基于db4小波的电能质量去噪及暂态扰动的检测

本文针对暂态电能质量扰动信号具有时间短、变化快、非平稳等特性,采取一种基于db4小波分析的暂态电能检测方法.根据Mallat算法,信号奇异点处的小波变换模极大值能够通过信号的多分辨率分解提取出来,实现暂态电能质量信号扰动时间的准确定位,扰动定位前根据信号与噪声在小波变换各尺度上有不同传播特性,对电能信号小波去噪.利用Matlab编程对5种暂态电能质量扰动信号进行暂态扰动检测的仿真分析,结果表明该方法能够准确的获取扰动的起止时间,精度满足实际的工程需求.     

小波变换在电能质量扰动检测中的探讨

文中针对暂态电能质量问题,主要在电能质量扰动检测方面做了一些工作,在小波变换局部模极大值理论的基础上,针对连续小波变换的计算量大,存在较大冗余的缺点,采用二进小波变换对电能质量扰动进行检测。小波变换的局部模极大值对应信号的突变点,可以用来检测电能质量扰动。     

基于小波变换的电能质量暂态信号检测

设计了一种基于DSP的电能质量监测系统,并给出了信号调理、锁相倍频等主要模块电路。依据小波变换模极大值的理论,通过对该检测装置采集的暂态信号进行多分辨率分解,准确实现了暂态信号的检测。最后对采集的信号进行Matlab小波变换,仿真结果表明,小波变换可实现对电能质量暂态信号突变点的准确检测,同时验证了小波检测的正确性和可靠性。     

基于分数阶Fourier变换和小波熵的电能质量扰动识别

电力系统中电能质量扰动信号的分类和识别一直是国内外众多学者研究的热点问题.基于小波分析的小波熵具有较好的定量特征提取能力,可对电能质量扰动进行分类和识别.但小波熵只是在一定信噪比条件下对噪声不敏感,应用范围受限.因此提出了一种利用分数阶Fourier变换(FRFT)结合小波熵来分类和识别电能质量扰动信号的方法.运用分数阶Fourier变换将含噪电能质量信号变换到分数阶Fourier域上,从而消除噪声对信号的耦合作用;再在此域上利用小波熵进行扰动分析.该方法具有较强的自适应性和判别能力,且信噪比降低时,不受噪声影响,应用范围广.建立各种扰动的仿真模型,对电压突降﹑突升﹑中断﹑振荡暂态﹑电压尖峰﹑缺口﹑谐波等扰动类型进行了系统的仿真分析,验证了本文方法的可行性和有效性.     

基于DSP和小波变换的电压暂态扰动在线监测方法研究

设计了一款基于DSP2812的电压暂态扰动在线检测装置,研究了基于DSP和小波变换的电压暂态扰动在线检测方法。该装置通过霍尔传感器和模数转换芯片采集电信号,以高性能数字信号处理芯片TMS320F2812为核心信息处理单元,完成了DSP及其外围电路设计。采用小波变换在线检测电压暂态扰动,并在DSP中实现了小波算法,软件还包括主程序模块、A/D采集模块、中断模块、上位机处理模块和通讯模块等设计。实验首先在Matlab中进行了仿真实验,选取合适的小波函数,利用Matlab中的DB4小波对扰动进行定位;然后再利用信号发生器产生包含暂态扰动的信号,采用该文研制的装置进行了在线扰动定位。利用DSP 强大的运算性能和高效的小波算法,能实现电量采集和电压暂态扰动的实时分析同步进行。实验表明：该装置精度高,数据处理速度快,可实现电压暂态扰动的实时检测。     

基于DSP和小波变换的电压暂态扰动在线检测方法研究

设计了一款基于DSP2812的电压暂态扰动在线检测装置,研究了基于DSP和小波变换的电压暂态扰动在线检测方法。该装置通过霍尔传感器和模数转换芯片采集电信号,以高性能数字信号处理芯片TMS320F2812为核心信息处理单元,完成了DSP及其外围电路设计。采用小波变换在线检测电压暂态扰动,并在DSP中实现了小波算法,软件还包括主程序模块、A/D采集模块、中断模块、上位机处理模块和通讯模块等设计。实验首先在Matlab中进行了仿真实验,选取合适的小波函数,利用Matlab中的DB4小波对扰动进行定位;然后再利用信号发生器产生包含暂态扰动的信号,采用该文研制的装置进行了在线扰动定位。利用DSP强大的运算性能和高效的小波算法,能实现电量采集和电压暂态扰动的实时分析同步进行。实验表明:该装置精度高,数据处理速度快,可实现电压暂态扰动的实时检测。     

基于dq变换和S变换的电能质量扰动识别

针对电能质量扰动的在线识别,提出一种基于dq变换和S变换的电能质量扰动识别方法。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:第一类为电压暂降、暂升和中断;第二类为振荡暂态、电压尖峰、电压缺口和谐波。利用dq变换有效值波形特征对第一类扰动进行识别;然后对第二类扰动进行S变换,通过变换后S矩阵的频谱标准差和工频幅值变化进行识别。仿真结果表明:该方法正确率高、响应速度快、结构简单且抗噪声能力强。     

谐波环境下基于时域特性分析的电能质量评估

在谐波环境下,电能质量容易发生畸变,电力系统极其不稳定,该研究采用时域特性分析的方法,构建出改进型的电能质量扰动分析模型。该模型能够提取电能扰动特征量、基波幅值变化特征量和加性扰动特征量等,通过Daubechies小波变换实现信号的放大,并对电能质量进行多角度分析。该研究通过对电能质量特征进行量化分析,及时获取谐波、间谐波和振荡暂态信息,在杂波环境下实现电能质量的特征分析。试验表明,在h次不同谐波次数影响下,电能质量评估误差率较低,从而提高了电能表评价性能。     

基于改进支持向量机的电能质量扰动分类

对近年来电网发展和研究的热门话题之一:电能质量扰动识别分类系统进行研究。识别分类系统使用小波变换方法对扰动电压信号进行特征提取,之后收入由支持向量机建立的识别系统中。相对小波能量只能表达总分解层信号能量中各层信号能量的比例,对于电能质量扰动信号的检测不能直接使用信息熵公式。因此引入加权算子以改进相对小波能量,加权算子对电能扰动特征进行放大,实时反映电能扰动特征。针对使用支持向量机建立电能质量扰动识别系统时会由于扰动信号特征向量维度高、数据庞大等问题,提出一种基于混合核函数的LSSVM建立电能质量扰动识别系统。选取RBF核函数和Polynomial核函数分别作为局部以及全局核函数,构造混合核函数,提高系统泛化能力。使用PSO优化算法对LSSVM分类器进行分类,提高分类器的识别精度等性能。最后通过实验验证研究的电能质量扰动识别分类系统的识别性能。     

基于最优小波包基的电能质量扰动数据的压缩

针对电能质量扰动信号的频率变化十分广泛（最高达到MHz）的特点，在小波压缩的基础上，提出将基于最佳小波包基的数据分析方法应用于电能质量数据压缩，利用最佳小波包基的快速搜寻算法对高，低频分量同时进行分解，再对扰动数据进行压缩重构，并将其与基于小波变换的数据压缩方法进行仿真比较。结果表示，对于暂态信号，在压缩比大致相同的情况下，基于最佳小波包基的数据压缩效果比基于传统小波的数据压缩效果好，而对于稳态信号，基于两种方法的压缩效果相当．     

基于小波变换的故障信号分析与检测

讨论了小波变换及其基本性质，探讨基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法，在不同尺度上分析和处理信号的各种频率分量，使信号的奇点，突变点放大，提高信号的分辨率，信噪比。研究小波分析在机械工程信号处理中的应用，提出通过二进小波变换检测信号奇异点的实用技术。利用介绍的模极大值多尺度小波变换的方法，较有效地检测出滚动轴承故障发生的起始点，对在线故障诊断进行了有益的探索。     

QPSK信号码元速率估计

接收端码元速率的估计,有助于获取信号调制规律,便于信号正确解调。以π／4-QPSK为例,在解决小波变换尺度优化选取和基带快速提取的难点的同时,旨在运用小波变换估计信号码元速率。具体方法是利用QPSK相位跳变发生在码元周期交替处的特点和Haar小波的相位特点,使小波变换系数极大模值出现在码元速率整数倍处;根据极大模值构造出同频率冲激序列,从其功率谱图上估计码元速率。经Matlab仿真,的确能估计出信号码元速率为500B。该方法所得估计值受噪声变化影响甚微,且在一定范围内小波变换尺度越大,分析效果越好。     

基于NGST和MODWT的联合初至波到时提取算法

针对传统小波变换模极大值法提取初至波到时存在误判率高、提取精度低的问题,提出了一种基于NGST和MODWT联合提取初至波到时的算法。该方法通过极大重叠离散小波变换解决了塔式算法中因下采样引起的选择起点的灵敏性问题,采用广义S变换现在瞬时极化窗。试验结果表明,与小波变换模极大值相比,基于NGST和MODWT的联合提取初至波到时的算法,误判率低、提取精度高,在地下震源定位、微震监测领域将具有良好的应用价值。     

小波变换域滤波方法在电磁生物医学成像中的应用

电磁生物医学成像信号是一种非平稳信号,传统滤波方法全造成信号重要信息的损失。小波变换局部极大值滤波方法利用信号与噪声不同的尺度变化特性来区分信号与噪声,将噪声从信号中分离出来。小波变换局部极大值描述是信号的一种稳定的、近似的描述,可以利用交替投影算法从小波变换局部极大值描述来重构信号。ａｄｈｏｃ算法是寻找小波变换对数模极大线的一种有效算法,在此基础上,提出模极大值漂移抑制方法,对生物医学成人像仿真     

小波变换在电网故障诊断中的应用

故障特征作为故障诊断的重要信息,其提取方法研究备受关注。为提取电网短路故障的特征信息,在Matlab的Simpowersystem电力系统建模的基础上,运用小波变换的方法,对短路故障工况的暂态过程进行了分析和特征提取,其所提取的均方根值与不同的短路故障之间存在映射关系。证明了运用小波变换进行特征信息的提取,在电网短路故障诊断中具有一定的应用价值。     

基于小波变换的网络流量异常监测仿真实验

为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。     

小波变换在心电信号处理中的应用

在心脏病诊断过程中,心电信号的检测是重要的环节,然而心电信号的噪声很强,为了能够较好地滤除信号中的噪声,对信号的特点进行准确标定,利用基于小波变换的阈值去噪算法和基于小波的模极大值-极小值的算法进行心电信号的处理.采用MIT/BIH中的数据进行仿真调试验证,实验结果表明,被引入的几种噪声能被很好地去除,而且心电信号能较完整地保留下来,特征点能被准确地检测到,从而提高了诊断心脏等疾病的诊断效率.