Lagrange 插值定理辅助小波变换法在周跳探测中的应用

在北斗导航定位领域,为获得准确的载波相位观测数据,必须对载波相位观测中出现的周跳现象进行有效探测和修复。 首先构造了单差、双差检测量,利用小波变换对单差、双差检测序列进行三尺度分解,同时提取高频系数和低频系数,从高频系 数奇异值可以观察出明显的周跳,然后通过 Lagrange 线性插值法对高频系数奇异值进行替换,将替换后的高频系数和低频系数 进行重构。 最后将重构信号与原始信号相减,可以获得周跳差值,利用该值对周跳进行一层一层的修复。 实验选择了 200 个无 周跳历元,在 100 历元处加入不同周跳,仿真结果发现该方法可以对 0. 5 周以上的周跳进行有效地探测和修复。     

基于Hankel矩阵的复小波–奇异值分解法提取局部放电特征信息

气体绝缘组合电器(gas insulated switchgear,GIS)在产生局部放电(partial discharge,PD)时,会向外辐射特高频(ultra-high frequency,UHF)电磁信号,有效提取UHF PD信号的特征信息可实现GIS的在线监测与故障诊断。针对UHF PD信号经过复小波变换后,层间奇异信息分布和层内奇异信息复杂度的差异性,采用二元树复小波变换(combined dual-tree complex wavelet transform,DT-CWT)和奇异值分解(singular value decomposition,SVD)相结合的信号处理方法,提取了UHF PD信号的特征信息。采用Birge-Massart阈值策略对DT-CWT分解后的复小波系数模值序列进行压缩,并构造复合矩阵,分析复合矩阵的奇异熵和复小波分解层数的关系,提出一种求解复小波最优分解层数的算法;利用最优分解层数下的压缩后的各高频系数模值序列构造Hankel矩阵,提取各Hankel矩阵的最大奇异值和奇异熵作为PD辨识的特征参量。结果表明:该特征可以有效识别4种典型绝缘缺陷,且识别率都到达了92%及以上。     

平稳小波域局部自适应绝缘子的红外热像去噪

为从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出了一种平稳小波域局部自适应绝缘子红外热像去噪方法。该法假设平稳小波变换子带系数服从拉普拉斯分布,利用最精细分解层子带系数估计噪声方差,使用待估计点圆形邻域系数估计信号方差,根据图像噪信比自适应调整邻域窗口大小,采用最大后验估计器局部自适应估计各高频子带小波系数,最后对处理后的小波系数进行平稳小波反变换得到去噪后图像。实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和平稳小波变换的贝叶斯阈值去噪法的信噪比更高,在有效去除图像噪声的同时,图像细节信息保留更完好。     

基于混沌和SVD-DWT的数字图像水印算法

提出了一种基于奇异值分解和离散小波变换相结合的数字水印算法。将二值水印图像用混沌的方法进行置乱并对原始图像进行N层小波分解,对小波系数LLn,LHn,HLn,HHn分别采用不同的方式嵌入水印信息。对LLn部分,根据系数的能量大小嵌入伪随机扩频序列;对LHn,HLn,HHn三个小波系数矩阵作奇异值分解,将置乱水印的奇异特征值嵌入到这三个小波矩阵的奇异特征值中。针对嵌入方案,设计了非盲检测和盲检测算法。实验仿真表明,该算法能够经受住噪声、中值滤波、JPEG压缩和剪切等攻击,具有较强的鲁棒性。     

基于dq变换、小波变换及FFT的电能质量扰动识别

利用dq变换有效值波形特征、小波变换和FFT对7种电能质量扰动信号进行分层次识别并求其取特征参数。首先根据扰动信号电压有效值的分布特性将扰动分为两类:电压暂降、暂升和中断为第1类:谐波、瞬态脉冲、低频振荡、电压波动为第2类。然后对第2类扰动进行小波多分辨率分析,由高频系数特征识别出瞬态脉冲和低频振荡,通过过零点个数将两者区分。最后再对小波变换后高频系数呈现相似分布的谐波和电压波动进行FFT变换,用频谱特性进行识别。该方法不仅能够有效识别扰动类型,同时还能够求出电压暂降等扰动的起止时刻和幅值,瞬态脉冲和低频振荡的峰值、峰值时刻等特征参数。仿真实验结果表明了该方法的有效性。     

基于二维离散平稳小波变换的短时电能质量扰动检测方法

基于二维离散平稳小波变换，提出了一种精确定位短时电能质量扰动起止时刻的检测方法。利用二维小波变换将信号分解在3个不同的高频方向，用水平高频系数精确定位发生在工频相位过零点的电压凹陷的起止时刻，用垂直高频与斜线高频系数之和精确定位发生在工频相位非过零点的电压凹陷的起止时刻。该方法只需采用最简单的小波函数db1对信号进行1层小波变换，简单易行且对噪声不敏感。运用Matlab6.5进行仿真实验，验证了该方法的有效性、准确性和鲁棒性。     

基于小波奇异值和支持向量机的高压线路故障诊断

提出了基于小波奇异值(WSV)和支持向量机(SVM)的电力系统故障类型识别的新方法.利用WSV来量化故障特征,再与SVM结合进行故障类型识别.对故障线路三相电流信号进行小波包变换分解,获取故障信号的小波细节系数;利用相重构技术将小波细节系数向量形成系数矩阵,并对该矩阵作奇异值分解,获取小波奇异值;将小波奇异值向量输入到SVM分类器进行故障类型识别.仿真表明,对于不同的故障类型,其小波奇异值分布明显不同,而对于同一类型故障,其小波奇异值分布在不同的故障位置、过渡电阻的情况下仍保持很大的相似性.SVM具有训练样本少、训练时间短、识别率高等优点.     

基于小波变换和奇异值分解的串联电弧故障检测方法

根据线路中电流信号的变化来检测电弧故障,小波变换是一种常用的检测方法,但是单纯利用小波变换对于正常情况和电弧故障的区分并不明显,而且其结果存在很大的冗余。针对这一问题,提出了采用一种基于小波变换和奇异值分解的串联电弧故障检测的方法。利用电弧模拟发生装置产生串联故障电弧,采集在多种负载下线路正常工作和发生串联电弧故障时的电流。首先对采集的电流信号进行离散小波变换,得到离散小波系数序列,构造特征矩阵;然后对特征矩阵进行奇异值分解,并定义电流信号的特征参数,利用特征参数作为串联电弧故障检测的依据。试验结果表明:正常情况和电弧故障下的特征参数区分明显且没有交叉,易于确定阈值,利用该方法进行串联电弧故障检测的准确率较高,且大大压缩了小波变换结果的冗余性。     

基于小波奇异值和支持向量机的高压线路故障诊断

提出了基于小波奇异值（WSV）和支持向量机（SVM）的电力系统故障类型识别的新方法。利用WSV来量化故障特征,再与SVM结合进行故障类型识别。对故障线路三相电流信号进行小波包变换分解,获取故障信号的小波细节系数;利用相重构技术将小波细节系数向量形成系数矩阵,并对该矩阵作奇异值分解,获取小波奇异值;将小波奇异值向量输入到SVM分类器进行故障类型识别。仿真表明,对于不同的故障类型,其小波奇异值分布明显不同,而对于同一类型故障,其小波奇异值分布在不同的故障位置、过渡电阻的情况下仍保持很大的相似性。SVM具有训练样本少、训练时间短、识别率高等优点。     

风速数据奇异点辨识研究

保证风速数据的真实性与可靠性,可以有效地提高风电功率预测精度。针对风速信号中包含奇异点,采用基于小波模极大值的方法进行辨识。该方法将阈值判定与李氏指数相结合,首先,求出小波分解后细节系数的局部极值点,由于奇异点的高频分量很大,因此利用阈值对奇异点的位置进行初步判定;然后,寻找各尺度局部极值点的传播点并绘制模极大值线,从而求得李氏指数α,当李氏指数α<1时,判定该点为奇异点;最后利用自回归滑动平均法ARMA（p,q）对奇异点进行修正。研究实例表明,所采用的基于小波模极大值的奇异点辨识方法,能够准确的判断出信号的奇异性以及发生的时刻,并且能够有效地修正奇异点的值,从而保证风速数据的可靠性,具有一定的实际应用价值。     

基于小波分析的阵列滑觉信号识别方法

机械手指尖能够更好地感知物体的运动状态信息，对实现类似于人手的稳定抓握至关重要。为了使指尖末端对物体的滑觉信息具有更好的感知能力，提出了一种基于离散小波变换的触滑觉信号识别方法。首先将触觉传感器25个触点的信息，采用相关系数法进行融合；然后将得到的信息进行小波变换，观察切向力信号和法向力信号在频域成分中的不同。最后，采用离散小波算法，通过多次试验，设定合适的小波系数，进行特征值提取，对切向力和法向力进行区分。实验结果表明，在以3 N大小的法向力作用下，分别对刺状球、光滑球、凸点球3种轮廓不同的物体施加干扰引起滑动，其设定的同一小波系数阈值±0.018仍能很好的区分压觉和滑觉信号。本识别方法可以为机械手实现稳定抓取提供依据和技术支撑。     

基于NAR动态神经网络的BDS周跳探测与修复方法

针对北斗导航定位系统(BDS)数据处理过程中出现的周跳问题,提出一种提升小波结合NAR动态神经网络的周跳探测与修复方法。首先构造了非差周跳检验量,通过提升小波法探测到周跳发生历元,再采用NAR动态神经网络法、改进BP神经网络法以及传统多项式拟合法,分析对比不同方法周跳修复效果。实验仿真结果表明,在周跳探测方面,提升小波法可有效探测0.2周以上的小周跳;在周跳修复方面,NAR神经网络比改进BP神经网络的拟合度提高40%左右,预测精度比改进的BP神经网络提高50%左右,比传统多项式拟合法提高10%以上,更适用于小周跳的探测与修复,进一步提高了定位精度。     

基于双小波的短时电压波动信号检测

提出了一种基于dbl小波和dblO小波检测短时电压波动(Short Duration Voltage Variation,SDVv)信号的方法,首先利用dbl小波对信号进行分解得到低频系数模,据此初步确定SDVV信号的发生时段,并记下每时段的起始和结束时刻点。再应用dblO小波对信号进行分解得到第一层高频分解系数,而由dbl小波确定的起始和终止时刻点前后的1/2采样周期内检测第一层高频分解系数的模极大值,以确定非过零点和波峰的起止点。根据具体的判断规则即可确定电压波动的准确起止时刻,还可根据dbl小波分解得到的低频系数模确定电压波动的幅度。仿真和试验结果表明了该方法的可行性和有效性。     

基于小波变换的电力系统故障测距装置启动判据方法

电力系统故障或扰动时伴随着电流电压的突变,而小波变换的窗口大小具有自适应性,当减小尺度参数。的取值时,可以使时窗宽度变窄、频窗高度增大,有利于检测突变信号。在介绍小波变换的基础上,通过建立故障行波的故障特征与小波变换模极大值之间的关系,构造了一种基于行波原理的输电线路故障测距装置启动判据方法,可以在故障发生的瞬间快速检测出电流或电压突变量信号。     

应用能量算子和改进MODWT的孤岛检测算法研究

针对传统孤岛检测法定位精度差、抗噪性能不强的问题,提出了一种应用能量算子和改进最大重叠离散小波变换(maximal overlap discrete wavelet transform, MODWT)的孤岛检测算法。为了有效解决MODWT算法的边界效应问题,在传统MODWT算法的基础上,采用环形边界系数更新原来的小波系数,并通过滑动窗口分析其能量。再将该算法应用于孤岛检测,用处理得到的细节系数和近似系数能量分析孤岛状态下公共耦合点的电压扰动信号特征。仿真结果表明,该算法可准确检测电压扰动信号的起始时刻和幅值变化,且在实际信号检测中不受母小波和分解层数影响、抗噪能力强且时延偏差小。     

基于小波变换的电力系统故障测距装置启动判据方法

电力系统故障或扰动时伴随着电流电压的突变。而小波变换的窗口大小具有自适应性,当减小尺度参数a的取值时,可以使时窗宽度变窄、频窗高度增大,有利于检测突变信号。本文在介绍小波变换的基础上,通过建立故障行波的故障特征与小波变换模极大值之间的关系,构造了一种基于行波原理的输电线路故障测距装置启动判据方法．可以在故障发生的瞬间快速检测出电流或电压突变量信号。     

基于频域内插抗混叠Shannon小波包的谐波检测研究

提出了一种基于频域内插抗混叠Shannon小波包变换的谐波检测技术,首先分析了小波混叠的物理本质,然后选择分频严格的Shannon小波函数构造了频域内插方法,并利用线性调频Z变换进行快速求解,最后给出了小波包变换算法.仿真实验表明该方法可有效消除谐波检测中的小波混叠现象.     

基于改进小波系数奇异值分解和小波去噪的低频振荡时变模式辨识

提出了一种基于连续小波变换(continuous walelet t r a n s f o r m , C W T )和奇异值分解( s i n g u l a r v a l u e decomposition,SVD)相结合的提升小波系数 SVD 辨识信号振荡频率和模式信息提取及信号去噪的新方法.克服了噪声较大或者密集模态时,小波脊线不清晰甚至会出现混叠和交叉难以提取频率的情况,根据提升的小波系数奇异值分解频率向量识别各阶振荡模式的频率.同时选用小波能量系数来识别主导振荡模式,用小波软阈值去噪和 SVD 分解后矩阵重构来进行信号去噪.CWT 可以处理含时变振荡模式的低频振荡信号,且对模式参数具有较高的辨识精度.仿真算例验证了算法的有效性和适用性