CN117892098A - 一种应用于高压输电线路作业机器人的时延估计算法 - Google Patents
一种应用于高压输电线路作业机器人的时延估计算法 Download PDFInfo
- Publication number
- CN117892098A CN117892098A CN202410294694.8A CN202410294694A CN117892098A CN 117892098 A CN117892098 A CN 117892098A CN 202410294694 A CN202410294694 A CN 202410294694A CN 117892098 A CN117892098 A CN 117892098A
- Authority
- CN
- China
- Prior art keywords
- function
- time delay
- delay estimation
- signal
- correlation
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 24
- 238000005311 autocorrelation function Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 43
- 238000005314 correlation function Methods 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 17
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种应用于高压输电线路作业机器人的时延估计算法，涉及信息传输与处理技术技术领域，包括以下步骤：建立适用于时间延迟估计系统的双基元模型；构建基本相关算法，根据S1建立的双基元模型分别构建两个传感器信号和信号的自相关函数表达式；假设信号和噪声满足不相关的条件，根据该条件，可以将自相关函数改写为：，由自相关函数定义,当时,取得最大值；以取得最大值时的值作为时间延迟估计的算法估计值。本发明通过除了构建基本相关时延估计算法以外，并根据实际工况应用，还考虑了信号与噪声之间相互不独立性以及考虑信号分析的相关问题构建多种算法，减小了噪声对延时估计值的影响和干扰。
Description
技术领域
本发明涉及信息传输与处理技术的技术领域，尤其涉及一种应用于高压输电线路作业机器人的时延估计算法。
背景技术
随着社会的不断发展，人们对电网维修可靠性和带电作业安全性的要求越来越高，许多电力单位意识到带电抢修作业需求的迫切性，并逐渐认识到引入带电作业机器人进行作业的必要性，而为了确保作业机器人的作业稳定性，其中的传感器部件是必不可少的。
时间延迟估计是指对两个分离传感器所接收到的同频率信号，运用信号处理等理论来估计信号的未知参数和信号间的时间延迟的理论和算法。如何准确、快速的估计两个传感器所接收到的未知参数周期信号之间的时间延迟，是时间延迟估计首先要考虑的问题，而在实际工程应用中，未知信号中可能存在大量的干扰，进而叠加了许多的噪声，最后传感器接收到的有用信号常常是被各种噪声混叠在其中，导致估计精度变差。
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。
鉴于上述现有一种应用于高压输电线路作业机器人的时延估计算法存在的问题，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：S1：建立适用于时间延迟估计系
统的双基元模型；S2：根据S1建立的双基元模型分别构建两个传感器信号和信号的自相关函数表达式；S3：假设信号和噪声满足不相关的条件，根据该条件，可以将自
相关函数改写为：；S4：由自相关函数定义,当时,取得最大值；S5：以取
得最大值时的值作为时间延迟估计的算法估计值：。
作为本发明所述一种应用于高压输电线路作业机器人的时延估计算法的一种优
选方案，其中：所述S1过程中双基元模型的建议方法为：a：设定传感器1与传感器2的相距
为：，为待测目标信号源, 两个传感器同时接收信号源 传输过来的信号分别为， ，则该模型表示为：；；其中，和为两个传感器接收到的随机谐波噪声；b：设定代表衰减因子,取值为0到1
之间，并假设和都为互不相关的高斯平稳随机过程；将上式写成离散时间
信号模式，则该模型表示为：；。
作为本发明所述一种应用于高压输电线路作业机器人的时延估计算法的一种优
选方案，其中：所述S2过程中，取衰减因子=1，则构建两个传感器信号和信号
的自相关函数表达式：
；
其中,是信号自相关的数学期望值,是和的自相关函数, 是和的互相关函数,是和的互相关函数,是和
的互相关函数。
作为本发明所述一种应用于高压输电线路作业机器人的时延估计算法的一种优
选方案，其中：所述信号和噪声满足不相关的条件为：；；。
作为本发明所述一种应用于高压输电线路作业机器人的时延估计算法的一种优
选方案，其中：在信号和噪声之间难以保证相互独立性时，则将自相关函数改写为广义相关
函数，其表达式为：；
式中,和不再是恒为0，且取值不唯一，会一定程度
上干扰自相关函数的估计值。
作为本发明所述一种应用于高压输电线路作业机器人的时延估计算法的一种优
选方案，其中：在目标信号距离接收传感器较远时，所述对的影响要远远小于，则将广义相关函数简化为：
；
由上式可见，广义相关函数进行时延估计的思路为处理,即预先对各个
信号进行滤波处理,或是在频域内进行加权处理,之后再进行相关法的后续计算，预先处理
减小了噪声对估计值的影响和干扰，提高了延时估计的精度。
作为本发明所述一种应用于高压输电线路作业机器人的时延估计算法的一种优选方案，其中：所述广义相关函数法用带傅里叶逆变换的加权密度函数表示如下：
；
其中,为传感器接收信号和的互相关功率谱密度函数,广义
加权函数为,特别的,当时即为基本相关算法。
作为本发明所述一种应用于高压输电线路作业机器人的时延估计算法的一种优
选方案，其中：相关函数中的参数可以由功率谱函数的相位谱进行计算,把信号和信
号的互相关函数写成的形式,由傅里叶变换,互功率谱函
数和为：；
其中， 为接收信号 和 的互功率谱函数， 为：； 为互功率谱函数 的相位函数；上式中显然
有显然有:Im 表示函数的虚部， Re表示函数的实部，最后可求得时间延迟估计的表达式
为：。
本发明的有益效果：本发明除了构建基本相关时延估计算法以外，并根据实际工况应用，还考虑了信号与噪声之间相互不独立性以及考虑信号分析的相关问题，构建了包括：广义相关时延估计算法、基于相位谱的延时估计算法的多种算法，减小了噪声对延时估计值的影响和干扰，从而提高了延时估计的精度。
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为本发明提出的一种应用于高压输电线路作业机器人的时延估计算法的中双基元模型的模型原理图。
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。
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。
实施例1，参照图1，为本发明的一个实施例，提供了一种应用于高压输电线路作业机器人的时延估计算法，此算法包括以下步骤：
S1：建立适用于时间延迟估计系统的双基元模型，具体为；a：设定传感器1与传感
器2的相距为：，为待测目标信号源, 两个传感器同时接收信号源 传输过来的信号
分别为， ，则该模型表示为：；；
其中，和为两个传感器接收到的随机谐波噪声；b：设定代表衰减因子,取值为
0到1之间，并假设和都为互不相关的高斯平稳随机过程；将上式写成离散
时间信号模式，则该模型表示为：；。
S2：构建基本相关算法，根据S1建立的双基元模型，取衰减因子=1，则构建两个传感器信号和信号的自相关函数表达式：
；其中,
是信号自相关的数学期望值,是和的自相关函数, 是和的互相
关函数,是和的互相关函数,是和的互相关函数。S3：假设
信号和噪声满足不相关的条件，所述信号和噪声满足不相关的条件为：；；；根据该条件，可以将自相关函数改写为：。
S4：由自相关函数定义,当时,取得最大
值；S5：以取得最大值时的值作为时间延迟估计的算法估计值，。
实施例2，
基本相关算法可以准确的估计时间延迟，但是它成立的前提条件是信号和噪声之间相互独立，而在难以保证信号和噪声之间的相互独立性时，为了克服该情况，把理论值用函数的估计值替代，得到了广义相关函数表达式：
；式中,和不像上面的基本相关算法一样恒为零,它们取值不唯一，
会一定程度上干扰自相关函数的估计值。通常情况下,对的影响要远远小于,原因是目标信号距离接收传感器较远,因此,上
式可简化为如下形式:；
由此可见,广义相关算法的基本思路就是要处理, 即预先对各个信号进
行滤波处理,或是在频域内进行加权处理,之后再进行相关法的后续计算。预先处理的好处
是减小了噪声对估计值的影响和干扰。从而提高了延时估计的精度。广义相关
法用带傅里叶逆变换的加权密度函数表示如下:
；
其中,为传感器接收信号和的互相关功率谱密度函数,广义
加权函数为,特别的,当时即为基本相关算法。
实施例3，基于相位谱的时延估计算法，相位谱计算延时估计是依据相关函数是在
时域中分析信号，而功率谱密度函数是在频域中分析信号。相位谱在信号分析中占有非常
重要的地位，信号的功率谱函数是它的时延参数的相关变换，所有互相关函数中的参数可
以由功率谱函数的相位谱进行计算,把信号和信号的互相关函数写成的形式,由傅里叶变换,互功率谱函数和为：
；
其中， 为接收信号 和 的互功率谱函数， 为：
；目标信号 的自功率谱函数。 为互功率
谱函数 的相位函数；上式中显然有显然有:Im 表示函数的虚部， Re表示函数的
实部，最后可求得时间延迟估计的表达式为：。
综上所述，本发明除了构建基本相关时延估计算法以外，并根据实际工况应用，还考虑了信号与噪声之间相互不独立性以及考虑信号分析的相关问题，构建了包括：广义相关时延估计算法、基于相位谱的延时估计算法的多种算法，减小了噪声对延时估计值的影响和干扰，从而提高了延时估计的精度。
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 (8)
1.一种应用于高压输电线路作业机器人的时延估计算法，其特征在于，该算法包括以下步骤：S1：建立适用于时间延迟估计系统的双基元模型；S2：构建基本相关算法，根据S1建立的双基元模型分别构建两个传感器信号和信号/>的自相关函数表达式；S3：假设信号和噪声满足不相关的条件，根据该条件，可以将自相关函数改写为：；S4：由自相关函数定义/>,当/>时,/>取得最大值；S5：以/>取得最大值时的/>值作为时间延迟估计/>的算法估计值/>：/>。
2.根据权利要求1所述的一种应用于高压输电线路作业机器人的时延估计算法，其特征在于：所述S1过程中双基元模型的建议方法为：a：设定传感器1与传感器2的相距为：，为待测目标信号源, 两个传感器同时接收信号源 /> 传输过来的信号分别为/>，，则该模型表示为：/>；/>；其中，/>和为两个传感器接收到的随机谐波噪声；b：设定/>代表衰减因子,取值为0到1之间，并假设/>和/>都为互不相关的高斯平稳随机过程；将上式写成离散时间信号模式，则该模型表示为：/>；/>。
3.根据权利要求2所述的一种应用于高压输电线路作业机器人的时延估计算法，其特征在于：所述S2过程中，取衰减因子=1，则构建两个传感器信号/>和信号/>的自相关函数表达式：
；其中,/>是信号自相关的数学期望值,/>是/>和/>的自相关函数, />是/>和/>的互相关函数,/>是/>和/>的互相关函数,/>是/>和/>的互相关函数。
4.根据权利要求3所述的一种应用于高压输电线路作业机器人的时延估计算法，其特征在于：所述信号和噪声满足不相关的条件为：；/>；。
5.根据权利要求3所述的一种应用于高压输电线路作业机器人的时延估计算法，其特征在于：在信号和噪声之间难以保证相互独立性时，则将自相关函数改写为广义相关函数，其表达式为：
；式中,和/>不再是恒为0，且取值不唯一，会一定程度上干扰自相关函数/>的估计值。
6.根据权利要求5所述的一种应用于高压输电线路作业机器人的时延估计算法，其特征在于：在目标信号距离接收传感器较远时，所述对/>的影响要远远小于/>，则将广义相关函数简化为：
；由上式可见，广义相关函数进行时延估计的思路为处理/>,即预先对各个信号进行滤波处理,或是在频域内进行加权处理,之后再进行相关法的后续计算，预先处理减小了噪声对/>估计值的影响和干扰，提高了延时估计的精度。
7.根据权利要求6所述的一种应用于高压输电线路作业机器人的时延估计算法，其特征在于：所述广义相关函数法用带傅里叶逆变换的加权密度函数表示如下：；其中,/>为传感器接收信号和/>的互相关功率谱密度函数,广义加权函数/>为/>。
8.根据权利要求5所述的一种应用于高压输电线路作业机器人的时延估计算法，其特征在于：互相关函数中的参数可以由功率谱函数的相位谱进行计算,把信号和信号的互相关函数写成/>的形式,由傅里叶变换,互功率谱函数和/>为：/>；其中，/> 为接收信号 /> 和 /> 的互功率谱函数，/> 为：/>；/>为互功率谱函数 /> 的相位函数；上式中显然有:Im 表示函数的虚部， Re表示函数的实部，最后可求得时间延迟估计的表达式为：/>。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410294694.8A CN117892098A (zh) | 2024-03-15 | 2024-03-15 | 一种应用于高压输电线路作业机器人的时延估计算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410294694.8A CN117892098A (zh) | 2024-03-15 | 2024-03-15 | 一种应用于高压输电线路作业机器人的时延估计算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117892098A true CN117892098A (zh) | 2024-04-16 |
Family
ID=90639672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410294694.8A Pending CN117892098A (zh) | 2024-03-15 | 2024-03-15 | 一种应用于高压输电线路作业机器人的时延估计算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117892098A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100061427A1 (en) * | 2006-03-03 | 2010-03-11 | Agence Spatiale Europeenne | Method Of Processing Positioning Signals, In Particular For Indoor Applications |
| CN104777328A (zh) * | 2015-04-21 | 2015-07-15 | 华北电力大学 | 一种可听声测量气体流速的系统及测量方法 |
| CN107085123A (zh) * | 2017-03-24 | 2017-08-22 | 华北电力大学 | 一种基于声学技术的多路径管道流速测量装置及其方法 |
| CN108829637A (zh) * | 2018-05-22 | 2018-11-16 | 武汉市市政建设集团有限公司 | 一种表面波互谱分析相位折叠识别及相位展开校正方法 |
| CN114035157A (zh) * | 2021-10-29 | 2022-02-11 | 中国科学院声学研究所 | 一种基于期望最大化算法的分频带时延估计方法及其系统 |
| CN117390434A (zh) * | 2023-10-11 | 2024-01-12 | 石家庄铁道大学 | 一种基于多尺度分解与重构的瞬态电磁信号时延估计方法 |
-
2024
- 2024-03-15 CN CN202410294694.8A patent/CN117892098A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100061427A1 (en) * | 2006-03-03 | 2010-03-11 | Agence Spatiale Europeenne | Method Of Processing Positioning Signals, In Particular For Indoor Applications |
| CN104777328A (zh) * | 2015-04-21 | 2015-07-15 | 华北电力大学 | 一种可听声测量气体流速的系统及测量方法 |
| CN107085123A (zh) * | 2017-03-24 | 2017-08-22 | 华北电力大学 | 一种基于声学技术的多路径管道流速测量装置及其方法 |
| CN108829637A (zh) * | 2018-05-22 | 2018-11-16 | 武汉市市政建设集团有限公司 | 一种表面波互谱分析相位折叠识别及相位展开校正方法 |
| CN114035157A (zh) * | 2021-10-29 | 2022-02-11 | 中国科学院声学研究所 | 一种基于期望最大化算法的分频带时延估计方法及其系统 |
| CN117390434A (zh) * | 2023-10-11 | 2024-01-12 | 石家庄铁道大学 | 一种基于多尺度分解与重构的瞬态电磁信号时延估计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 梁颖蕙: "基于自适应内模控制器时延估计算法的研究与实现", CNKI硕士电子期刊 信息科技辑, no. 2, 15 February 2022 (2022-02-15), pages 4 - 12 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110927543A (zh) | 一种电力设备局部放电超声信号时差估计方法 | |
| CN104732076A (zh) | 一种侧信道能量迹特征提取的方法 | |
| Esfandiari et al. | New estimation methods for autoregressive process in the presence of white observation noise | |
| CN111104734B (zh) | 一种抽水蓄能电站机组甩负荷试验反演预测方法 | |
| CN112747921A (zh) | 一种基于na-memd的多传感器机械故障诊断的方法 | |
| CN117892098A (zh) | 一种应用于高压输电线路作业机器人的时延估计算法 | |
| EP0834079A1 (en) | A power spectral density estimation method and apparatus | |
| CN107944362A (zh) | 一种基于ica降低误码率的盲源分离方法 | |
| CN109544593B (zh) | 一种基于自相似度量的通用图像噪声估计方法 | |
| KR100817692B1 (ko) | 이산 푸리에 변환에 의한 시계열 데이터 위상 추정 방법 | |
| CN101237250B (zh) | 基于奇异值分析的扩频波形盲估计方法 | |
| CN114565541A (zh) | 一种基于CZT频谱细化的InSAR滤波方法 | |
| CN110426711B (zh) | 一种基于极性零点检测的时延估计方法及系统 | |
| CN112817056A (zh) | 一种大地电磁信号去噪方法及系统 | |
| US20230161836A1 (en) | Signal processing method based on mathematical morphology with sparse structural elements | |
| CN110597203A (zh) | 一种基于多gpu并行crpf的故障诊断方法 | |
| Takata | Identification of linear 1-dof system based on the maximum likelihood estimation using the analytical solution of Fokker-Planck equation | |
| O'Shea et al. | Instantaneous frequency estimation using the cross Wigner-Ville distribution with application to nonstationary transient detection | |
| Shergin et al. | Statistical Properties of the Hurst Exponent Estimates for Fractional Levy Motion | |
| Liu et al. | Time-lagged directed information | |
| CN107800658B (zh) | 一种二维谐波信号频率估计方法 | |
| Gao et al. | Spectral Signal Denoising Method Based on Improved Wavelet Threshold Function | |
| Telezhkin et al. | Information processing using the Kalman filter | |
| Li et al. | A Blind Estimation Algorithm for Frequency Hopping Signal Parameters Based on Time-Frequency Optimization STFT-CA | |
| He et al. | Delay Estimation of Dynamic System Based on Correlation Coefficient |
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 |