CN117828279A - 脉冲信号测量数据处理方法、装置和计算机设备 - Google Patents
脉冲信号测量数据处理方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN117828279A CN117828279A CN202410240011.0A CN202410240011A CN117828279A CN 117828279 A CN117828279 A CN 117828279A CN 202410240011 A CN202410240011 A CN 202410240011A CN 117828279 A CN117828279 A CN 117828279A
- Authority
- CN
- China
- Prior art keywords
- data
- signal data
- measurement data
- processing
- time domain
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 210
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 117
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 22
- 238000009532 heart rate measurement Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000002146 bilateral effect Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000000691 measurement method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- 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
- G06F2218/04—Denoising
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Discrete Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Measuring Frequencies, Analyzing Spectra (AREA)
Abstract
本申请涉及一种脉冲信号测量数据处理方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：对原始测量数据进行数据拓展处理，构造原始测量数据对应的奇次谐波信号数据；对奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；基于频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；对输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；对时域信号数据进行去噪处理，得到脉冲信号时域测量结果。本申请通过构造的奇次谐波信号数据再结合傅里叶算法来消除原始测量数据中的直流偏置，将频率响应的线性和非线性区域完美连接起来，结合噪声去噪，可以实现对脉冲信号的精准时域宽带波形测量。
Description
技术领域
本申请涉及信号分析技术领域，特别是涉及一种脉冲信号测量数据处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
脉冲信号是一种离散信号，形状多种多样，与普通模拟信号（如正弦波）相比，波形之间在Y轴不连续（波形与波形之间有明显的间隔）但具有一定的周期性是它的特点。最常见的脉冲波是矩形波（也就是方波）。脉冲信号可以用来表示信息，也可以用来作为载波，比如脉冲调制中的脉冲编码调制（PCM），脉冲宽度调制（PWM）等等，还可以作为各种数字电路、高性能芯片的时钟信号。而强电磁高功率脉冲信号是脉冲信号的一种，它是基于强电磁的高电压、大电流、高功率的脉冲信号。
目前，对于强电磁高功率脉冲信号的测量，强电磁及高功率下，大功率衰减器缺失，宽频带时域测量方法缺失，低频耦合效率低测量误差大，目前的脉冲信号测量方法只能实现线性区时域波形测量，而无法实现针对强电磁高功率脉冲信号的非线性测量。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确地对强电磁高功率脉冲信号的非线性区进行测量的脉冲信号测量数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种脉冲信号测量数据处理方法，包括：
对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据，所述原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据；
对所述奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；
基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；
对所述输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；
对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
在其中一个实施例中，所述对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据包括：
对原始测量数据进行数据插值处理，得到固定采样率的脉冲测量数据；
对所述脉冲测量数据进行数据拓展处理，构造所述脉冲测量数据对应的奇次谐波信号数据。
在其中一个实施例中，所述对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据包括：
对所述原始测量数据进行数据左右翻转处理和数据上下翻转处理，得到所述原始测量数据的构造测量数据；
将所述原始测量数据和所述构造测量数据进行拼接，并对所得到的拼接数据进行时间初始值归零设置，得到所述原始测量数据对应的奇次谐波信号数据。
在其中一个实施例中，所述基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据包括：
基于预设关注频率范围对所述频率域信号数据进行关注频率抽样处理，得到关注频率信号数据；
基于所述关注频率信号数据和所述预设关注频率范围内的双端口正向传播S参数，确定输出信号数据。
在其中一个实施例中，所述方法还包括：
获取双端口正向传播S参数；
在双端口正向传播S参数的低频范围超出所述预设关注频率范围的情况下，对所述双端口正向传播S参数进行低频拓展处理，得到预设关注频率范围内的双端口正向传播S参数，并对所述输出信号数据进行双边频谱拓展处理。
在其中一个实施例中，所述对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果包括：
拟合所述时域信号数据中的噪声特性，得到噪声函数；
基于所述噪声函数对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
第二方面，本申请还提供了一种脉冲信号测量数据处理装置，包括：
信号拓展模块，用于对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据，所述原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据；
第一变换模块，用于对所述奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；
信号处理模块，用于基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；
第二变换模块，用于对所述输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；
信号去噪模块，用于对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据，所述原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据；
对所述奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；
基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；
对所述输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；
对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据，所述原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据；
对所述奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；
基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；
对所述输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；
对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据，所述原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据；
对所述奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；
基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；
对所述输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；
对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
上述脉冲信号测量数据处理方法、装置、计算机设备、存储介质和计算机程序产品，通过对原始测量数据进行数据拓展处理，构造原始测量数据对应的奇次谐波信号数据；对奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；基于频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；对输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；对时域信号数据进行去噪处理，得到脉冲信号时域测量结果。本申请通过对原始测量数据进行数据拓展的预处理，来构建原始测量数据对应的奇次谐波信号数据，从而通过构造的奇次谐波信号数据再结合傅里叶算法来消除原始测量数据中的直流偏置，而新构造的信号也可以很好地集成到傅里叶变换算法中。而采用快速傅里叶变换法构造的奇次谐波信号能够将频率响应的线性和非线性区域完美连接起来，并通过对输出信号数据的快速傅里叶逆变换处理，实现时域宽带波形测量，而后通过噪声去噪处理，即可实现对强电磁高功率脉冲信号的精准测量。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中脉冲信号测量数据处理方法的应用环境图；
图2为一个实施例中脉冲信号测量数据处理方法的流程示意图；
图3为一个实施例中脉冲信号的原始电压测量数据的示意图；
图4为一个实施例中奇次谐波信号数据的示意图；
图5为一个实施例中脉冲信号测量数据处理结果与实际测量结果的对比示意图；
图6为一个实施例中时域积分测量原理的电路图；
图7为一个实施例中插入可选单元的时域积分测量原理的电路图；
图8为一个实施例中脉冲信号测量数据处理方法的流程示意图；
图9为一个实施例中脉冲信号测量数据处理装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的脉冲信号测量数据处理方法，可以应用于如图1所示的应用环境中。其中，示波器102通过网络与终端104进行通信。示波器102连接TEM（TransverseElectroMagnetic，横电磁波）小室，用于测量强电磁高功率脉冲源所输出脉冲信号。当用户希望实现对强电磁高功率脉冲源的精准测量时，可以通过终端104来获取示波器的原始测量数据。而后对原始测量数据进行数据拓展处理，构造原始测量数据对应的奇次谐波信号数据，原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据；对奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；基于频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；对输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；对时域信号数据进行去噪处理，得到脉冲信号时域测量结果。其中，终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
在一个示例性的实施例中，如图2所示，提供了一种脉冲信号测量数据处理方法，以该方法应用于图1中的终端104为例进行说明，包括以下步骤201至步骤209。其中：
步骤201，对原始测量数据进行数据拓展处理，构造原始测量数据对应的奇次谐波信号数据，原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据。
其中，原始测量数据是指直接由示波器102所采集显示的脉冲信号的原始测量结果，包括电压和电流等时域数据。数据拓展处理主要是对原始的测量数据进行修改，本申请通过数据拓展处理来消除原始测量数据中所产生的直流偏置，通过对原始测量数据进行数据拓展处理，可以构造原始测量数据对应的奇次谐波信号数据，从而将频率响应的线性区域和非线性区域进行完美连接，实现对时域宽带的波形测量。而奇次谐波是一种电磁波，它的波形与正弦波类似，但是却具有不同的频率和幅度。它们的特性是，它们的波形在相位轴上有一个正值和一个负值，且它们的波形是非对称的，即它们的上半部分和下半部分的波形不一样。本申请的方案通过对原始测量数据的数据拓展处理来构造奇次谐波信号。
示例性地，目前，强电磁高功率脉冲信号的测量是一个技术难题，主要涉及到强电磁及高功率下，大功率衰减器缺失，宽频带时域测量方法缺失，低频耦合效率低测量误差大，传统方法无法解决非线性测量技术难题。而本申请适用于针对强电磁高功率脉冲源所输出脉冲信号的电压波形和电流波形进行时域测量。首先，针对需要测量的强电磁高功率脉冲源，用户可以通过TEM小室法，采集强电磁高功率脉冲源所输出的强电磁高功率脉冲信号数据，并将测得的电压和电流的数据在TEM小室所连接的示波器102上进行显示，而终端104则可以获取所测得的原始测量数据，并在原始测量数据的基础上进行处理，得到精准的测量数据。终端104在得到原始测量数据后，首先会对原始测量数据进行数据拓展处理，从而将原先的测量数据转换为其对应的奇次谐波信号数据，而对于奇次谐波信号数据就可以通过傅里叶变换来进行分析处理，将频率响应的线性区域和非线性区域进行完美连接，并消除原始测量数据中的直流分量。如对于图3所示的原始电压测量数据Uo，通过数据拓展处理后，所得到的即为图4所示的奇次谐波信号数据Ue。
步骤203，对奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据。
示例性地，快速傅里叶变换（Fast Fourier Transform，简称FFT）是一种高效的算法，用于计算序列的离散傅里叶变换（Discrete Fourier Transform，简称DFT）及其逆变换（Inverse Discrete Fourier Transform，简称IDFT）。FFT通过将DFT矩阵分解为稀疏（大多数元素为零）因子的乘积，大大降低了计算DFT的复杂性，使得对于长数据集的处理更加高效。傅立叶变换能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者它们的积分的线性组合。本申请的方案主要利用快速傅里叶变换来实现测量数据在时域和频域之间的变换，通过对所得奇次谐波信号数据进行快速傅里叶变换处理，可以将时域内的奇次谐波信号数据转移到频率域内，得到频率域信号数据。对于图4所示的电压的奇次谐波信号数据，对其进行快速傅里叶变换处理的处理过程可以表示为：[Uo(f)，No(f)]=FFT(Ue)。其中Ue中包括有噪声成分，其变换后标记为No(f)。
步骤205，基于频率域信号数据和预设双端口正向传播S参数，确定输出信号数据。
示例性地，预设双端口正向传播S参数即双端口的S21参数，S参数，又称散射参数。是微波传输中的一个重要参数。S12为反向传输系数，也就是隔离。S21为正向传输系数，也就是增益。S11为输入反射系数，也就是输入回波损耗，S22为输出反射系数，也就是输出回波损耗。其可以通过仿真、频域测量和等效电路建模等方式获得。在得到频率域信号后，可以基于仿真和取样后得到的预设双端口正向传播S参数。对于电压测量，预设双端口正向传播S参数S21(f)，计算相应的输出信号具体可以表示为：[Uio(f)，Ni(f)]=[Uo(f)，No(f)]/S21(f)。
步骤207，对输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据。
示例性地，快速傅里叶逆变换处理是快速傅里叶变换处理的逆过程，主要可以将频率域信号数据还原为时域信号数据，如对于上述的电压测量过程，其快速傅里叶逆变换处理的过程具体可以表示为[Uio(t)，Ni(t)]=iFFT([Uio(f)，Ni(f)])，其中iFFT表示快速傅里叶逆变换处理。
步骤209，对时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
示例性地，由于输入的原始测量数据内包含测量过程的噪声数据，为了消除测量过程产生的误差，实现精准的测量，可以通过构造相应的噪声函数来进行去噪处理，例如对于上述得到的时域信号数据[Ui(t)，Ni(t)]，其中Uio(t)为所需的电压时域数据，而Ni(t)为噪声时域数据，此时可以通过拟合噪声特性Ni(t)=kt+b；得到k和b，而后进行去噪处理Ui(t) = Uio(t)-(k×t+b)，得到Ui(t)的真实信号。
上述脉冲信号测量数据处理方法，通过对原始测量数据进行数据拓展处理，构造原始测量数据对应的奇次谐波信号数据；对奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；基于频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；对输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；对时域信号数据进行去噪处理，得到脉冲信号时域测量结果。本申请通过对原始测量数据进行数据拓展的预处理，来构建原始测量数据对应的奇次谐波信号数据，从而通过构造的奇次谐波信号数据再结合傅里叶算法来消除原始测量数据中的直流偏置，而新构造的信号也可以很好地集成到傅里叶变换算法中。而采用快速傅里叶变换法构造的奇次谐波信号能够将频率响应的线性和非线性区域完美连接起来，并通过对输出信号数据的快速傅里叶逆变换处理，实现时域宽带波形测量，而后通过噪声去噪处理，即可实现对强电磁高功率脉冲信号的精准测量。
在一个示例性的实施例中，步骤201包括：对原始测量数据进行数据插值处理，得到固定采样率的脉冲测量数据；对脉冲测量数据进行数据拓展处理，构造脉冲测量数据对应的奇次谐波信号数据。
其中，数据插值处理是指在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。
示例性地，在得到原始测量数据后，可以先对原始测量数据进行数据插值处理，得到固定采样率的脉冲测量数据，例如对于测得的电压数据Uo(t)，可以通过数据插值处理，将其转化为固定采样率、且等时间间隔t0的脉冲测量数据，具体包括时间数据向量t和Uo，通过固定采样率来避免因仪器引起的误差。在得到脉冲测量数据，再在脉冲测量数据的基础上进行数据拓展处理，即可构造脉冲测量数据对应的奇次谐波信号数据。本实施例中，通过数据插值处理来对离散型的原始测量数据进行处理，可以得到固定采样率的脉冲测量数据，从而进行后续的测量数据处理流程，可以有效保证测量处理的效率和准确性。
在一个示例性的实施例中，步骤201包括：对原始测量数据进行数据左右翻转处理和数据上下翻转处理，得到原始测量数据的构造测量数据；将原始测量数据和构造测量数据进行拼接，并对所得到的拼接数据进行时间初始值归零设置，得到原始测量数据对应的奇次谐波信号数据。
示例性地，对原始测量数据进行数据左右翻转处理和数据上下翻转处理，目的在于构造出与原始测量数据非对称的波形特征数据，即构造测量数据，将构造测量数据和原始测量数据拼接后，所得的即为奇次谐波，再通过对所得到的拼接数据进行时间初始值归零设置，即可得到原始测量数据对应的奇次谐波信号数据。在其中一个实施例中，对于输入的原始测量数据x(t)，其对应的奇次谐波信号数据xh(t)的构造方式具体可以表示为：
xh(t)=
本实施例中，通过对原始测量数据进行数据左右翻转处理和数据上下翻转处理，可以有效地基于原始测量数据构造出与其对应的奇次谐波信号数据，从而将频率响应的线性和非线性区域完美连接起来，消除原始测量数据的直流偏置，实现对原始测量数据的有效测量校准处理。
在一个示例性的实施例中，步骤205包括：基于预设关注频率范围对频率域信号数据进行关注频率抽样处理，得到关注频率信号数据；基于关注频率信号数据和预设关注频率范围内的双端口正向传播S参数，确定输出信号数据，并对输出信号数据进行双边频谱拓展处理。
示例性地，预设关注频率范围是指由测量工作人员所输入的频率范围，用于对原始测量数据进行筛选抽样处理。在得到频率域信号数据后，可以先基于测试工作人员所输入的预设关注频率范围来对原始测量数据进行关注频率抽样。例如基于预设关注频率范围fc来对所得的频率域信号Uo(f)，No(f)进行关注频率抽样，所得到的Uo(fc)，No(fc)即为关注频率信号数据。关注频率范围fc的选择跟被测信号的频谱有关系，也可以选择全频段，此时无需进行抽样，可以直接将Uo(f)，No(f)作为关注频率信号数据。在得到关注频率信号数据后，即可基于关注频率信号数据和预设关注频率范围内的双端口正向传播S参数，确定输出信号数据，并对输出信号数据进行双边频谱拓展处理，将数据还原。而对于双端口正向传播S参数，获取双端口正向传播S参数；在双端口正向传播S参数的低频范围超出预设关注频率范围的情况下，对双端口正向传播S参数进行低频拓展处理，得到预设关注频率范围内的双端口正向传播S参数。通过对双端口正向传播S参数进行低频拓展处理，可以有效削减因低频测量引起的噪声，从而有效提高脉冲信号测量的准确性。
在一个示例性的实施例中，步骤209包括：拟合时域信号数据中的噪声特性，得到噪声函数；基于噪声函数对时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
示例性地，对于时域信号数据，其通常包括两个信号，其一为测量目标的脉冲电流数据或者脉冲电压数据，而另一个则是噪声数据。因此可以通过拟合时域信号数据中的噪声特性，得到噪声函数，从而通过所构建的噪声函数进行去噪处理。例如，当系统无信号输入时，可以拟合噪声信号n（t）=k×t+b，得到参数k和b。再通过在时域信号数据的基础上去除噪点，即可得到脉冲信号时域测量结果。值得注意的是，所拟合的噪声函数表示需要根据噪声特性的类型进行调整。具体效果可以参照图5，在通过本申请的脉冲信号测量数据处理方法对图5中上方的脉冲信号处理后，所得重构信号对比直接测得的原信号的测量结果十分接近，表征本申请的脉冲信号测量数据处理方法可以有效对强电磁高功率脉冲源所输出脉冲信号进行测量。本申请的本实施例中，通过拟合时域信号数据中的噪声特性，得到噪声函数，从而在噪声函数的基础上来进行去噪处理，可以有效地得到强电磁高功率脉冲源所输出脉冲信号的精准测量表示。
目前，传统针对脉冲信号测量数据的测量方法TDIM（time-domain integrationmeasurement，时域积分测量）原理图可以参照图6所示，以电压测量为例，图中ud（t） 和 uo（t） 之间的关系可以表示为：
为了获得参数C，应参照相同检测高度的被测器件的实际结构，制作具有特性阻抗Rd的校准夹具。通常，ud（t） 定义为端口 1 的电压，uo（t）则被定义为端口2的电压，可以测量校准夹具的双端口正向传播S参数S21，即：
此外，C 可以计算为：
同样，id（t） 和 i0（t） 之间的关系可以表示为：
M 可以计算为：
基于上述对ud（t）和id（t）的计算方法可以确定针对脉冲信号的时域测量方法是一种积分运算，而对于上述关于电容C和电感M的计算公式，可以使用双端口S参数S21来计算C和M，而S21可以通过仿真、频域测量和等效电路建模。然而申请人研究发现，上述测量方法的工作带宽仅限于频率响应的线性区域。为了提高针对强电磁高功率脉冲源所输出脉冲信号的测量带宽和精度，此外除了TDIM的线性条件外，另一个问题是低频S21由于ω较小而噪声很大。为了丰富这些问题，申请人提出了一种新的脉冲信号测量数据处理方法，来进行非接触式宽带电压电流波形测量，为了获得更通用的宽带时域测量方法，通过带有插入可选单元的频域模型来实现更复杂的宽带频域测量，如图7左侧所示，其中可选元件的传输模型定义为A（ω）。根据互感M的耦合原理，感应电压ui（ω）可计算为：
ui(ω) = jωM · id(ω)
如图7右侧所示，可选元件的输入端口定义为u1（ω）和i1（ω）。根据可选元件的传输模型A（ω）的定义，可以得到：
而对于图7右侧的电路图，又可以得到：ui(ω) = jωLs · i1(ω)+ u1(ω)。
因此，基于上述的三个公式，uo（ω）和ui（ω）之间的关系可以表示为：
其中，满足公式：
而时域信号id（t）可以表示为：
由于Hp（ω）的非线性，上述过程不能用TDIM计算，对于如此复杂的测量传递函数Hp（ω），也没有线性积分表达式。因此，为了解决这部分的非线性积分问题，申请人提出了一种测量方法，以电压测量为例，具体流程可以参照图8所示，包括：
第一步，输入示波器测试得到的时域数据Uo(t)，同时带入测试噪声No(t)。
第二步，对输入数据进行插值处理，得到等时间间隔t0的时间数据向量t和Uo。
第三步：对数据进行扩展，扩展方法为数据左右翻转和上下翻转，并且将时间初始值设置为0。
第四步：对上述所得到的数据进行快速傅里叶变换，得到双边频谱[Uo(f)，No(f)]=FFT(Ue)。注意Ue中包括噪声成分，变换后标记为No(f)。
第五步：输入关注频率范围fc，对Uo(f)，No(f)进行关注频率抽样，得到Uo(fc)，No(fc)；注意fc的选择跟被测信号的频谱有关系，当然也可以选择全频段。
第六步：输入仿真和取样后得到的S21(fc)，计算输出信号[Uio(fc)，Ni(fc)]=[Uo(fc)，No(fc)]/S21(fc) 。
第七步：扩展[Uio(fc)，Ni(fc)]为双边频谱，得到[Uio(f)，Ni(f)] 。
第八步：iFFT得到时域信号，[Uio(t)，Ni(t)]=iFFT([Uio(f)，Ni(f)]) 。
第九步：拟合噪声特性Ni(t)=kt+b；得到k和b。
第十步：进行去噪处理Ui(t) = Ui0(t)-(k×t+b)；得到Ui(t)的真实信号。
本申请的关键过程是对数据的处理，其目的是使时域恢复过程很好地拟合快速傅里叶变换。这也意味着本申请提出的脉冲信号测量数据处理相较于TDIM更先进，本申请对线性和非线性频率响应都具有更通用的宽带时域恢复方法，从而实现宽带高精度时域测量。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的脉冲信号测量数据处理方法的脉冲信号测量数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个脉冲信号测量数据处理装置实施例中的具体限定可以参见上文中对于脉冲信号测量数据处理方法的限定，在此不再赘述。
在一个示例性的实施例中，如图9所示，提供了一种脉冲信号测量数据处理装置，包括：
信号拓展模块902，用于对原始测量数据进行数据拓展处理，构造原始测量数据对应的奇次谐波信号数据，原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据。
第一变换模块904，用于对奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据。
信号处理模块906，用于基于频率域信号数据和预设双端口正向传播S参数，确定输出信号数据。
第二变换模块908，用于对输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据。
信号去噪模块910，用于对时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
在一个实施例中，信号拓展模块902具体用于：对原始测量数据进行数据插值处理，得到固定采样率的脉冲测量数据；对脉冲测量数据进行数据拓展处理，构造脉冲测量数据对应的奇次谐波信号数据。
在一个实施例中，信号拓展模块902还用于：对原始测量数据进行数据左右翻转处理和数据上下翻转处理，得到原始测量数据的构造测量数据；将原始测量数据和构造测量数据进行拼接，并对所得到的拼接数据进行时间初始值归零设置，得到原始测量数据对应的奇次谐波信号数据。
在一个实施例中，信号处理模块906具体用于：基于预设关注频率范围对频率域信号数据进行关注频率抽样处理，得到关注频率信号数据；基于关注频率信号数据和预设关注频率范围内的双端口正向传播S参数，确定输出信号数据，并对输出信号数据进行双边频谱拓展处理。
在一个实施例中，还包括低频拓展模块，用于：获取双端口正向传播S参数；在双端口正向传播S参数的低频范围超出预设关注频率范围的情况下，对双端口正向传播S参数进行低频拓展处理，得到预设关注频率范围内的双端口正向传播S参数。
在一个实施例中，信号去噪模块910具体用于：拟合时域信号数据中的噪声特性，得到噪声函数；基于噪声函数对时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
上述脉冲信号测量数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种脉冲信号测量数据处理方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种脉冲信号测量数据处理方法，其特征在于，所述方法包括：
对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据，所述原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据；
对所述奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；
基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；
对所述输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；
对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
2.根据权利要求1所述的方法，其特征在于，所述对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据包括：
对原始测量数据进行数据插值处理，得到固定采样率的脉冲测量数据；
对所述脉冲测量数据进行数据拓展处理，构造所述脉冲测量数据对应的奇次谐波信号数据。
3.根据权利要求1所述的方法，其特征在于，所述对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据包括：
对所述原始测量数据进行数据左右翻转处理和数据上下翻转处理，得到所述原始测量数据的构造测量数据；
将所述原始测量数据和所述构造测量数据进行拼接，并对所得到的拼接数据进行时间初始值归零设置，得到所述原始测量数据对应的奇次谐波信号数据。
4.根据权利要求1所述的方法，其特征在于，所述基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据包括：
基于预设关注频率范围对所述频率域信号数据进行关注频率抽样处理，得到关注频率信号数据；
基于所述关注频率信号数据和所述预设关注频率范围内的双端口正向传播S参数，确定输出信号数据，并对所述输出信号数据进行双边频谱拓展处理。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取双端口正向传播S参数；
在双端口正向传播S参数的低频范围超出所述预设关注频率范围的情况下，对所述双端口正向传播S参数进行低频拓展处理，得到预设关注频率范围内的双端口正向传播S参数。
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果包括：
拟合所述时域信号数据中的噪声特性，得到噪声函数；
基于所述噪声函数对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
7.一种脉冲信号测量数据处理装置，其特征在于，所述装置包括：
信号拓展模块，用于对原始测量数据进行数据拓展处理，构造所述原始测量数据对应的奇次谐波信号数据，所述原始测量数据通过示波器对强电磁高功率脉冲源所输出脉冲信号采集得到，包括原始脉冲信号数据和噪声数据；
第一变换模块，用于对所述奇次谐波信号数据进行快速傅里叶变换处理，得到频率域信号数据；
信号处理模块，用于基于所述频率域信号数据和预设双端口正向传播S参数，确定输出信号数据；
第二变换模块，用于对所述输出信号数据进行快速傅里叶逆变换处理，得到时域信号数据；
信号去噪模块，用于对所述时域信号数据进行去噪处理，得到脉冲信号时域测量结果。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410240011.0A CN117828279B (zh) | 2024-03-04 | 2024-03-04 | 脉冲信号测量数据处理方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410240011.0A CN117828279B (zh) | 2024-03-04 | 2024-03-04 | 脉冲信号测量数据处理方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117828279A true CN117828279A (zh) | 2024-04-05 |
| CN117828279B CN117828279B (zh) | 2024-06-18 |
Family
ID=90504313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410240011.0A Active CN117828279B (zh) | 2024-03-04 | 2024-03-04 | 脉冲信号测量数据处理方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117828279B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6042556A (en) * | 1998-09-04 | 2000-03-28 | University Of Washington | Method for determining phase advancement of transducer elements in high intensity focused ultrasound |
| JP2007003511A (ja) * | 2005-05-26 | 2007-01-11 | Nippon Telegr & Teleph Corp <Ntt> | 光パルスの光搬送波絶対位相計測方法および装置 |
| CN102183792A (zh) * | 2011-03-01 | 2011-09-14 | 吉林大学 | 人工源频率域电磁测深装置及测量方法 |
| CN102508031A (zh) * | 2011-11-01 | 2012-06-20 | 山东电力研究院 | 一种基于傅里叶级数的局部放电脉冲相角测量方法 |
| CN103336049A (zh) * | 2013-06-27 | 2013-10-02 | 电子科技大学 | 一种消除提离效应的脉冲涡流检测方法及装置 |
| CN103592514A (zh) * | 2012-08-15 | 2014-02-19 | 王景芳 | 一种新型谐波高精度检测方法 |
| CN108427145A (zh) * | 2018-01-26 | 2018-08-21 | 吉林大学 | 地空频率域电磁法可控频率源探测信号脉宽调制方法 |
| CN111006777A (zh) * | 2019-12-17 | 2020-04-14 | 华中科技大学 | 一种飞秒脉冲的测量方法及装置 |
| CN115219955A (zh) * | 2022-08-24 | 2022-10-21 | 国网河南淅川县供电公司 | 一种变压器绕组变形检测系统及其检测方法 |
| CN115856987A (zh) * | 2023-02-28 | 2023-03-28 | 西南科技大学 | 一种复杂环境下的核脉冲信号与噪声信号甄别方法 |
| CN117289087A (zh) * | 2023-08-14 | 2023-12-26 | 广西电网有限责任公司 | 一种基于czt变换的串联故障电弧检测方法 |
-
2024
- 2024-03-04 CN CN202410240011.0A patent/CN117828279B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6042556A (en) * | 1998-09-04 | 2000-03-28 | University Of Washington | Method for determining phase advancement of transducer elements in high intensity focused ultrasound |
| JP2007003511A (ja) * | 2005-05-26 | 2007-01-11 | Nippon Telegr & Teleph Corp <Ntt> | 光パルスの光搬送波絶対位相計測方法および装置 |
| CN102183792A (zh) * | 2011-03-01 | 2011-09-14 | 吉林大学 | 人工源频率域电磁测深装置及测量方法 |
| CN102508031A (zh) * | 2011-11-01 | 2012-06-20 | 山东电力研究院 | 一种基于傅里叶级数的局部放电脉冲相角测量方法 |
| CN103592514A (zh) * | 2012-08-15 | 2014-02-19 | 王景芳 | 一种新型谐波高精度检测方法 |
| CN103336049A (zh) * | 2013-06-27 | 2013-10-02 | 电子科技大学 | 一种消除提离效应的脉冲涡流检测方法及装置 |
| CN108427145A (zh) * | 2018-01-26 | 2018-08-21 | 吉林大学 | 地空频率域电磁法可控频率源探测信号脉宽调制方法 |
| CN111006777A (zh) * | 2019-12-17 | 2020-04-14 | 华中科技大学 | 一种飞秒脉冲的测量方法及装置 |
| CN115219955A (zh) * | 2022-08-24 | 2022-10-21 | 国网河南淅川县供电公司 | 一种变压器绕组变形检测系统及其检测方法 |
| CN115856987A (zh) * | 2023-02-28 | 2023-03-28 | 西南科技大学 | 一种复杂环境下的核脉冲信号与噪声信号甄别方法 |
| CN117289087A (zh) * | 2023-08-14 | 2023-12-26 | 广西电网有限责任公司 | 一种基于czt变换的串联故障电弧检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117828279B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yuan et al. | Adaptive B-spline knot selection using multi-resolution basis set | |
| Wang et al. | An evolutionary power spectrum model of fully nonstationary seismic ground motion | |
| Hou et al. | Continuous and discrete Mexican hat wavelet transforms on manifolds | |
| Yang et al. | Interpolation/extrapolation of radar cross-section (RCS) data in the frequency domain using the Cauchy method | |
| Li et al. | Inverse random source scattering for the Helmholtz equation in inhomogeneous media | |
| Zhang et al. | Element-free characteristic Galerkin method for Burgers’ equation | |
| Bao et al. | Application of time-frequency interpolation and proper orthogonal decomposition in nonstationary wind-field simulation | |
| Salah et al. | Efficient discrete singular convolution differential quadrature algorithm for solitary wave solutions for higher dimensions in shallow water waves | |
| Boche et al. | Limits of calculating the finite Hilbert transform from discrete samples | |
| Wei et al. | Local discontinuous Galerkin approximations to variable-order time-fractional diffusion model based on the Caputo–Fabrizio fractional derivative | |
| Xu et al. | Numerical approximation of 2D multi-term time and space fractional Bloch–Torrey equations involving the fractional Laplacian | |
| Grecu et al. | The Schrödinger equation on a star-shaped graph under general coupling conditions | |
| Nashed et al. | Function spaces for sampling expansions | |
| Karakoc et al. | A collocation algorithm based on septic B-splines and bifurcation of traveling waves for Sawada–Kotera equation | |
| Štumpf et al. | Time-domain analysis of thin-wire structures based on the Cagniard-DeHoop method of moments | |
| Shao et al. | Fourier differential quadrature method for irregular thin plate bending problems on Winkler foundation | |
| CN117828279B (zh) | 脉冲信号测量数据处理方法、装置和计算机设备 | |
| Wang et al. | A collocation method based on roots of Chebyshev polynomial for solving Volterra integral equations of the second kind | |
| CN116381467B (zh) | 双端口近场探头非对称补偿方法、装置、设备和存储介质 | |
| Johansson | Properties of a method of fundamental solutions for the parabolic heat equation | |
| Beylkin et al. | Nonlinear inversion of a band-limited Fourier transform | |
| Zhou et al. | Fast design of 2D fully oversampled DFT modulated filter bank using Toeplitz-block Toeplitz matrix inversion | |
| Cheong et al. | Further study on the high-order double-Fourier-series spectral filtering on a sphere | |
| Gorthi et al. | Phase estimation in digital holographic interferometry using cubic-phase-function based method | |
| Demiriz et al. | Some new paranormed difference sequence spaces and weighted core |
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 |