像信号处理装置、摄像装置及图像处理程序
CN104636313A (zh) * 2014-12-16 2015-05-20 成都理工大学 一种冗余扩展单源观测信号的盲信号分离方法
CN108801251A (zh) * 2018-06-12 2018-11-13 中国科学院光电技术研究所 一种惯性传感器混叠干扰信号分离方法
CN109243485A (zh) * 2018-09-13 2019-01-18 广州酷狗计算机科技有限公司 恢复高频信号的方法和装置
CN110688981A (zh) * 2019-10-14 2020-01-14 江西理工大学 一种振动信号去噪的模态混叠消除方法
CN111007316A (zh) * 2019-06-25 2020-04-14 山东大学 基于fft与dwt的混合谐波检测改进方法
CN112580876A (zh) * 2020-12-21 2021-03-30 国网甘肃省电力公司电力科学研究院 基于改进emd-lstm组合模型的光伏电站发电分频段预测方法
CN113726318A (zh) * 2021-07-08 2021-11-30 四川大学 基于wm的局部放电白噪声自适应抑制方法
CN115422963A (zh) * 2022-06-23 2022-12-02 杭州科技职业技术学院 基于EMD区段划分的前向线性预测pH信号滤波方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0556396A (ja) * 1991-01-02 1993-03-05 Samsung Electron Co Ltd 狭帯域媒体を通じて広帯域幅のビデオ信号を記録および再生するためのシステム
US5675659A (en) * 1995-12-12 1997-10-07 Motorola Methods and apparatus for blind separation of delayed and filtered sources
JP2007288318A (ja) * 2006-04-13 2007-11-01 Nippon Telegr & Teleph Corp <Ntt> ブラインド信号分離装置及びブラインド信号分離方法
CN104243770A (zh) * 2013-06-19 2014-12-24 日立产业控制解决方案有限公司 图像信号处理装置、摄像装置及图像处理程序
CN104636313A (zh) * 2014-12-16 2015-05-20 成都理工大学 一种冗余扩展单源观测信号的盲信号分离方法
CN108801251A (zh) * 2018-06-12 2018-11-13 中国科学院光电技术研究所 一种惯性传感器混叠干扰信号分离方法
CN109243485A (zh) * 2018-09-13 2019-01-18 广州酷狗计算机科技有限公司 恢复高频信号的方法和装置
CN111007316A (zh) * 2019-06-25 2020-04-14 山东大学 基于fft与dwt的混合谐波检测改进方法
CN110688981A (zh) * 2019-10-14 2020-01-14 江西理工大学 一种振动信号去噪的模态混叠消除方法
CN112580876A (zh) * 2020-12-21 2021-03-30 国网甘肃省电力公司电力科学研究院 基于改进emd-lstm组合模型的光伏电站发电分频段预测方法
CN113726318A (zh) * 2021-07-08 2021-11-30 四川大学 基于wm的局部放电白噪声自适应抑制方法
CN115422963A (zh) * 2022-06-23 2022-12-02 杭州科技职业技术学院 基于EMD区段划分的前向线性预测pH信号滤波方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Blind audio source separation using weight initialized independent component analysis;Ritesh Kumar Yadav等;2015 1st International Conference on Next Generation Computing Technologies (NGCT);第563-566页 *
应用自适应带宽信号的BS-EMD混叠消除;蒋永华等;振动与冲击(第16期);第88-95页 *
开关柜典型局部放电类型超声波信号特征量研究;曾潮旭等;高压电器;第1-10页 *
语音信号的盲源分离方法研究;张成;中国优秀硕士学位论文全文数据库 信息科技辑(第6期);第I136-275页 *

Also Published As

Publication number Publication date
CN117290708A (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
CN102253327A (zh) 开关电流电路故障诊断方法
CN106646205A (zh) 一种声振联合分析断路器故障的随机大扰动信号剔除算法
CN117290708B (zh) 便于计算暂态冲击量的高低频混叠信号分离方法
CN103487788A (zh) 一种序列脉冲信号快速自动提取方法
CN107395157A (zh) 基于小波变换和加权移动平均的接地网电位差滤波方法
CN107086039A (zh) 一种音频信号处理方法及装置
CN104616660A (zh) 基于环境噪音检测的智能语音播报系统及方法
CN104463057B (zh) 一种磁卡解码方法及装置
CN108199356B (zh) 基于波前信息的直流输电线路超高速保护方法
CN110287853B (zh) 一种基于小波分解的暂态信号去噪方法
CN111047579A (zh) 一种特征质量评估方法及图像特征均匀提取方法
CN108509576B (zh) 一种基于电子地图的巡查轨迹错误点位的过滤优化方法
CN109948223A (zh) 一种基于拉格朗日插值的脉冲幅度获取方法
US6587984B1 (en) Distortion detecting device, distortion correcting device, and distortion correcting method for digital audio signal
CN101272362B (zh) 一种基带信号的恢复方法
CN107948110B (zh) Lte系统中一种基于同步的自动增益控制实现方法
CN114280418A (zh) 基于行波频率的输电线路故障定位方法及定位装置
CN109740635B (zh) 基于二分类器的分类识别特征映射方法
CN115085761B (zh) 基于跳频描述字的异步跳频网台分选方法
CN110809005B (zh) 一种雷达脉冲描述字的统一表征方法
CN110123370B (zh) 第一心音部分遗漏心音信号的心率计算方法
CN118094242A (zh) 一种基于中频图像孪生网络的信号分选方法、介质及装置
JP2991754B2 (ja) 認識辞書作成方法
CN113759278B (zh) 一种适用于小电流接地系统的接地故障选线方法
CN115833976A (zh) 直升机卫星通信旋翼缝隙检测方法

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