CN117434337A - 一种宽频电压信号测量方法及系统 - Google Patents
一种宽频电压信号测量方法及系统 Download PDFInfo
- Publication number
- CN117434337A CN117434337A CN202310872465.5A CN202310872465A CN117434337A CN 117434337 A CN117434337 A CN 117434337A CN 202310872465 A CN202310872465 A CN 202310872465A CN 117434337 A CN117434337 A CN 117434337A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- point
- value
- peak
- 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.)
- Pending
Links
- 238000000691 measurement method Methods 0.000 title abstract description 6
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000003750 conditioning effect Effects 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims description 60
- 238000005070 sampling Methods 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 36
- 238000012546 transfer Methods 0.000 claims description 36
- 238000009499 grossing Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008707 rearrangement Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 43
- 230000003595 spectral effect Effects 0.000 description 13
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R15/00—Details of measuring arrangements of the types provided for in groups G01R17/00 - G01R29/00, G01R33/00 - G01R33/26 or G01R35/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2503—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques for measuring voltage only, e.g. digital volt meters (DVM's)
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/165—Spectrum analysis; Fourier analysis using filters
- G01R23/167—Spectrum analysis; Fourier analysis using filters with digital filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明公开了一种宽频电压信号测量方法及系统,包括:将宽频电压信号转换为数字数据;对采集到的数据进行信号调理和滤波,以去除噪声和杂散信号;对滤波后的信号进行频谱分析,以获得信号在不同频率上的分布情况;检测峰值信号的存在,并提取其频率、幅度特征;基于提取的特征和已知的背景噪声水平,估计宽频电压信号的信噪比;分析估计的信噪比,设定阈值和警报机制,如果信噪比低于设定的阈值,触发相应的警报,以确保及时发现和处理信号异常情况。本发明为宽频电压的测量和监测提供了高效、准确和可靠的解决方案,具备实时性、高精度、自动化和可定制性等优势,适用于多种领域的应用,包括电力系统、通信系统、工业控制等。
Description
技术领域
本发明涉及电压检测技术领域,特别涉及一种宽频电压信号测量方法及系统。
背景技术
宽频电压信号是指在广泛的频率范围内变化的电压信号。它不局限于特定的频率,而是包含多个频率成分。这种信号可以包括各种频率的正弦波、方波、脉冲等,具体的频率范围取决于应用需求。宽频电压信号常用于测试、测量和通信等领域,例如频谱分析、声音处理和无线电传输等。但是目前的宽频电压测量和监测结果都不够准确。
发明内容
为了解决以上问题,本发明提供了一种宽频电压信号测量方法及系统。
为实现上述目的,本发明所采用的技术方案如下:
一方面,本发明公开一种宽频电压信号测量方法及系统,包括如下步骤:
步骤1:将宽频电压信号转换为数字数据;
步骤2:对采集到的数据进行信号调理和滤波,以去除噪声和杂散信号;
步骤3:对滤波后的信号进行频谱分析,以获得信号在不同频率上的分布情况;
步骤4:检测峰值信号的存在,并提取其频率、幅度特征;
步骤5:基于提取的特征和已知的背景噪声水平,估计宽频电压信号的信噪比;
步骤6:分析估计的信噪比,设定阈值和警报机制,如果信噪比低于设定的阈值,触发相应的警报,以确保及时发现和处理信号异常情况。
进一步的:步骤2包括:使用巴特沃斯滤波器,确定巴特沃斯滤波器的阶数和截止频率;阶数和截止频率应用巴特沃斯滤波器到采集到的数据上;将巴特沃斯滤波器转化为数字滤波器的离散形式。
进一步的:阶数和截止频率应用巴特沃斯滤波器到采集到的数据上包括:
巴特沃斯滤波器的传递函数使用有理多项式形式表示,对于一个N阶的巴特沃斯滤波器,其传递函数H(z)表示为:
H(z)=G/(1+b1z-1+b2z-2+...+bnz-n)
其中,G是滤波器的增益系数,b1、b2、...、bn是巴特沃斯滤波器的系数,系数的值根据滤波器的截止频率和阶数进行计算,巴特沃斯滤波器的传递函数形式中的1+b1z-1+b2z-2+...+bnz-n是滤波器的分母多项式,z-1表示单位延迟b1、b2、...、bn是分母多项式的系数;
将上述传递函数H(z)转化为差分方程:
应用Z变换:
将传递函数中的z-1替换为Z,将传递函数H(z)表示为H(Z)=G/(1+b1Z+b2Z2+...+bnZn);
将H(Z)表示为分子和分母多项式形式:
H(Z)=Y(Z)/X(Z),其中Y(Z)是输出信号的Z变换,X(Z)是输入信号的Z变换;
用分子多项式减去分母多项式:
1+b1Z+b2Z2+...+bnZn=Y(Z)-H(Z)X(Z)
将Y(Z)和X(Z)表示为差分方程形式:
Y(Z)-H(Z)X(Z)=y0+y1Z-1+y2Z-2+...+ymZ-m-(b0+b1Z-1+b2Z-2+...+bnZ-n)(x0+x1Z-1+x2Z-2+...+xmZ-m)
其中,y0、y1、y2、...、y□和x0、x1、x2、...、x□分别表示输出信号和输入信号的当前和过去的采样值;
整理差分方程:
根据Z的幂次,整理差分方程,将所有项归类并整理为形如y[n]=...的差分方程形式,其中y[n]表示输出信号的当前采样值,n表示当前的离散时间步数;
根据差分方程的递推关系,使用递归算法计算输出信号的值:
初始化:
设置初始条件,包括输入信号x和输出信号y的初始值;
递推计算:
对于每个采样点n,根据差分方程的递推关系计算输出信号y[n];
差分方程的递推关系形式为:
y[n]=b0x[n]+b1x[n-1]+b2x[n-2]+...+bnx[n-η]-a1y[n-1]-a2y[n-2]-...-amy[n-m]
根据差分方程,使用当前和过去的输入信号值和输出信号值进行加权和运算,得到当前采样点的输出信号值y[n];
在递推计算中,每次计算的输出信号值y[n]作为下一次计算的输入信号值x[n]的一部分;
递推计算按照时间顺序进行,从初始时刻开始,逐个采样点计算输出信号的值,直到所有采样点的输出信号计算完成;
循环迭代:
对每个采样点重复递推计算,直到所有采样点的输出信号计算完成。
进一步的:步骤3包括:
将经过滤波的信号作为输入,确保信号长度为2的幂次方,如果信号长度不是2的幂次方,则进行调整,其包括:
确定原始信号的长度L;
找到大于L的最小2的幂次方数,记为N,即N=2^ceil(log2(L)),其中ceil(x)表示对x进行向上取整操作;
在原始信号的末尾添加N-L个零值,使信号长度变为N;
使用FFT算法对预处理后的信号进行变换,将时域信号转换为频域信号,其包括:
确定输入信号的长度:
确定预处理后的输入信号的长度为N;
将输入信号重新排列:
使用位逆序重新排列的方法,将输入信号的采样点按照二进制位逆序排列;
进行蝶形运算:
使用蝶形运算来实现频域分解和合并的操作,蝶形运算是将输入信号分为两组,每组包含相邻的采样点,然后对每组进行频域运算得到输出,具体步骤如下:
对输入信号进行迭代,每次迭代的步长为当前子问题的规模的一半,即进行频域分解;
在每个迭代步骤中,将输入信号按照蝶形结构分为两组,每组包含相邻的采样点;
对每组进行频域运算,计算出两个频域结果;
将两个频域结果合并为一个结果,得到部分的频域输出;
重复上述步骤,直到完成所有迭代,得到最终的频域输出;
重复计算和合并:
通过重复进行蝶形运算,不断将输入信号分解为更小规模的子问题,直到规模为1,即得到频域输出的完整结果;
获取频域结果:
得到输入信号的频域表示,包括实部和虚部的值,计算频域信号的模值或模值的平方,用于表示信号在不同频率上的分布情况;
对得到的频域信号,取其模值或者模值的平方作为频谱结果,其包括:
取模值:
在FFT计算得到的频域信号中,频域信号的模值表示该频率点的幅度信息,即信号在该频率上的大小,获取频谱结果的步骤如下:
对FFT计算得到的频域信号,分别计算每个频率点的模值;
模值的计算可以使用欧几里得距离来实现,即对每个频率点的实部和虚部进行平方,然后对两个平方值求和,最后再开平方根;
得到每个频率点的模值后,即可得到频谱结果,其中横轴表示频率,纵轴表示幅度;
取模值后的频谱结果能够直观地表示信号在不同频率上的振幅大小;
取模值的平方:
取FFT计算得到的频域信号的模值的平方作为频谱结果,得到能量谱,获取频谱结果的步骤如下:
对FFT计算得到的频域信号,分别计算每个频率点的模值;
将每个频率点的模值平方,得到对应频率点的能量值;
得到每个频率点的能量值后,即得到频谱结果,其中横轴表示频率,纵轴表示能量;
取模值的平方后的频谱结果能够反映信号在不同频率上的能量分布情况,用于分析信号的频域特性;
根据输出结果,获得频率轴的标定,其包括:
确定采样率:
确定进行FFT计算的输入信号的采样率;
确定FFT结果的长度:
FFT计算得到的频域信号的长度为N,输入信号的长度的一半,表示频域信号包含的频率点个数;
计算频率分辨率:
频率分辨率表示频域信号中每个频率点之间的间隔,根据采样率和FFT结果的长度,计算频率分辨率的公式为:
Δf=Fs/N,Δf,单位为Hz;
标定频率轴:
根据频率分辨率和FFT结果的长度,标定频率轴上的每个点所对应的频率,频率轴上的第一个点对应的频率为0Hz,频率轴上的后续点的频率可以通过下述公式计算:
f=k*Δf
其中,f为频率,k为频率点的索引,Δf为频率分辨率。
根据上述计算,得到频率轴上每个点对应的频率值,从而进行频率标定。
进一步的:步骤4包括:
峰值检测:
定义高斯核:
使用高斯函数作为平滑的核函数,高斯函数公式表示为:
G(x)=(1/sqrt(2*π*σ^2))*exp(-(x-μ)^2/(2*σ^2))
其中,G(x)表示高斯函数在位置x处的值,μ表示高斯函数的均值,σ表示高斯函数的标准差;
选择平滑窗口大小:
根据具体需求和应用场景选择合适的窗口大小;
计算高斯权重:
对于选择的平滑窗口大小,计算窗口内每个点的高斯权重,高斯权重表示了每个点在平滑过程中的贡献程度,根据点与窗口中心的距离来计算,通过高斯函数来计算每个点的权重。
进行平滑处理:
对频谱曲线的每个点应用平滑窗口和对应的高斯权重,对于每个点,将窗口内的点与对应的高斯权重相乘,并求和得到平滑后的值,依次对频谱曲线上的每个点进行处理,得到平滑后的频谱曲线;
在平滑后的频谱曲线上,寻找局部最大值或局部极大值点,局部最大值是指在某个点上,它的值比相邻的点的值都要大,局部极大值是指在某个点上,它的值比相邻的点的值都要大,并且它是局部最大值;
寻找局部最大值或局部极大值的方法采用以下步骤:
遍历平滑后的频谱曲线的每个点,从第2个点到倒数第2个点,忽略首尾两个点;
对于每个点,比较其值与相邻两个点的值,如果它是局部最大值或局部极大值,即满足上述定义,将其标记为峰值点;
峰值点的验证和筛选,对峰值点进行验证和筛选,以保留较为显著和稳定的峰值:
设定阈值,将峰值点的幅度或能量与阈值进行比较,只保留超过阈值的峰值点,对相邻的峰值点进行合并或剔除,以消除重复或非实际峰值;
通过验证和筛选,得到较为准确的峰值信号。
进一步的:设定阈值,将峰值点的幅度或能量与阈值进行比较,只保留超过阈值的峰值点,对相邻的峰值点进行合并或剔除,以消除重复或非实际峰值包括:
设定阈值只保留超过阈值的峰值点,步骤如下:
定义一个阈值,根据应用需求和信号特性进行设置;
遍历所有的峰值点,比较每个峰值点的幅度或能量与设定的阈值;
如果峰值点的幅度或能量超过阈值,则保留该峰值点;否则,将该峰值点剔除或标记为非实际峰值;
对相邻的峰值点进行合并或剔除,以消除重复或非实际峰值步骤如下:
对峰值点按照频率或其他特征进行排序;
遍历排序后的峰值点,对相邻的峰值点进行比较;
如果相邻的峰值点之间的距离小于设定的阈值,将它们合并为一个峰值点,选择其中幅度或能量较大的点作为代表;
如果相邻的峰值点之间的距离较大,表示它们是独立的峰值,保留它们作为单独的峰值点。
进一步的:步骤5包括:
提取信号能量:
使用已经提取的特征或频谱分析结果,计算信号的能量:
对于时域信号,计算信号的平方和或绝对值平方和作为信号的能量;
对于频域信号,使用频谱曲线上特定频率范围内的能量作为信号的能量;
估计噪声能量:
如果背景噪声是固定的,并且可以进行先验估计,直接使用预先确定的噪声能量值;
如果背景噪声是随机的,并且在测量过程中可以获取到只包含噪声的信号样本,使用这些样本计算噪声的能量;
计算信噪比:
通过将信号能量与噪声能量进行比较,计算信噪比:计算公式如下:
SNR=10*log10。
另一方面,本发明公开一种宽频电压信号测量系统,其特征在于,包括:
数据采集转化模块:用于将宽频电压信号转换为数字数据;
信号调理与滤波模块:对采集到的数据进行信号调理和滤波,以去除噪声和杂散信号;
频谱分析模块:对滤波后的信号进行频谱分析,以获得信号在不同频率上的分布情况;
峰值检测与特征提取模块:检测峰值信号的存在,并提取其频率、幅度特征;
信噪比估计模块:基于提取的特征和已知的背景噪声水平,估计宽频电压信号的信噪比;
结果分析与监测模块:分析估计的信噪比,设定阈值和警报机制,如果信噪比低于设定的阈值,触发相应的警报,以确保及时发现和处理信号异常情况。
本发明与现有技术相比,所取得的技术进步在于:
实时性:算法系统可以实时采集、处理和分析宽频电压信号,使得监测结果及时可用。这对于需要即时反馈和快速决策的应用非常重要,例如实时故障检测和控制系统。
高精度:通过采用合适的数据采集、滤波和分析技术,算法系统可以提供高精度的宽频电压测量结果。这对于对电压信号进行准确分析和判断的应用非常关键,例如电力系统监测和仪器测量。
自动化:算法系统的自动化特性使得宽频电压的测量和监测过程更加便捷和高效。系统可以自动进行数据采集、信号处理、特征提取等步骤,减少了人工操作和人为误差的可能性。
大规模处理能力:算法系统可以扩展到处理大规模宽频电压数据。通过并行计算和优化算法设计,系统可以快速处理大量数据,适应高频率的测量和监测需求。
实用性和可定制性:算法系统可以根据具体应用需求进行定制和配置。用户可以根据自己的需求选择合适的数据采集设备、滤波器、特征提取算法等组件,使系统能够满足特定的测量和监测要求。。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1为本发明的流程图。
具体实施方式
下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
一方面,如图1,本发明公开一种宽频电压信号测量方法,包括:
步骤1:数据采集
使用合适的传感器或测量设备,将宽频电压信号转换为数字数据。确保采样率足够高以捕获所需的频率范围。
步骤2:信号调理与滤波
对采集到的数据进行信号调理和滤波,以去除噪声和杂散信号,保留感兴趣的频率范围。可以使用数字滤波器来实现,如低通滤波器、带通滤波器等。
步骤3:频谱分析
对滤波后的信号进行频谱分析,以获得信号在不同频率上的分布情况。可以使用快速傅里叶变换(FFT)或其他频谱分析算法来获取频谱信息。
步骤4:峰值检测与特征提取
在频谱分析结果中,检测峰值信号的存在,并提取其频率、幅度等特征。这有助于识别宽频信号中的重要成分和变化趋势。
步骤5:信噪比估计
基于提取的特征和已知的背景噪声水平,估计宽频电压信号的信噪比。这可以通过计算峰值信号与噪声的比例来实现。
步骤6:结果分析与监测
分析估计的信噪比结果,根据实际应用需求设定合适的阈值和警报机制。如果信噪比低于设定的阈值,触发相应的警报或处理措施,以确保及时发现和处理信号异常情况。
要实现数据采集步骤,将宽频电压信号转换为数字数据并确保足够的采样率,可以按照以下详细步骤进行:
选择适当的传感器或测量设备:
针对宽频电压信号测量,可以选择具有高输入动态范围和宽带特性的传感器或测量设备。例如,模数转换器(ADC)可以用于将连续的电压信号转换为数字数据。
确定采样率要求:
根据宽频信号中最高频率成分的两倍以上,确定所需的采样率。根据奈奎斯特采样定理,采样率应至少是信号最高频率的两倍,以避免混叠效应。
选择合适的ADC:
根据所需的采样率和分辨率选择合适的ADC。ADC的采样率应能够满足宽频信号的要求,并具有足够的分辨率以保证数据的准确性。
连接电路和接口:
将宽频电压信号与选定的传感器或测量设备连接起来。这可能需要使用适当的电缆、连接器和放大器等设备。
配置和控制:
针对选定的ADC和数据采集设备,进行配置和控制设置。这可能包括设置采样率、增益、输入通道和触发条件等。
数据采集和存储:
启动数据采集过程,并将转换后的数字数据存储到适当的存储介质中,如计算机硬盘、内存或数据采集卡等。
需要注意的是,确保采样率足够高是至关重要的,以捕获宽频信号的高频成分。采样率的选择要根据信号频率特性和应用需求进行权衡。此外,ADC的性能参数,如动态范围、分辨率和信噪比等,也会影响数据采集的准确性和质量。
在实际实施过程中,需要根据具体的硬件和软件平台,以及应用场景的要求进行适当的配置和调试。同时,确保设备的校准和校正也是必要的,以确保采集到的数据是准确可靠的。
步骤2包括:
确定滤波器类型和特性:
根据应用需求选择合适的滤波器类型。常见的滤波器类型包括低通滤波器、高通滤波器、带通滤波器和带阻滤波器。在宽频电压信号测量中,常用的是带通滤波器,用于保留感兴趣的频率范围。
确定滤波器的截止频率,即滤波器在频率响应中的起作用的频率点。
设计滤波器参数:
对于巴特沃斯滤波器,需要确定滤波器的阶数和截止频率。阶数越高,滤波器的陡峭度越高,但可能引入更多的相位延迟。
截止频率应根据应用需求选择,以确保滤波器能够保留感兴趣的频率范围。
应用滤波器:
根据滤波器的设计参数,应用滤波器到采集到的数据上。这可以通过数字信号处理算法来实现,例如巴特沃斯滤波器的差分方程或传递函数。
实现滤波器:
将设计好的滤波器转化为数字滤波器的离散形式。这可以通过差分方程或者离散传递函数来实现。
使用数字滤波器算法对采集到的数据进行滤波操作。
优化和调试:
对滤波器进行优化和调试,根据实际应用需求进行参数调整和性能评估。这可能涉及到滤波器阶数、截止频率、滤波器延迟等参数的调整。
应用滤波器时,使用传递函数来实现滤波操作。传递函数描述了滤波器在频域中的响应特性,它将输入信号映射到输出信号。
下面是使用传递函数实现滤波器的详细说明:
选择合适的滤波器类型和传递函数:
根据应用需求选择适当的滤波器类型和传递函数。例如,巴特沃斯滤波器的传递函数可以用有理多项式形式表示。
将传递函数转换为差分方程:
使用信号处理技术,将传递函数转换为差分方程。这可以通过分解传递函数为分子多项式和分母多项式,然后将其转换为差分方程形式。差分方程描述了滤波器在时域中的运算方式。
差分方程实现滤波器:
将转换后的差分方程应用于采集到的数据。对每个采样点,根据差分方程的递推关系,计算输出信号的值。
巴特沃斯滤波器的传递函数可以用有理多项式形式表示。对于一个N阶的巴特沃斯滤波器,其传递函数H(z)可以表示为:
H(z)=G/(1+b1z-1+b2z-2+...+bnz-n)
其中,G是滤波器的增益系数,b1、b2、...、bn是巴特沃斯滤波器的系数。这些系数的值可以根据滤波器的截止频率和阶数进行计算。
巴特沃斯滤波器的传递函数形式中的1+b1z-1+b2z-2+...+bnz-n是滤波器的分母多项式。其中,z-1表示单位延迟(一步时间倒退),b1、b2、...、bn是分母多项式的系数。
需要注意的是,巴特沃斯滤波器的传递函数是离散时间域中的传递函数,适用于数字信号处理。在实际实现过程中,可以将传递函数转换为差分方程形式,然后使用差分方程进行滤波操作。
通过设置合适的传递函数系数,巴特沃斯滤波器可以实现不同的截止频率和滤波特性。根据滤波器的阶数和截止频率,可以计算出传递函数的系数,并将其应用于滤波器的设计和实现过程。
将传递函数转换为差分方程的一种常用方法是使用Z变换。对于上述巴特沃斯滤波器的传递函数H(z)=G/(1+b1z-1+b2z-2+...+b□z-n),可以按照以下步骤将其转换为差分方程:
应用Z变换:
将传递函数中的z-1替换为Z,将传递函数H(z)表示为H(Z)=G/(1+b1Z+b2Z2+...+b□Zn)。
将H(Z)表示为分子和分母多项式形式:
H(Z)=Y(Z)/X(Z),其中Y(Z)是输出信号的Z变换,X(Z)是输入信号的Z变换。
用分子多项式减去分母多项式:
1+b1Z+b2Z2+...+b□Zn=Y(Z)-H(Z)X(Z)
将Y(Z)和X(Z)表示为差分方程形式:
Y(Z)-H(Z)X(Z)=y0+y1Z-1+y2Z-2+...+y□Z-m-(b0+b1Z-1+b2Z-2+...+b□Z-n)(x0+x1Z-1+x2Z-2+...+x□Z-m)
其中,y0、y1、y2、...、y□和x0、x1、x2、...、x□分别表示输出信号和输入信号的当前和过去的采样值。
整理差分方程:
根据Z的幂次,整理差分方程,将所有项归类并整理为形如y[n]=...的差分方程形式,其中y[n]表示输出信号的当前采样值,n表示当前的离散时间步数。
通过以上步骤,可以将传递函数转换为差分方程形式,从而可以在数字信号处理中应用该差分方程进行滤波操作。转换后的差分方程描述了滤波器在时域中的运算方式和输入输出关系。
将转换后的差分方程应用于采集到的数据。对每个采样点,根据差分方程的递推关系,计算输出信号的值包括:
初始化:
设置初始条件,包括输入信号x和输出信号y的初始值。
递推计算:
对于每个采样点n,根据差分方程的递推关系计算输出信号y[n]。
差分方程的递推关系通常以形式:y[n]=b0x[n]+b1x[n-1]+b2x[n-2]+...+b□x[n-η]-a1y[n-1]-a2y[n-2]-...-a□y[n-m]表示。
根据差分方程,使用当前和过去的输入信号值和输出信号值进行加权和运算,得到当前采样点的输出信号值y[n]。
在递推计算中,每次计算的输出信号值y[n]作为下一次计算的输入信号值x[n]的一部分。
递推计算按照时间顺序进行,从初始时刻开始,逐个采样点计算输出信号的值,直到所有采样点的输出信号计算完成。
循环迭代:
对每个采样点重复步骤2中的递推计算,直到所有采样点的输出信号计算完成。
通过递推计算,根据差分方程的递推关系,可以逐个采样点地计算输出信号的值。这种递推算法的优点是可以有效地利用过去的输入和输出信号值,实现实时的滤波操作。
需要注意的是,差分方程的递推计算可能涉及到浮点数运算,因此在实际实现中需要考虑数值精度和计算效率的问题。同时,差分方程的具体形式会根据滤波器的类型和设计参数而有所不同,因此在具体应用中,需要根据差分方程的形式进行相应的计算实现。
步骤3包括:
使用快速傅里叶变换(FFT)进行频谱分析可以实现高效的频率域分析。以下是使用FFT进行频谱分析的详细步骤:
数据预处理:
将经过滤波的信号作为输入,确保信号长度为2的幂次方(例如,1024、2048等),如果信号长度不是2的幂次方,可以通过零填充(zero-padding)或截断等方法进行调整。
应用FFT算法:
使用FFT算法对预处理后的信号进行变换,将时域信号转换为频域信号。FFT算法是一种快速计算离散傅里叶变换(DFT)的方法,能够高效地计算出频谱信息。
获取频谱结果:
对FFT计算得到的频域信号,取其模值或者模值的平方(用于能量谱)作为频谱结果。通过对频域信号进行幅度谱或功率谱的计算,可以获得信号在不同频率上的分布情况。
频率轴标定:
根据FFT的输出结果,可以获得频率轴的标定。频率轴上的每个点表示信号在对应频率上的幅度或能量。根据采样率和信号长度,可以计算出每个频率点的具体频率值。
可视化频谱:
将频谱结果可视化为频谱图,通常以频率为横轴,幅度或能量为纵轴,显示信号在不同频率上的分布情况。常见的频谱图形包括幅度谱图和功率谱图。
通过使用FFT算法,可以高效地将滤波后的信号转换为频域信号,并获得信号在不同频率上的分布情况。频谱分析可以帮助我们了解信号的频率特性,识别频率成分和噪声等信息。在实际应用中,可以借助现有的数字信号处理库或自行编写FFT算法来实现频谱分析的计算。
数据长度调整为2的幂次方可以通过零填充方法进行实现:
首先,确定原始信号的长度L。
找到大于L的最小2的幂次方数,记为N,即N=2^ceil(log2(L)),其中ceil(x)表示对x进行向上取整操作。
在原始信号的末尾添加N-L个零值,使信号长度变为N。
通过零填充,可以保持信号的原始信息,并且在频谱分析中,零值对应的频率成分为直流分量,不会对其他频率成分造成影响。
使用FFT算法对预处理后的信号进行变换,将时域信号转换为频域信号实现步骤如下:确定输入信号的长度:
首先,确定预处理后的输入信号的长度为N。
将输入信号重新排列:
FFT算法对输入信号要求长度为2的幂次方,因此需要对输入信号进行重新排列,使其长度为2的幂次方。通常使用位逆序(bit-reversal)重新排列的方法,将输入信号的采样点按照二进制位逆序排列。
进行蝶形运算:
FFT算法使用蝶形运算(butterfly operation)来实现频域分解和合并的操作。蝶形运算是将输入信号分为两组,每组包含相邻的采样点,然后对每组进行频域运算得到输出。具体步骤如下:
对输入信号进行迭代,每次迭代的步长为当前子问题的规模的一半,即进行频域分解。
在每个迭代步骤中,将输入信号按照蝶形结构分为两组,每组包含相邻的采样点。
对每组进行频域运算,计算出两个频域结果。
将两个频域结果合并为一个结果,得到部分的频域输出。
重复上述步骤,直到完成所有迭代,得到最终的频域输出。
重复计算和合并:
通过重复进行步骤3的蝶形运算,不断将输入信号分解为更小规模的子问题,直到规模为1,即得到频域输出的完整结果。
获取频域结果:
最终,根据FFT算法的计算过程,可以得到输入信号的频域表示,包括实部和虚部的值。通常,我们可以计算频域信号的模值(幅度谱)或模值的平方(功率谱),用于表示信号在不同频率上的分布情况。
对FFT计算得到的频域信号,取其模值或者模值的平方(用于能量谱)作为频谱结果实现步骤如下:
取模值:
在FFT计算得到的频域信号中,每个频率点都有实部和虚部的值。频域信号的模值表示了该频率点的幅度信息,即信号在该频率上的大小。获取频谱结果的步骤如下:
对FFT计算得到的频域信号,分别计算每个频率点的模值。
模值的计算可以使用欧几里得距离(即平方根)来实现,即对每个频率点的实部和虚部进行平方,然后对两个平方值求和,最后再开平方根。
得到每个频率点的模值后,即可得到频谱结果,其中横轴表示频率,纵轴表示幅度。
取模值后的频谱结果能够直观地表示信号在不同频率上的振幅大小。
取模值的平方(能量谱):
在某些情况下,我们关注的是信号在不同频率上的能量分布情况,而不仅仅是振幅大小。此时,可以取FFT计算得到的频域信号的模值的平方作为频谱结果,得到能量谱。获取频谱结果的步骤如下:
对FFT计算得到的频域信号,分别计算每个频率点的模值。
将每个频率点的模值平方,得到对应频率点的能量值。
得到每个频率点的能量值后,即可得到频谱结果,其中横轴表示频率,纵轴表示能量。
取模值的平方后的频谱结果能够反映信号在不同频率上的能量分布情况,用于分析信号的频域特性。
通过取FFT计算得到的频域信号的模值或模值的平方,可以获得信号在不同频率上的分布情况,进而进行频谱分析和特征提取。
根据FFT的输出结果,可以获得频率轴的标定实现步骤如下:
确定采样率:
首先,需要确定进行FFT计算的输入信号的采样率(采样频率),表示每秒采集到的样本数。假设采样率为Fs(单位为Hz)。
确定FFT结果的长度:
FFT计算得到的频域信号的长度为N,通常是输入信号的长度的一半(N=L/2,其中L为输入信号的长度),表示频域信号包含的频率点个数。
计算频率分辨率:
频率分辨率表示频域信号中每个频率点之间的间隔。根据采样率和FFT结果的长度,可以计算频率分辨率(Δf,单位为Hz)的公式为:
Δf=Fs/N
频率分辨率决定了频谱中每个频率点所代表的频率范围。
标定频率轴:
根据频率分辨率和FFT结果的长度,可以标定频率轴上的每个点所对应的频率。通常,频率轴的范围是从0Hz到采样率的一半(Fs/2)。
频率轴上的第一个点对应的频率为0Hz。
频率轴上的后续点的频率可以通过下述公式计算:
f=k*Δf
其中,f为频率,k为频率点的索引(从1开始),Δf为频率分辨率。
根据上述计算,可以得到频率轴上每个点对应的频率值,从而进行频率标定。
通过以上步骤,可以根据FFT的输出结果和采样率来获得频率轴的标定,使得频率轴上的每个点能够表示信号在对应频率上的幅度或能量。
步骤4包括:
峰值检测:
平滑频谱曲线:
首先,为了减小峰值搜索的误差和噪声的影响,通常需要对频谱曲线进行平滑处理。常用的平滑方法包括移动平均、高斯平滑等。平滑后的频谱曲线将更加平滑和连续,有助于准确地找到峰值。
寻找局部最大值或局部极大值:
在平滑后的频谱曲线上,可以开始寻找局部最大值或局部极大值点。这些点表示了潜在的峰值信号的位置。
局部最大值是指在某个点上,它的值比相邻的点的值都要大。
局部极大值是指在某个点上,它的值比相邻的点的值都要大,并且它是局部最大值。
寻找局部最大值或局部极大值的方法可以采用以下步骤:
遍历平滑后的频谱曲线的每个点,从第2个点到倒数第2个点,忽略首尾两个点。
对于每个点,比较其值与相邻两个点的值。如果它是局部最大值或局部极大值,即满足上述定义,将其标记为峰值点。
峰值点的验证和筛选:
找到的峰值点可能包含一些噪声或不明显的峰值。因此,可以对峰值点进行验证和筛选,以保留较为显著和稳定的峰值。
可以设定一个阈值,将峰值点的幅度或能量与阈值进行比较。只保留超过阈值的峰值点。
可以对相邻的峰值点进行合并或剔除,以消除重复或非实际峰值。
通过验证和筛选,可以得到较为准确的峰值信号。
特征提取:
在检测到峰值信号后,可以进行特征提取,提取峰值信号的相关特征,常见的特征包括:
频率:峰值信号的频率是其最显著的特征,可以通过频谱上的位置来确定。
幅度或能量:峰值信号的幅度或能量表示了其在频域上的强度,可以通过频谱上的幅度或能量值来提取。
峰宽:峰值信号的带宽或峰的宽度可以反映信号的时域特性,可以通过峰值信号在频谱上的宽度来计算。
峰形态:峰值信号的形态特征可以描述信号的谱线形状,如峰的对称性或不对称性。
特征提取方法可以根据具体需求选择和设计,常用的方法包括拟合曲线、计算统计量、使用峰值识别算法等。
通过峰值检测和特征提取,可以在频谱分析结果中找到峰值信号并提取其相关特征,从而对信号进行进一步的分析和处理。这些特征可以用于信号识别、分类、定位等应用。
高斯平滑的实现步骤:
定义高斯核:
高斯平滑使用高斯函数(也称为正态分布函数)作为平滑的核函数。高斯函数可以用以下公式表示:
G(x)=(1/sqrt(2*π*σ^2))*exp(-(x-μ)^2/(2*σ^2))
其中,G(x)表示高斯函数在位置x处的值,μ表示高斯函数的均值,σ表示高斯函数的标准差。
选择平滑窗口大小:
平滑窗口大小决定了平滑的程度。较大的窗口大小会产生更平滑的结果,但会导致信号细节的模糊。根据具体需求和应用场景选择合适的窗口大小。
计算高斯权重:
对于选择的平滑窗口大小,需要计算窗口内每个点的高斯权重。高斯权重表示了每个点在平滑过程中的贡献程度,根据点与窗口中心的距离来计算。可以通过高斯函数来计算每个点的权重。
进行平滑处理:
对频谱曲线的每个点应用平滑窗口和对应的高斯权重。对于每个点,将窗口内的点与对应的高斯权重相乘,并求和得到平滑后的值。依次对频谱曲线上的每个点进行处理,得到平滑后的频谱曲线。
高斯平滑通过高斯函数的权重对频谱曲线进行加权平均,较远离中心的点具有较小的权重,从而实现平滑效果。平滑后的频谱曲线可以减小噪声的影响,使信号的特征更加明显。选择合适的窗口大小和高斯函数的参数可以根据具体情况进行调整,以达到所需的平滑效果。
设定阈值并比较:
在峰值检测中,可以设定一个阈值来过滤掉低于该阈值的峰值点。具体步骤如下:
定义一个阈值,根据应用需求和信号特性进行设置。
遍历所有的峰值点,比较每个峰值点的幅度或能量与设定的阈值。
如果峰值点的幅度或能量超过阈值,则保留该峰值点;否则,将该峰值点剔除或标记为非实际峰值。
合并或剔除相邻峰值点:
在峰值检测中,相邻的峰值点可能对应于同一个实际峰值,或者存在重复的峰值。为了消除重复或非实际峰值,可以对相邻峰值点进行合并或剔除。具体步骤如下:
对峰值点按照频率或其他特征进行排序。
遍历排序后的峰值点,对相邻的峰值点进行比较。
如果相邻的峰值点之间的距离小于一个设定的阈值(例如,频率差小于一定范围),可以将它们合并为一个峰值点,选择其中幅度或能量较大的点作为代表。
如果相邻的峰值点之间的距离较大,可能表示它们是独立的峰值,可以保留它们作为单独的峰值点。
通过设定阈值和合并或剔除相邻峰值点,可以对峰值检测结果进行优化和筛选,提取出较为显著和稳定的峰值。这样可以减少误检和重复检测,并保留主要的信号特征。具体的阈值和合并规则可根据具体应用进行调整和优化。
步骤5包括:
提取信号能量:
使用已经提取的特征或频谱分析结果,计算信号的能量。这可以通过以下方法之一实现:
对于时域信号,计算信号的平方和或绝对值平方和作为信号的能量。
对于频域信号,可以使用频谱曲线上特定频率范围内的能量作为信号的能量。
估计噪声能量:
在已知的背景噪声水平或噪声模型的情况下,可以估计噪声的能量。这可以通过以下方法之一实现:
如果背景噪声是固定的,并且可以进行先验估计,可以直接使用预先确定的噪声能量值。
如果背景噪声是随机的,并且在测量过程中可以获取到只包含噪声的信号样本(没有宽频电压信号),可以使用这些样本计算噪声的能量。
计算信噪比:
通过将信号能量与噪声能量进行比较,计算信噪比。通常使用分贝(dB)作为信噪比的单位。计算公式如下:
SNR=10*log10(信号能量/噪声能量)
另一方面,本发明公开一种一种宽频电压信号测量系统,其特征在于,包括:
数据采集转化模块:用于将宽频电压信号转换为数字数据;
信号调理与滤波模块:对采集到的数据进行信号调理和滤波,以去除噪声和杂散信号;
频谱分析模块:对滤波后的信号进行频谱分析,以获得信号在不同频率上的分布情况;
峰值检测与特征提取模块:检测峰值信号的存在,并提取其频率、幅度特征;
信噪比估计模块:基于提取的特征和已知的背景噪声水平,估计宽频电压信号的信噪比;
结果分析与监测模块:分析估计的信噪比,设定阈值和警报机制,如果信噪比低于设定的阈值,触发相应的警报,以确保及时发现和处理信号异常情况。
最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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,均应包含在本发明权利要求保护的范围之内。
Claims (8)
1.一种宽频电压信号测量方法,其特征在于,包括如下步骤:
步骤1:将宽频电压信号转换为数字数据;
步骤2:对采集到的数据进行信号调理和滤波,以去除噪声和杂散信号;
步骤3:对滤波后的信号进行频谱分析,以获得信号在不同频率上的分布情况;
步骤4:检测峰值信号的存在,并提取其频率、幅度特征;
步骤5:基于提取的特征和已知的背景噪声水平,估计宽频电压信号的信噪比;
步骤6:分析估计的信噪比,设定阈值和警报机制,如果信噪比低于设定的阈值,触发相应的警报,以确保及时发现和处理信号异常情况。
2.根据权利要求1所述的一种宽频电压信号测量方法,其特征在于,步骤2包括:使用巴特沃斯滤波器,确定巴特沃斯滤波器的阶数和截止频率;阶数和截止频率应用巴特沃斯滤波器到采集到的数据上;将巴特沃斯滤波器转化为数字滤波器的离散形式。
3.根据权利要求1所述的一种宽频电压信号测量方法,其特征在于,阶数和截止频率应用巴特沃斯滤波器到采集到的数据上包括:
巴特沃斯滤波器的传递函数使用有理多项式形式表示,对于一个N阶的巴特沃斯滤波器,其传递函数H(z)表示为:
H(z)=G/(1+b1z-1+b2z-2+...+bnz-n)
其中,G是滤波器的增益系数,b1、b2、...、bn是巴特沃斯滤波器的系数,系数的值根据滤波器的截止频率和阶数进行计算,巴特沃斯滤波器的传递函数形式中的1+b1z-1+b2z-2+...+bnz-n是滤波器的分母多项式,z-1表示单位延迟b1、b2、...、bn是分母多项式的系数;
将上述传递函数H(z)转化为差分方程:
应用Z变换:
将传递函数中的z-1替换为Z,将传递函数H(z)表示为H(Z)=G/(1+b1Z+b2Z2+...+bnZn);
将H(Z)表示为分子和分母多项式形式:
H(Z)=Y(Z)/X(Z),其中Y(Z)是输出信号的Z变换,X(Z)是输入信号的Z变换;
用分子多项式减去分母多项式:
1+b1Z+b2Z2+...+bnZn=Y(Z)-H(Z)X(Z)
将Y(Z)和X(Z)表示为差分方程形式:
Y(Z)-H(Z)X(Z)=y0+y1Z-1+y2Z-2+...+ymZ-m-(b0+b1Z-1+b2Z-2+...+bnZ-n)(x0+x1Z-1+x2Z-2+...+xmZ-m)
其中,y0、y1、y2、...、ym和x0、x1、x2、...、xm分别表示输出信号和输入信号的当前和过去的采样值;
整理差分方程:
根据Z的幂次,整理差分方程,将所有项归类并整理为形如y[n]=...的差分方程形式,其中y[n]表示输出信号的当前采样值,n表示当前的离散时间步数;
根据差分方程的递推关系,使用递归算法计算输出信号的值:
初始化:
设置初始条件,包括输入信号x和输出信号y的初始值;
递推计算:
对于每个采样点n,根据差分方程的递推关系计算输出信号y[n];
差分方程的递推关系形式为:
y[n]=b0x[n]+b1x[n-1]+b2x[n-2]+...+bnx[n-η]-a1y[n-1]-a2y[n-2]-...-amy[n-m]
根据差分方程,使用当前和过去的输入信号值和输出信号值进行加权和运算,得到当前采样点的输出信号值y[n];
在递推计算中,每次计算的输出信号值y[n]作为下一次计算的输入信号值x[n]的一部分;
递推计算按照时间顺序进行,从初始时刻开始,逐个采样点计算输出信号的值,直到所有采样点的输出信号计算完成;
循环迭代:
对每个采样点重复递推计算,直到所有采样点的输出信号计算完成。
4.根据权利要求1所述的一种宽频电压信号测量方法,其特征在于,步骤3包括:
将经过滤波的信号作为输入,确保信号长度为2的幂次方,如果信号长度不是2的幂次方,则进行调整,其包括:
确定原始信号的长度L;
找到大于L的最小2的幂次方数,记为N,即N=2^ceil(log2(L)),其中ceil(x)表示对x进行向上取整操作;
在原始信号的末尾添加N-L个零值,使信号长度变为N;
使用FFT算法对预处理后的信号进行变换,将时域信号转换为频域信号,其包括:
确定输入信号的长度:
确定预处理后的输入信号的长度为N;
将输入信号重新排列:
使用位逆序重新排列的方法,将输入信号的采样点按照二进制位逆序排列;
进行蝶形运算:
使用蝶形运算来实现频域分解和合并的操作,蝶形运算是将输入信号分为两组,每组包含相邻的采样点,然后对每组进行频域运算得到输出,具体步骤如下:
对输入信号进行迭代,每次迭代的步长为当前子问题的规模的一半,即进行频域分解;
在每个迭代步骤中,将输入信号按照蝶形结构分为两组,每组包含相邻的采样点;
对每组进行频域运算,计算出两个频域结果;
将两个频域结果合并为一个结果,得到部分的频域输出;
重复上述步骤,直到完成所有迭代,得到最终的频域输出;
重复计算和合并:
通过重复进行蝶形运算,不断将输入信号分解为更小规模的子问题,直到规模为1,即得到频域输出的完整结果;
获取频域结果:
得到输入信号的频域表示,包括实部和虚部的值,计算频域信号的模值或模值的平方,用于表示信号在不同频率上的分布情况;
对得到的频域信号,取其模值或者模值的平方作为频谱结果,其包括:
取模值:
在FFT计算得到的频域信号中,频域信号的模值表示该频率点的幅度信息,即信号在该频率上的大小,获取频谱结果的步骤如下:
对FFT计算得到的频域信号,分别计算每个频率点的模值;
模值的计算可以使用欧几里得距离来实现,即对每个频率点的实部和虚部进行平方,然后对两个平方值求和,最后再开平方根;
得到每个频率点的模值后,即可得到频谱结果,其中横轴表示频率,纵轴表示幅度;
取模值后的频谱结果能够直观地表示信号在不同频率上的振幅大小;
取模值的平方:
取FFT计算得到的频域信号的模值的平方作为频谱结果,得到能量谱,获取频谱结果的步骤如下:
对FFT计算得到的频域信号,分别计算每个频率点的模值;
将每个频率点的模值平方,得到对应频率点的能量值;
得到每个频率点的能量值后,即得到频谱结果,其中横轴表示频率,纵轴表示能量;
取模值的平方后的频谱结果能够反映信号在不同频率上的能量分布情况,用于分析信号的频域特性;
根据输出结果,获得频率轴的标定,其包括:
确定采样率:
确定进行FFT计算的输入信号的采样率;
确定FFT结果的长度:
FFT计算得到的频域信号的长度为N,输入信号的长度的一半,表示频域信号包含的频率点个数;
计算频率分辨率:
频率分辨率表示频域信号中每个频率点之间的间隔,根据采样率和FFT结果的长度,计算频率分辨率的公式为:
Δf=Fs/N,Δf,单位为Hz;
标定频率轴:
根据频率分辨率和FFT结果的长度,标定频率轴上的每个点所对应的频率,频率轴上的第一个点对应的频率为0Hz,频率轴上的后续点的频率可以通过下述公式计算:
f=k*Δf
其中,f为频率,k为频率点的索引,Δf为频率分辨率。
根据上述计算,得到频率轴上每个点对应的频率值,从而进行频率标定。
5.根据权利要求1所述的一种宽频电压信号测量方法,其特征在于,步骤4包括:
峰值检测:
定义高斯核:
使用高斯函数作为平滑的核函数,高斯函数公式表示为:
G(x)=(1/sqrt(2*π*σ^2))*exp(-(x-μ)^2/(2*σ^2))
其中,G(x)表示高斯函数在位置x处的值,μ表示高斯函数的均值,σ表示高斯函数的标准差;
选择平滑窗口大小:
根据具体需求和应用场景选择合适的窗口大小;
计算高斯权重:
对于选择的平滑窗口大小,计算窗口内每个点的高斯权重,高斯权重表示了每个点在平滑过程中的贡献程度,根据点与窗口中心的距离来计算,通过高斯函数来计算每个点的权重。
进行平滑处理:
对频谱曲线的每个点应用平滑窗口和对应的高斯权重,对于每个点,将窗口内的点与对应的高斯权重相乘,并求和得到平滑后的值,依次对频谱曲线上的每个点进行处理,得到平滑后的频谱曲线;
在平滑后的频谱曲线上,寻找局部最大值或局部极大值点,局部最大值是指在某个点上,它的值比相邻的点的值都要大,局部极大值是指在某个点上,它的值比相邻的点的值都要大,并且它是局部最大值;
寻找局部最大值或局部极大值的方法采用以下步骤:
遍历平滑后的频谱曲线的每个点,从第2个点到倒数第2个点,忽略首尾两个点;
对于每个点,比较其值与相邻两个点的值,如果它是局部最大值或局部极大值,即满足上述定义,将其标记为峰值点;
峰值点的验证和筛选,对峰值点进行验证和筛选,以保留较为显著和稳定的峰值:
设定阈值,将峰值点的幅度或能量与阈值进行比较,只保留超过阈值的峰值点,对相邻的峰值点进行合并或剔除,以消除重复或非实际峰值;
通过验证和筛选,得到较为准确的峰值信号。
6.根据权利要求5所述的一种宽频电压信号测量方法,其特征在于,设定阈值,将峰值点的幅度或能量与阈值进行比较,只保留超过阈值的峰值点,对相邻的峰值点进行合并或剔除,以消除重复或非实际峰值包括:
设定阈值只保留超过阈值的峰值点,步骤如下:
定义一个阈值,根据应用需求和信号特性进行设置;
遍历所有的峰值点,比较每个峰值点的幅度或能量与设定的阈值;
如果峰值点的幅度或能量超过阈值,则保留该峰值点;否则,将该峰值点剔除或标记为非实际峰值;
对相邻的峰值点进行合并或剔除,以消除重复或非实际峰值步骤如下:
对峰值点按照频率或其他特征进行排序;
遍历排序后的峰值点,对相邻的峰值点进行比较;
如果相邻的峰值点之间的距离小于设定的阈值,将它们合并为一个峰值点,选择其中幅度或能量较大的点作为代表;
如果相邻的峰值点之间的距离较大,表示它们是独立的峰值,保留它们作为单独的峰值点。
7.根据权利要求1所述的一种宽频电压信号测量方法,其特征在于,步骤5包括:
提取信号能量:
使用已经提取的特征或频谱分析结果,计算信号的能量:
对于时域信号,计算信号的平方和或绝对值平方和作为信号的能量;
对于频域信号,使用频谱曲线上特定频率范围内的能量作为信号的能量;
估计噪声能量:
如果背景噪声是固定的,并且可以进行先验估计,直接使用预先确定的噪声能量值;
如果背景噪声是随机的,并且在测量过程中可以获取到只包含噪声的信号样本,使用这些样本计算噪声的能量;
计算信噪比:
通过将信号能量与噪声能量进行比较,计算信噪比:计算公式如下:
SNR=10*log10。
8.一种宽频电压信号测量系统,其特征在于,包括:
数据采集转化模块:用于将宽频电压信号转换为数字数据;
信号调理与滤波模块:对采集到的数据进行信号调理和滤波,以去除噪声和杂散信号;
频谱分析模块:对滤波后的信号进行频谱分析,以获得信号在不同频率上的分布情况;
峰值检测与特征提取模块:检测峰值信号的存在,并提取其频率、幅度特征;
信噪比估计模块:基于提取的特征和已知的背景噪声水平,估计宽频电压信号的信噪比;
结果分析与监测模块:分析估计的信噪比,设定阈值和警报机制,如果信噪比低于设定的阈值,触发相应的警报,以确保及时发现和处理信号异常情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310872465.5A CN117434337A (zh) | 2023-07-17 | 2023-07-17 | 一种宽频电压信号测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310872465.5A CN117434337A (zh) | 2023-07-17 | 2023-07-17 | 一种宽频电压信号测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117434337A true CN117434337A (zh) | 2024-01-23 |
Family
ID=89557215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310872465.5A Pending CN117434337A (zh) | 2023-07-17 | 2023-07-17 | 一种宽频电压信号测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117434337A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117686774A (zh) * | 2024-01-31 | 2024-03-12 | 国网山东省电力公司营销服务中心(计量中心) | 一种宽频电压信号监测方法、系统、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB817331A (en) * | 1955-02-10 | 1959-07-29 | Ballantine Lab | Low level wide band voltage measurement system |
CN206695822U (zh) * | 2017-04-06 | 2017-12-01 | 中国电建集团中南勘测设计研究院有限公司 | 一种振弦式传感器工作性态在线测试装置 |
CN107561367A (zh) * | 2017-08-15 | 2018-01-09 | 北京航空航天大学 | 一种基于压缩感知理论的宽频谱阻抗测量装置及方法 |
CN112904088A (zh) * | 2021-01-15 | 2021-06-04 | 南方电网科学研究院有限责任公司 | 一种宽频介损检测装置中的介质损耗角正切计算方法 |
CN113125852A (zh) * | 2021-04-22 | 2021-07-16 | 云南电网有限责任公司电力科学研究院 | 一种谐波分析方法 |
CN115436694A (zh) * | 2022-09-05 | 2022-12-06 | 国网北京市电力公司 | 电压测量方法、系统、电子设备及非易失性存储介质 |
CN116338558A (zh) * | 2023-05-31 | 2023-06-27 | 国网福建省电力有限公司 | 一种直流电压宽频数字量标准器及使用方法 |
-
2023
- 2023-07-17 CN CN202310872465.5A patent/CN117434337A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB817331A (en) * | 1955-02-10 | 1959-07-29 | Ballantine Lab | Low level wide band voltage measurement system |
CN206695822U (zh) * | 2017-04-06 | 2017-12-01 | 中国电建集团中南勘测设计研究院有限公司 | 一种振弦式传感器工作性态在线测试装置 |
CN107561367A (zh) * | 2017-08-15 | 2018-01-09 | 北京航空航天大学 | 一种基于压缩感知理论的宽频谱阻抗测量装置及方法 |
CN112904088A (zh) * | 2021-01-15 | 2021-06-04 | 南方电网科学研究院有限责任公司 | 一种宽频介损检测装置中的介质损耗角正切计算方法 |
CN113125852A (zh) * | 2021-04-22 | 2021-07-16 | 云南电网有限责任公司电力科学研究院 | 一种谐波分析方法 |
CN115436694A (zh) * | 2022-09-05 | 2022-12-06 | 国网北京市电力公司 | 电压测量方法、系统、电子设备及非易失性存储介质 |
CN116338558A (zh) * | 2023-05-31 | 2023-06-27 | 国网福建省电力有限公司 | 一种直流电压宽频数字量标准器及使用方法 |
Non-Patent Citations (4)
Title |
---|
姜恩华、李素文、窦德召、陈得宝、邵芬: "基于CCS软件的IIR滤波器实验设计", 实验技术与管理, 9 September 2015 (2015-09-09), pages 131 * |
谷雷雷;: "一种新型宽频电压互感器测量系统的研究", 电工电气, no. 08, 15 August 2012 (2012-08-15), pages 52 * |
邵航俊: "电力系统宽频测量装置校准信号源的研制", 工程科技Ⅱ辑, 15 January 2023 (2023-01-15), pages 14 - 16 * |
郭燕;曾光;杨波;: "基于频率自适应的双二阶巴特沃斯数字滤波方法", 智能电网, no. 12, 10 December 2016 (2016-12-10), pages 1206 - 1207 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117686774A (zh) * | 2024-01-31 | 2024-03-12 | 国网山东省电力公司营销服务中心(计量中心) | 一种宽频电压信号监测方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034127B (zh) | 一种频谱异常检测方法、装置和电子设备 | |
CN113325277A (zh) | 一种局部放电处理方法 | |
CN104101751B (zh) | 基于信息熵的数字存储示波器垂直分辨率提高方法 | |
CN111238843B (zh) | 一种基于快速谱峭度分析的风机健康评价方法 | |
CN117434337A (zh) | 一种宽频电压信号测量方法及系统 | |
CN111307438B (zh) | 一种基于信息熵的旋转机械振动故障诊断方法及其系统 | |
CN109787250B (zh) | 一种基于多元经验模态分解的电力系统低频振荡模式辨识方法 | |
EP1464027A1 (en) | Method and apparatus for analyzing a distribution | |
CN110717472B (zh) | 基于改进的小波阈值去噪的故障诊断方法及系统 | |
CN111046791A (zh) | 一种基于含可变因子广义s变换的电流信号滤波去噪方法 | |
CN111783696A (zh) | 一种基于pv关系的低压分支拓扑实时分析的边缘计算方法 | |
CN111414893A (zh) | 基于vmd精细复合多尺度散布熵的转子故障特征提取方法 | |
CN110457644B (zh) | 基于LoG算子和Grubbs检验的时频脊线提取方法 | |
CN113188797A (zh) | 一种基于传声器阵列的轴承故障诊断方法 | |
CN108764112A (zh) | 一种遥感图像目标物检测方法及设备 | |
CN112861328A (zh) | 一种基于随机响应信号的发电机阻尼评估装置及方法 | |
CN109752633B (zh) | 一种对变电站局部放电信号进行定位的方法及系统 | |
CN116707675A (zh) | 无线电信号的检测、无线电信号的异常检测方法及装置 | |
CN114993671A (zh) | 一种基于q因子小波变换的振动故障诊断方法及其系统 | |
CN110932755A (zh) | 基于递推最小二乘法的分布式低压配电网络线路参数估计方法 | |
CN113495193A (zh) | 一种基于多小波变换和聚类分析的故障诊断方法 | |
CN111323233A (zh) | 一种用于低速旋转机械故障诊断的局部均值分解方法 | |
CN117686774A (zh) | 一种宽频电压信号监测方法、系统、设备及存储介质 | |
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 | |
CN109981413B (zh) | 网站监控指标报警的方法及系统 |
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 |