一种识别谐波分量主瓣干扰的方法

加窗插值快速傅里叶变换是目前最常用的谐波信号分析方法。当信号中含有频率相近的谐波和间谐波分量时,频谱中通常存在主瓣干扰现象,影响到加窗插值快速傅里叶变换的精度。针对这一问题,研究了主瓣内谱线的相位特性,提出了一种判断主瓣干扰存在的方法,进而识别出频率相近的谐波和间谐波分量。仿真实验验证了该算法的有效性和准确性。     

基于Root-MUSIC和Adaline神经网络的 间谐波参数估计

为了提高电力系统间谐波分析的精度和分辨率,提出基于求根多重信号分类法（root-MUSIC)和自适应线性神经网络的间谐波参数估计方法.该算法利用求根多重信号分类法估计信号中谐波和间谐波的个数及频率,将谐波和间谐波的频率作为Adaline神经网络的输入进行学习,用得到的权值确定谐波和间谐波的幅值和相位;将频率作为权值在改进的Adaline神经网络中参与学习,估计谐波和间谐波的频率、幅值和相位.Matlab仿真结果表明,该算法频率分辨率高、检测准确、收敛快;当频率估计准确时,基本Adaline神经网络与改进的Adaline神经网络具有相近的检测精度,且前者的实时性更好.     

基于谐波小波包变换的信号检测

利用二进离散小波变换检测周期性信号时,由于频带间的干扰,微弱成分易被强信号所淹没,为解决此问题,提出一种基于谐波小波包变换的周期性信号检测算法。利用谐波小波函数的盒形频谱结构,根据目标声信号的特点,选择合适的分解层数和分析带宽,由此避免分析频带之间的相互干扰。对实测数据的分析结果表明,谐波小波包变换对于低信噪比下的微弱线谱信号成分有一定的增强效果。     

基于随机子空间的船舶电网谐波检测

船舶电网的谐波源密集,产生的谐波直接影响船舶通信和导航设备的正常工作．针对强噪声背景下,谐波参数不易准确检测的问题,将随机子空间理论（SSI）和最小二乘法运用于船舶电网的谐波检测．首先将采集到的电网电流信号构成Hankel矩阵,然后经矩阵OR分解和奇异值分解（SVD）,得到谐波频率,进而求出谐波幅值和相位．在Matlab7．1／Simulink环境下搭建船舶电网谐波源模型,仿真结果表明该方法检测精度高、抗干扰能力强、简便易行,具有良好的工程应用前景．     

基于快速傅里叶变换和db小波变换的谐波检测

在电力系统谐波检测中,使用快速傅里叶变换法(FFT)可以得到平稳谐波信号中的频谱,从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息,很难检测到谐波发生的具体时刻,而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号,提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知,该方法可以检测稳态谐波,确定暂态谐波的突变时刻.     

间谐波频率分量的频域奇异值算法

为了准确地获取周期性信号中的谐波、间谐波或次谐波成分的频率分量,提出了一种检测频率分量的新方法,即频域奇异值算法.适当选取数据窗长度和短时傅立叶变换(STFT)后的频率序列,利用该算法便可准确地求出所有的频率分量,仿真结果表明了该算法的正确性.     

基于驱动响应同步的混沌背景下谐波信号频率估计方法

提出一种基于混沌驱动响应同步的强混沌背景下谐波频率估计的方法.该方法利用采样的混合信号(混沌加谐波)驱动一新构建的同类响应混沌系统,若响应混沌系统同步于驱动混沌信号,则驱动响应信号的误差序列中应含有谐波成分,对误差序列互谱的分析,估计谐波频率.该方法同时也适于其它噪声加混沌干扰的复合背景下的谐波频率估计.理论分析给出了该方法的适用条件,仿真实验证明该方法简单有效.     

Hilbert-Huang变换应用中的预处理方法研究

为提高Hilbert-Huang变换（HHT）中瞬时频率计算的真实性和稳定性，提出了一种信号的预处理方法.该方法首先对信号作傅里叶变换，然后根据插值点数作补零处理，再进行傅里叶反变换，完成傅里叶插值功能.对傅里叶插值处理后的信号作经验模态分解（EMD）得到一组固有模态函数（IMF），计算所有IMF的瞬时频率和幅值，最终获得信号时频分布的Hilbert谱.结果表明，该傅里叶插值的预处理方法能够有效消除和抑制HHT分析中的瞬时频率波动和虚假成分产生，增强了瞬时频率的准确性，提高了HHT方法的信号分析频率，该方法能有效应用于实际信号处理的HHT时频分析中.     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分。傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号。小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷。本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性。     

基于HHT分解光电容积脉搏波信号的人体血液流变信息评估

为了识别人体光电容积脉搏波（PPG）信号中表征血液流变信息的动力分量并分析其特点,设计低氧实验. 测量30位受试者在正常氧（20%~21%）和极端低氧（15%~16%）2种氧气体积分数环境中的PPG信号,利用希尔伯特黄变换（HHT）算法分解信号. 通过经验模式分解得到,PPG信号中实际表征血液流变信息的动力分量为固有模式函数IMF_X,其时域特点有2个,一个是有类似动脉收缩舒张的波形,另一个是周期性振荡. 基于Hilbert变换得到IMF_X的瞬时频率和边际谱,其瞬时频率大多为1.5~2.5 Hz,且在低氧环境中此频率段内的边际谱幅值显著小于正常氧环境情况下的（P<0.05）,证明利用该特征可以有效识别低氧诱导的血液流变变化.     

提取混沌中谐波信号的时频方法

首先采用谐波小波变换将观测信号分解成窄带信号,然后使用经验模态分解方法将每一个窄带信号分解为有限个内禀模态函数(IMFs),根据功率谱密度选取内禀模态函数,提取谐波信号。该方法的性能可由噪声缩减因子和相关系数两个指标度量。理论分析和仿真实验表明,在信噪比不太低的情况下,该方法对提取淹没在混沌和噪声背景下的谐波信号非常有效。     

基于双树复小波包和AR谱的滚动轴承复合故障诊断方法

针对滚动轴承复合故障信号中故障特征难以分离的问题,提出了基于双树复小波包和自回归(autoregressive,AR)谱的故障诊断方法.首先,利用双树复小波包变换将复杂的、非平稳的复合故障振动信号分解为若干个不同频带的分量;然后,对包含故障特征的分量进行希尔伯特包络;最后,对包络信号求其AR功率谱,由此实现对复合故障特征信息的分离和故障识别.实验结果表明:该方法可有效地分离轴承复合故障的特征频率,验证了该方法的可行性和有效性.     

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

基于自适应多元变分模态分解的电力系统低频振荡模态辨识

针对电力系统多元非线性信号模态辨识困难的问题,提出一种自适应多元变分模态分解方法(自适应MVMD)对多元低频振荡信号进行辨识.自适应MVMD法通过对构建的多元约束变分模型迭代求解获得最优分离模态集合,避免了噪声扰动下的模态混叠及虚假模态等问题.首先通过最大复原近似度确定分离模态数K,然后利用自适应多元变分模态分解法对多元信号进行辨识以获得模态集合,对各信号中同频模态分类提取,并利用Hilbert变换以及傅里叶变换频谱分布对振荡参数进行辨识.测试算例及仿真算例证明了该方法的有效性,与经验模态分解法对比结果显示自适应MVMD法对含噪声信号辨识能力更强.     

函数拟合连续信号的频谱分析

用插值函数拟合代替抽样函数求有限长连续信号和周期信号的频谱 ,推导出用离散信号傅里叶变换公式求拟合连续信号频谱的方法 ,该方法能用离散傅里叶变换的公式更准确地求出连续信号的频谱 .该方法可以非常方便地改进现有信号分析仪性能价格比     

基于TLS-ESPRIT和小波变换的间谐波检测方法

目前间谐波检测方法主要针对平稳信号,对时变间谐波的检测效果不理想。针对这个问题,该文基于总体最小二乘—旋转不变子空间算法和小波变换算法提出一种综合的间谐波检测方法。首先采用总体最小二乘—旋转不变子空间方法计算出谐波和间谐波分量的频率,其次根据得到的频率确定小波多分辨率分析的频段范围和层数,最后采用DMEY小波对信号进行分解,由分解系数得到各平稳谐波分量,并通过系数重构对时变间谐波跟踪。仿真结果表明,该算法抗噪能力强、检测精度高,能够跟踪时变间谐波。     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.