WO2024109031A1 - 一种基于hht变换的电压质量扰动检测方法 - Google Patents
一种基于hht变换的电压质量扰动检测方法 Download PDFInfo
- Publication number
- WO2024109031A1 WO2024109031A1 PCT/CN2023/103020 CN2023103020W WO2024109031A1 WO 2024109031 A1 WO2024109031 A1 WO 2024109031A1 CN 2023103020 W CN2023103020 W CN 2023103020W WO 2024109031 A1 WO2024109031 A1 WO 2024109031A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- signal
- voltage signal
- singular value
- decomposition
- frequency
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 68
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 13
- 230000009466 transformation Effects 0.000 claims description 24
- 238000001228 spectrum Methods 0.000 claims description 8
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 15
- 230000008569 process Effects 0.000 abstract description 6
- 230000003595 spectral effect Effects 0.000 abstract 2
- 230000001131 transforming effect Effects 0.000 abstract 1
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Monitoring And Testing Of Transmission In General (AREA)
- Complex Calculations (AREA)
Abstract
一种基于HHT变换的电压质量扰动检测方法,包括获取原始电压信号进行频谱分析,确定原始电压信号频谱信息并判断是否为密集模态信号;根据频谱信息对原始电压信号进行奇异值分解并重构得到去除干扰信号后的重构电压信号;若原始电压信号为密集模态信号,则先对重构电压信号进行调频处理再进行经验模态分解;对经验模态分解后的本征模函数进行希尔伯特变换,获取对应本征模函数的幅值和频率信息,完成电压信号扰动的检测。通过将原始电压信号转换为汉克尔矩阵形式后进行奇异值分解和重构去除干扰信号,同时对信号进行调频处理后再进行经验模态分解,可以避免HHT变换过程中存在的模态混叠问题,提升电压质量扰动检测的准确性。
Description
本发明涉及电能质量技术领域,尤其是涉及一种基于HHT变换的电压质量扰动检测方法。
希尔伯特黄变换(Hilbert-Huang Transform,HHT)是目前使用较多的扰动检测技术,比起S变换,它的计算速度更快,更适合复合扰动方面的检测;同时相比起需要先验函数基的傅里叶及小波变换等分析方法,它更适用于处理非平稳信号的检测。HHT方法由经验模态分解(Empirical Mode Decomposition,EMD)和Hilbert变换组成,具体来说,该方法首先利用EMD将初始信号转换为不同尺度的模态函数集合,再通过Hilbert变换求出各模态函数所对应的瞬时幅频特征,以此来获取信号的具体变化情况。现有的HHT在电能质量的扰动检测中会遇到模态混叠问题,其具体表现形式为原始信号在经过EMD分解后,在同一时间尺度下,具体分布着不同的固有模态函数(Intrinsic Mode Function,IMF),使得IMF无法准确获得信号的时频特性,难以准确地检测电压质量扰动。
在中国专利文献上公开的“一种电网谐波源定位检测方法”,其公开号为CN113092931A,公开日期为2021-07-09,包括如下步骤:步骤一、采用窗函数法设计FIR数字低通滤波器滤除带外高频电磁干扰;步骤二、经HHT算法对电网系统内的传输谐波干扰进行检测。本发明的方法通过滤除电网带外高频电磁干扰,并依HHT算法做谐波检测及定位,处理方法运算量低,系统结构简洁,频率分辨率高,成本较低。该方法采用HHT方法实现了对谐波频率和幅值的检测,以及对电能质量扰动信号(电压凹陷、电压凸起、电压间断、暂态震荡、暂态脉冲等)的扰动时间、频率和幅值的检测。但是该方法并没有解决在进行希尔伯特黄变换过程中会遇到的模态混叠问题,使得IMF无法准确获得信号的时频特性,难以准确地检测电压质量扰动。
发明内容
本发明是为了克服现有技术中采用希尔伯特黄变换进行扰动检测时,存在模态混叠情况使得本征模态函数无法准确获得信号的时频特性,难以准确检测电压质量扰动的问题,提供了一种基于HHT变换的电压质量扰动检测方法,通过将原始电压信号转换为汉克尔矩阵形式后进行奇异值分解和重构去除干扰信号,同时对信号进行调频处理后再进行经验模态分解,可以避免HHT变换过程中存在的模态混叠问题,提升电压质量扰动检测的准确性。
为了实现上述目的,本发明采用以下技术方案:
一种基于HHT变换的电压质量扰动检测方法,包括:
获取原始电压信号进行频谱分析,确定原始电压信号的频谱信息并判断是否为密集模态信号;根据频谱信息对原始电压信号进行奇异值分解并重构得到去除干扰信号后的重构电压信号;若原始电压信号为密集模态信号,则先对重构电压信号进行调频处理后再进行经验模态分解;对经验模态分解后的各本征模函数进行希尔伯特变换,获取对应本征模函数的幅值和频率信息,完成电压信号扰动的检测。
本发明中首先对原始电压信号进行频谱分析,判断获取信号中所包含的各阶模态的频率和幅值,并根据频谱分析的结果来判断信号是否是密集模态信号,当属于密集模态信号时信号中的各阶模态频率过于接近会使HHT变换无法正确分离从而产生模态混叠;因此需要对原始电压信号进行基于奇异值分解重构-信号调频的改进后再进行希尔伯特黄变换,以避免模态混叠问题的出现,提高电压质量扰动检测的准确性;最后根据分解得到的本征模函数进行希尔伯特变换获取幅值和频率信息进行电压扰动的判断是现有常见的技术,因此不进行详细说明。
作为优选,对于经过频谱分析的原始电压信号当不满足f1/f2>α且a1f1>a2f2时原始电压信号属于密集模态信号,其中a1和a2为对应信号的幅值,f1和f2为对应信号的频率且f1>f2,和为对应信号的初相角,α为设定的大于1的频率比。
本发明中当信号频率相近时,可以将其视作某种特殊的调幅信号,而其又满足极值包络的均值为零同时过零点数目与极值点数目相同或差一个,所以在直接采用HHT分解时就会产生模态混叠,因此需要对原始电压信号进行频谱分析判断是否会产生模态混叠,选择信号频率f1和f2中数值较大的信号除以数值较小的信号得到频率比α,频率比越大说明两信号频率差异越大不容易产生模态混叠,可以选择频率比为2作为密集模态信号的判断标准。
作为优选,进行奇异值分解并重构得到重构电压信号的步骤为:
根据原始电压信号x0(i),(i=1,2,…,N)构造对应的汉克尔矩阵H,矩阵的行数为m,列数n=N-m+1;
对汉克尔矩阵H进行奇异值分解,得到奇异值矩阵其中∑=diag(σ1,σ2,…,σr),奇异值σ1>σ2>…>σr>0,矩阵H的秩为r;
保留奇异值矩阵中前有效奇异值数的奇异值,将其他奇异值置零得到更新后的奇异值矩阵;更新后的奇异值矩阵再由奇异值分解的逆运算得到更新后的汉克尔矩阵和去除干扰信号后的
重构电压信号x(i)。
本发明中汉克尔矩阵中矩阵的行数m取原始电压信号长度N的一半;可以将电压信号看做扰动信号与干扰信号两部分组成,同时由于奇异值矩阵中的奇异值是以递减顺序排列的,其反映了信号的具体能量集中情况,所以根据具体的奇异值大小来对信号进行分解,将较小的奇异值置0,就可以去除原始电压信号中的干扰信号。
作为优选,所述有效奇异值数为原始电压信号主频数乘以设定倍数;对于前有效奇异值数的奇异值,当某一奇异值小于前一奇异值的1/p时,将该奇异值以及之后的奇异值都置零,p为预设的大于1的值。
本发明中对奇异值矩阵中的部分奇异值置零的判断实现将有效奇异值数以后的奇异值置零后,在对前有效奇异值数的奇异值进行处理,若相邻的前后两个奇异值的数值差异过大则说明后一个奇异值及其以后的奇异值是干扰信号,因此也要进行置零操作;本发明中有效奇异值数根据频谱信息中的主频数确定,可以选择为主频数的两倍;而对于相邻两奇异值的差异可以选择p=5作为阈值。
作为优选,所述对重构电压信号进行调频处理的步骤为:
对重构电压信号x(t)进行希尔伯特变换得到其解析信号
其中ω1=2πf1,ω2=2πf2;
选择调频频率ω0对解析信号X(t)进行调频变换,得到调频信号
其中Zr(t)为变换后的实部信号,jZj(t)为变换后的虚部信号。
本发明中判断出原始电压信号为密集模态信号,则需要对重构电压信号进行调频处理,信号频率调制可以间接实现密集模分离,避免密集模相互作用引起的模态混叠问题,其核心思想是通过信号调频从调频的适当频率中减去相邻模态的频率,放大频率比,使调频后的信号成为非密集模态信号,然后对调频后的信号进行经验模态分解。
作为优选,完成调频处理后,对调频信号Z(t)的实部信号和虚部信号分别进行经验模态分解,并组合后得到调频信号Z(t)的分解表达式;
将调频信号Z(t)的分解表达式乘以得到解析信号X(t)的分解表达式,取解析信号X(t)的分解表达式的实部作为重构电压信号x(t)的分解表达式,完成重构电压信号的经验模态分解。
本发明中对调频信号进行经验模态分解,得到若干个本征模函数IMF和残差之和;然后
通过对本征模函数IMF的调频逆变换得到真实的重构电压信号的本征模函数IMF;从重构电压信号构造出的调频信号的实部和虚部分别进行经验模态分解,避免直接对电压信号进行经验模态分解造成的模态混叠的问题。
作为优选,所述调频频率ω0的选择需要需要满足
且ω1-ω0>0,ω2-ω0>0。
本发明中对于调频频率的选取需要使得调频后的频率比大于设定的α,从而将原始电压信号从密集模态信号变为非密集模态信号,对于频率比小于α的两个频率,在分子和分母上同时减去一个合适的调频频率ω0,实现信号频率的下移并放大信号的频率比至大于α,从而完成调频处理。
本发明具有如下有益效果:通过将原始电压信号转换为汉克尔矩阵形式后进行奇异值分解和重构去除干扰信号,同时对信号进行调频处理后再进行经验模态分解,可以避免HHT变换过程中存在的模态混叠问题,提升电压质量扰动检测的准确性。
图1是本发明电压质量扰动检测方法的流程图;
图2是本发明实施例中某一电压信号的是时域图;
图3是本发明实施例中采用本发明检测方法进行经验模态分解的示意图;
图4是本发明实施例中直接进行经验模态分解的示意图。
下面结合附图与具体实施方式对本发明做进一步的描述。
如图1所示,一种基于HHT变换的电压质量扰动检测方法,包括:
获取原始电压信号进行频谱分析,确定原始电压信号的频谱信息并判断是否为密集模态信号;
根据频谱信息对原始电压信号进行奇异值分解并重构得到去除干扰信号后的重构电压信号;
若原始电压信号为密集模态信号,则先对重构电压信号进行调频处理后再进行经验模态分解;若原始电压信号为非密集模态信号时,可以直接对重构电压信号进行经验模态分解,也可以进行调频处理后再进行经验模态分解;
对经验模态分解后的各本征模函数进行希尔伯特变换,获取对应本征模函数的幅值和频
率信息,完成电压信号扰动的检测。
对于经过频谱分析的原始电压信号当不满足f1/f2>α且a1f1>a2f2时原始电压信号属于密集模态信号,其中a1和a2为对应信号的幅值,f1和f2为对应信号的频率且f1>f2,和为对应信号的初相角,α为设定的大于1的频率比。
进行奇异值分解并重构得到重构电压信号的步骤为:
根据原始电压信号x0(i),(i=1,2,…,N)构造对应的汉克尔矩阵H
原始电压信号的长度为N,矩阵的行数为m选取信号长度N的一半,当N为奇数时选取N+1的一半,列数n=N-m+1。
对汉克尔矩阵H进行奇异值分解,则有
H=UDVT
H=UDVT
U和d分别为m×m维和n×n维的正交矩阵,从而得到奇异值矩阵其中∑=diag(σ1,σ2,…,σr),奇异值σ1>σ2>…>σr>0,矩阵H的秩为r。
保留奇异值矩阵中前有效奇异值数的奇异值,将其他奇异值置零得到更新后的奇异值矩阵;有效奇异值数为原始电压信号主频数乘以设定倍数;在前有效奇异值数的奇异值中,当某一奇异值小于前一奇异值的1/p时,将该奇异值以及之后的奇异值都置零,p为预设的大于1的值,本发明中设定倍数为2,p的值选择为5,即有效奇异值数为原始电压信号主频数的两倍,当某一奇异值小于前一奇异值的五分之一时,将该奇异值及之后的奇异值都置零。
更新后的奇异值矩阵再由奇异值分解的逆运算得到更新后的汉克尔矩阵和去除干扰信号后的重构电压信号x(i)。x(i)和x(t)都为重构电压信号,前者重点表示重构电压信号的序列,后者重点表示重构电压信号关于时间的变化。
对重构电压信号进行调频处理的步骤为:
对重构电压信号x(t)进行希尔伯特变换得到其解析信号
其中ω1=2πf1,ω2=2πf2;
选择合适的调频频率ω0对解析信号X(t)进行调频变换,即乘以得到调频信号
其中Zr(t)为变换后的实部信号,jZj(t)为变换后的虚部信号,j为虚数单位。
调频频率ω0的选择需要需要满足
且ω1-ω0>0,ω2-ω0>0。
完成调频处理后,对调频信号Z(t)的实部信号和虚部信号分别进行经验模态分解得到
其中Crk(t)为实部信号分解得到的本征模函数IMF,Cjk(t)为虚部信号分解得到的本征模函数IMF;rnr和rnj分别为相对应的分解后的残差。组合后得到调频信号Z(t)的分解表达式
将调频信号Z(t)的分解表达式乘以得到解析信号X(t)的分解表达式
取解析信号X(t)的分解表达式的实部作为重构电压信号x(t)的分解表达式
x(t)=Re(X(t))
x(t)=Re(X(t))
从而完成重构电压信号的经验模态分解。
本发明中首先对原始电压信号进行频谱分析,判断获取信号中所包含的各阶模态的频率和幅值,并根据频谱分析的结果来判断信号是否是密集模态信号,当属于密集模态信号时信号中的各阶模态频率过于接近会使HHT变换无法正确分离从而产生模态混叠;因此需要对原始电压信号进行基于奇异值分解重构-信号调频的改进后再进行希尔伯特黄变换,以避免模态混叠问题的出现,提高电压质量扰动检测的准确性;最后根据分解得到的本征模函数进行希尔伯特变换获取幅值和频率信息进行电压扰动的判断是现有常见的技术,因此不进行详细说明。
模态混叠现象具体表现为在相同时间尺度成分分布在不同本征模函数中,使本征模函数
无法准确反映信号的时频特性;一般当信号中存在高频间断信号以及当被分解信号为密集模态信号时,在运用HHT变换时,都容易产生模态混叠现象。因此本发明通过奇异值分解和重构去除干扰信号和间断信号,通过信号调频处理将密集模态信号调整为非密集模态信号,从而避免模态混叠现象的产生。
本发明中当信号频率相近时,假设信号的幅值相同,初相位也相同,则可以将其视作某种特殊的调幅信号,而其又满足极值包络的均值为零同时过零点数目与极值点数目相同或差一个,所以在直接采用HHT分解时就会产生模态混叠,因此需要对原始电压信号进行频谱分析判断是否会产生模态混叠,选择信号频率f1和f2中数值较大的信号除以数值较小的信号得到频率比α,频率比越大说明两信号频率差异越大不容易产生模态混叠,可以选择频率比为2作为密集模态信号的判断标准。
本发明中汉克尔矩阵中矩阵的行数m取原始电压信号长度N的一半;可以将电压信号看做扰动信号与干扰信号两部分组成,同时由于奇异值矩阵中的奇异值是以递减顺序排列的,其反映了信号的具体能量集中情况,所以根据具体的奇异值大小来对信号进行分解,将较小的奇异值置0,就可以去除原始电压信号中的干扰信号。
本发明中对奇异值矩阵中的部分奇异值置零的判断实现将有效奇异值数以后的奇异值置零后,在对前有效奇异值数的奇异值进行处理,若相邻的前后两个奇异值的数值差异过大则说明后一个奇异值及其以后的奇异值是干扰信号,因此也要进行置零操作;本发明中有效奇异值数根据频谱信息中的主频数确定,可以选择为主频数的两倍;而对于相邻两奇异值的差异可以选择p=5作为阈值。
本发明中判断出原始电压信号为密集模态信号,则需要对重构电压信号进行调频处理,信号频率调制可以间接实现密集模分离,避免密集模相互作用引起的模态混叠问题,其核心思想是通过信号调频从调频的适当频率中减去相邻模态的频率,放大频率比,使调频后的信号成为非密集模态信号,然后对调频后的信号进行经验模态分解。
本发明中对调频信号进行经验模态分解,得到若干个本征模函数IMF和残差之和;然后通过对本征模函数IMF的调频逆变换得到真实的重构电压信号的本征模函数IMF;从重构电压信号构造出的调频信号的实部和虚部分别进行经验模态分解,避免直接对电压信号进行经验模态分解造成的模态混叠的问题。
本发明中对于调频频率的选取需要使得调频后的频率比大于设定的α,从而将原始电压信号从密集模态信号变为非密集模态信号,对于频率比小于α的两个频率,在分子和分母上同时减去一个合适的调频频率ω0,实现信号频率的下移并放大信号的频率比至大于α,从而完成
调频处理。
在本发明的实施例中选择如图2所示的电压信号x(t),其可以分为四个部分,分别为密集模态信号x1(t),其中含有220V,50Hz的基波电压以及幅值为100V,频率为70Hz的谐波;幅值为100V的3次谐波x2(t);幅值为80V,频率为450Hz的高频间歇谐波x3(t),其幅值与相位在检测时间中保持不变;最后为10dB的间歇高斯白噪声x4(t):
在采用本发明的检测方法后进行经验模态分解得到的各个本征模函数如图3所示,而直接进行经验模态分解得到的本征模函数如图4所示,经过对比可以看出相比于直接使用经验模态分解,采用本发明的电压质量扰动检测方法可以解决电压信号中存在的模态混叠问题,从而提升对于电压质量扰动检测的准确性。
上述实施例是对本发明的进一步阐述和说明,以便于理解,并不是对本发明的任何限制,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
- 一种基于HHT变换的电压质量扰动检测方法,其特征在于,包括:获取原始电压信号进行频谱分析,确定原始电压信号的频谱信息并判断是否为密集模态信号;根据频谱信息对原始电压信号进行奇异值分解并重构得到去除干扰信号后的重构电压信号;若原始电压信号为密集模态信号,则先对重构电压信号进行调频处理后再进行经验模态分解;对经验模态分解后的各本征模函数进行希尔伯特变换,获取对应本征模函数的幅值和频率信息,完成电压信号扰动的检测。
- 根据权利要求1所述的一种基于HHT变换的电压质量扰动检测方法,其特征在于,对于经过频谱分析的原始电压信号当不满足f1/f2>α且a1f1>a2f2时原始电压信号属于密集模态信号,其中a1和a2为对应信号的幅值,f1和f2为对应信号的频率且f1>f2,和为对应信号的初相角,α为设定的大于1的频率比。
- 根据权利要求1或2所述的一种基于HHT变换的电压质量扰动检测方法,其特征在于,进行奇异值分解并重构得到重构电压信号的步骤为:根据原始电压信号x0(i),(i=1,2,…,N)构造对应的汉克尔矩阵H,矩阵的行数为m,列数n=N-m+1;对汉克尔矩阵H进行奇异值分解,得到奇异值矩阵其中∑=diag(σ1,σ2,…,σr),奇异值σ1>σ2>…>σr>0,矩阵H的秩为r;保留奇异值矩阵中前有效奇异值数的奇异值,将其他奇异值置零得到更新后的奇异值矩阵;更新后的奇异值矩阵再由奇异值分解的逆运算得到更新后的汉克尔矩阵和去除干扰信号后的重构电压信号x(i)。
- 根据权利要求3所述的一种基于HHT变换的电压质量扰动检测方法,其特征在于,所述有效奇异值数为原始电压信号主频数乘以设定倍数;对于前有效奇异值数的奇异值,当某一奇异值小于前一奇异值的1/p时,将该奇异值以及之后的奇异值都置零,p为预设的大于1的值。
- 根据权利要求2所述的一种基于HHT变换的电压质量扰动检测方法,其特征在于,所述对重构电压信号进行调频处理的步骤为:对重构电压信号x(t)进行希尔伯特变换得到其解析信号
其中ω1=2πf1,ω2=2πf2;选择调频频率ω0对解析信号X(t)进行调频变换,得到调频信号
其中Zr(t)为变换后的实部信号,jZj(t)为变换后的虚部信号。 - 根据权利要求5所述的一种基于HHT变换的电压质量扰动检测方法,其特征在于,完成调频处理后,对调频信号Z(t)的实部信号和虚部信号分别进行经验模态分解,并组合后得到调频信号Z(t)的分解表达式;将调频信号Z(t)的分解表达式乘以得到解析信号X(t)的分解表达式,取解析信号X(t)的分解表达式的实部作为重构电压信号x(t)的分解表达式,完成重构电压信号的经验模态分解。
- 根据权利要求5或6所述的一种基于HHT变换的电压质量扰动检测方法,其特征在于,所述调频频率ω0的选择需要需要满足
且ω1-ω0>0,ω2-ω0>0。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211494196.5A CN115932389A (zh) | 2022-11-25 | 2022-11-25 | 一种基于hht变换的电压质量扰动检测方法 |
CN202211494196.5 | 2022-11-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2024109031A1 true WO2024109031A1 (zh) | 2024-05-30 |
Family
ID=86555060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2023/103020 WO2024109031A1 (zh) | 2022-11-25 | 2023-06-28 | 一种基于hht变换的电压质量扰动检测方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115932389A (zh) |
WO (1) | WO2024109031A1 (zh) |
-
2022
- 2022-11-25 CN CN202211494196.5A patent/CN115932389A/zh active Pending
-
2023
- 2023-06-28 WO PCT/CN2023/103020 patent/WO2024109031A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
CN115932389A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102519725B (zh) | 通过非线性冗余提升小波包处理轴承设备振动信号的方法 | |
CN108983058A (zh) | 基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法 | |
CN110909480B (zh) | 一种水轮机振动信号的去噪方法与装置 | |
CN109813230A (zh) | 一种基于vmd的光栅莫尔条纹去噪方法 | |
CN110687595B (zh) | 一种基于时间重采样和同步挤压变换的地震数据处理方法 | |
Lv et al. | Longitudinal synchroextracting transform: A useful tool for characterizing signals with strong frequency modulation and application to machine fault diagnosis | |
WO2024109031A1 (zh) | 一种基于hht变换的电压质量扰动检测方法 | |
CN108761202B (zh) | 极点对称模态分解和希尔伯特变换相结合的谐波检测方法 | |
CN112255457B (zh) | 适用于自动准同期装置的相角差测量方法 | |
CN110112757B (zh) | 基于sure小波消噪和改进hht的低频振荡分析方法 | |
Zhidong et al. | A new method for processing end effect in empirical mode decomposition | |
CN110944336B (zh) | 一种基于有限新息率的时频谱感知方法 | |
CN108090270A (zh) | 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法 | |
Ignjatović et al. | Chromatic derivatives and approximations in practice—part II: nonuniform sampling, zero-crossings reconstruction, and denoising | |
CN112362968B (zh) | 一种基于预调制cdsc与sdft的单相谐波实时提取方法 | |
CN115308486A (zh) | 一种电能谐波计量方法及系统 | |
CN110703089B (zh) | 一种用于低频振荡Prony分析的小波阈值去噪方法 | |
Kumaresan et al. | On minimum/maximum/all-pass decompositions in time and frequency domains | |
Gergely et al. | Multirate sampling in PCG signal correlation | |
CN113092850B (zh) | 一种简化s变换的时频谱分析方法及系统 | |
Qiu et al. | Design of A Hybrid Compression Algorithm for High-fidelity Synchro-waveform Measurements | |
Song et al. | Hybrid compression scheme based on VMD optimization algorithm application to mechanical equipment monitoring | |
CN112751794B (zh) | 基于fpga的非连续相位2fsk信号的符号速率估计方法 | |
Xiao et al. | A hybrid compression method for compound power quality disturbance signals in active distribution networks | |
Chen et al. | An improved method of wavelet threshold denoising for satellite signal |