电能质量扰动的广义S变换分析和决策树算法分类

针对电能质量扰动的检测和分类问题,提出了一种新的基于广义S变换和决策树的电能质量扰动分类方法.首先提出基于FFT的自适应调整调节因子取值的方法,再利用广义S变换对常见的几种电能质量扰动信号进行时频分析,并提取特征形成判决规则,最后生成用于对电能质量扰动进行分类的决策树分类算法.仿真实验结果表明,该算法能够实现电能质量扰动的自动分类,且分类正确率很高.     

基于Prony算法的暂态电能质量扰动信号分析

针对电能质量扰动信号特性,提出了一种基于Prony方法的信号分解算法.该方法将指数变换的时频特性与暂态信号特性描述相结合,可以提供各种分量的特征指标,如频率、幅值、相位等,利用最小二乘法得到高精度的拟合,并对暂态电能质量扰动的仿真信号和实测信号进行了分析.结果表明,Prony算法在暂态电能质量扰动信号分析中,可提供有效、准确的分析结果.     

压缩传感在电能质量扰动信号分析中的应用

针对电能质量扰动信号分析中, 传统信号处理方法存在采样数据量极大、 采样时间长、 压缩时浪费采样资源等问题, 将压缩传感（CS: Compressed Sensing）应用于电能质量扰动信号分析中。实现了采样与压缩同时完成, 极大地降低了采集的数据量和采样速率。通过对压缩传感的过完备字典设计, 实现了压缩传感同时检测多个电能质量扰动信号, 以及压缩传感对信号在一维、 二维上的重构, 并对重构的电能质量扰动信号进行分析。实验结果表明, 与传统的电能质量扰动信号处理方法相比, 该算法在采样数据量、 重构效果方面都有很大提升, 得到的重构信号误差更小, 对信号的分析更准确。     

基于动态窗模极大值的暂态扰动自动检测

针对传统模极大检测算法暂态电能质量扰动持续时间短、 随机性以及过零点难以检测等问题, 提出基于动态窗的改进小波模极大值暂态信号扰动检测方法。 对过零点时刻的扰动, 在动态窗检测的基础上, 通过系数变换, 改善过零点时刻检测不明显的问题。 运用 Matlab 软件进行的计算机仿真结果表明, 该方法能准确地对暂态电能质量扰动进行检测与定位, 精度较高且易于实现。     

基于Daubechies复小波的电能质量扰动检测

分析比较了现有用于短时电能质量扰动检测的方法后,提出从多分辨率分析理论出发,以Daubechies实小波为基础构造其复小波的方法,并将其应用于含噪电能质量扰动信号检测及微小电能质量扰动信号检测。仿真结果表明,利用该类复小波变换的恰当组合信息具有比实小波更好的检测效果,并且该类复小波能采用Mallat算法,具有良好的实时性。     

基于改进Hilbert-Huang变换的暂态电能质量扰动定位方法

针对经验模态分解过程中容易过度筛选的问题,该文改进了筛选停止准则,对Hilbert-Huang变换进行了改进,并将改进Hilbert-Huang变换方法应用于暂态电能质量扰动信号的检测及时频分析中。该方法在对暂态电能质量扰动信号进行经验模态分解得到固有模态函数后,再进行希尔伯特变换,可以定量、准确地刻画扰动信号的时间、频率和幅值信息。实验结果表明:该方法可以实时准确检测扰动的起止时刻、持续时间和扰动幅度,适用于暂态电能质量扰动的监测系统。     

傅立叶变换、小波变换在电能质量检测中的应用

本文介绍了几种常用电能质量检测的算法,通过应用不同算法对平稳信号和非平稳信号仿真分析,来验证各种算法的有效性和优缺点。     

基于S变换与傅里叶变换的电能质量多扰动分类识别

提出了一种基于S变换、加窗插值快速傅里叶变换(FFT)和概率神经网络(PNN)的电能质量扰动检测和分类方法.应用S变换和加窗插值FFT对电能质量多扰动信号进行时频分析,获取信号的特征量.通过训练信号集上获得的特征量,训练了一个概率神经网络用于扰动分类.训练好的网络在测试信号集上的测试结果表明,对正常电压和常见的电能质量扰动,该方法具有较高的分类准确率,在训练样本数较少、噪声影响大和多扰动信号并存时仍能取得较好的分类效果.     

基于自适应提升格式的暂态电能质量扰动检测及定位

为了进一步提高暂态电能质量扰动检测及定位的准确率,该文分析了暂态电能质量扰动的相关性,选择预测和更新算子,实现对扰动信号的自适应检测;利用MATLAB对电压骤升、电压骤降、电压瞬时中断、脉冲暂态和振荡暂态等暂态电能质量问题进行仿真研究,仿真结果表明:该方法能快速检测出上述5种暂态电能质量扰动.研究结果为电能质量分析仪器设计提供了理论支持.     

卷积混合信号频域盲分离技术研究

阵列声纳观测的舰船辐射噪声信号是由多目标源、海洋环境噪声等经多途卷积混叠形成,为提高被动声纳的检测能力、有效分离多目标信号与环境噪声,提出一种新的信号盲分离方法,利用滑窗短时傅里叶变换将时域信号卷积混合形式转换到频域瞬态混合形式,针对每个频率点利用非平稳水声信号的多拍交叉相关序列,建立频域适用盲分离算法,估计分离网络矩阵,分离恢复多源信号,研究了多源多途水声信号盲分离技术,用仿真信号和水池实验实录信号进行频域盲分离算法检验,结果表明信号分离效果较好。     

基于希尔伯特变换的改进地震信号谱重排

谱重排最早被称为改进的滑动时窗法,用来提高常规的时频谱分析的分辨率,其基本原理是将原时频谱中每一点的能量进行聚焦重排。由于该算法仅对信号在频率域进行重排,致使其重排过程是不可逆的。为了优化时频重排算法,将原始的谱重排算法与希尔伯特变换相结合,通过对信号求取导数并使用加窗傅里叶变换对理论信号进行再处理得到改进后的处理结果。结果表明,基于希尔伯特变换的改进谱重排算法不仅兼顾了时频谱重排和加窗傅里叶变换的优势,提高了对信号时频变换的分辨率,而且在地震勘探领域具有广泛的应用前景。     

基于广义S变换的信号提取与抑噪

S变换结合了短时傅里叶变换和小波变换的优点,是非平稳信号时频分析的有力工具.为了提高S变换在应用中的实用性和灵活性,该文将S变换改造成时频分辨率可调的广义S变换.广义S变换具有多分辨率特性,利用其高质量的时频分布,在时频域中设计了两种时频滤波器.前者用来实现非平稳信号中特定信号分量的提取,也可滤除处于特定时频平面中的噪声;后者直接应用广义S变换的时频谱实现,用于含高斯白噪声信号的滤波,达到了突出有效信号和压制噪声的效果.几种信号模型的仿真试验显示了它们在信号提取和抑制噪声中应用的有效性.     

非平稳背景噪声下微弱高频CW信号的自适应检测

在强噪声背景下,基于时频联合分析的高频CW信号检测算法性能严重下降,同时标准Kalman滤波器对非平稳背景噪声下微弱高频CW信号也失效.针对此问题,本文提出了一种基于ARMA新息模型的自适应Kalman滤波器检测方法.该方法避免了标准Kalman滤波检测CW信号时需要确定系统噪声统计特性的问题.论文根据CW信号的状态空间随机信号模型,构造了ARMA新息模型,通过在线辨识MA模型参数来估计Kalman滤波增益,从而实现了CW信号的自适应跟踪滤波.仿真结果表明,该方法能够在强噪声背景下动态跟踪CW信号时域波形,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制.     

阵列信号处理中DOA估计的误差分析

多重信号分类法(即MUSIC算法)具有很高的分辨力、估计精度及稳定性,在阵列信号处理中对DOA(direction of arrival)的估计也一直是人们研究的热点。通过对MUSIC算法中影响DOA估计的误差因素进行分析和研究,讨论MUSIC算法的估计性能。理论分析和仿真结果表明,对非相关或相干信号,MUSIC算法是一种有效的测量目标方位角的方法。     

改进的相位梯度法解电离层相位污染的方法

为了修正由电离层时变特性而引起电波信号相位的污染,研究人员开发了大量的算法对回波信号进行去污染。相位梯度法解相位污染是目前一种主要的解电离层相位污染的算法,但是该算法在提取一阶Bragg峰的问题上缺乏自适应的提取算法。在相位梯度法的基础上利用局部熵最小算法和基于功率比的滑窗自适应信号提取算法来其进行优化,利用仿真信号对两种改进算法和原有相位梯度算法进行验证比较。结果表明两种改进后的算法提升了解电离层相位污染的性能,同时提升了整个解相位污染方法的自适应性。此外,根据仿真实验的结果,当信号离Bragg峰更近时,功率比算法优于局部最小熵算法,当信号远离Bragg峰时,两者效果基本一致。     

正交频分复用码分多址系统盲自适应频率同步算法

针对正交频分复用码分多址系统对载频偏移非常敏感的问题，在分析基于循环前缀的最大似然联合时间频率同步和基于虚拟子载波盲载频偏移估计的基础上，提出了一种用曲线拟合实现类MUSIC 快速算法。考虑信号功率曲线随载频偏移的sinc函数形式，在曲线峰值点附近选取测试点，进行近似曲线拟合，通过对曲线参数估计，得到信号功率随载频偏移的解析表达式，闭式解得到载频偏移，解决了类MUSIC估计器多项式根搜索运算量大、收敛速度慢的问题。仿真结果表明，在估计精度和载频偏移初值均相同的条件下，快速算法的运算量是类MRSIC算法的1/8.5，而系统频谱利用率则提高25%。     

基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别

为了能够充分利用局部放电(Partial Discharge, PD)信号中包含的特征信息，提高变压器内部局部放电类型的识别率，文中提出了一种基于小波变换(Wavelet Transform)和灰度-梯度共生矩阵(Gray-GradientCo-occurrence Matrix,GGCM)算法的局部放电类型识别方法。结合变压器内部结构特点，设计四种局部放电缺陷类型，在实验室搭建变压器局部放电实验检测平台，通过脉冲电流法采集局部放电高频电流信号。运用小波变换对非平稳信号处理时的灵活性对局部放电信号脉冲构建时频谱图；然后结合GGCM算法提取时频谱图的15维纹理特征组成特征向量；将特征向量输入到支持向量机(Support Vector Machine,SVM)分类器进行模式识别。结果表明，小波变换和GGCM算法结合的识别方法能够有效地对不同局部放电缺陷类型进行识别。     

一种新的瞬时谱分析技术在致密砂岩气检测中的应用

瞬时谱分析技术在地震资料处理和解释中扮演着重要的角色,该方法的优劣取决于时频分析的好坏。常规的线性时频分析方法均是基于傅里叶方法发展起来的,因此受测不准原理限制,使之不能同时具有较高的时间和频率分辨率,且针对非线性非平稳信号的处理效果较差。将基于改进的CEEMD算法的HHT方法应用于致密砂岩气地震资料的瞬时谱分析中,分别从一维地震道,二维地震剖面以及三维地震数据体三个方面进行了实际地震资料含气性检测试验。结果表明该方法在一维地震道时频谱上能够区分含气区;在二维地震剖面的瞬时谱剖面上能发现明显的低频阴影现象;在三维瞬时谱数据体切片中能大致划分含气区域的范围。含气检测结果与测井综合解释结果相吻合,因此方法可以在致密砂岩气地震资料的解释性处理中进行推广。     

经验模态分解的时频分析方法及其应用

研究了经验模态分解与希尔伯特变换相结合提取信号特征参数的方法,并对其性能进行了分析。给出了经验模态分解时频特性分析方法及步骤,并用该方法对瞬态信号特征提取及信号趋势提取进行了研究,仿真实验验证了该方法的可行性和有效性。将经验模态分解时频分析方法应用于信号的趋势提取领域,验证了此时频分析方法的有效性以及反映信号局部时频特征的独特优点。     

A non-commutative time-frequency tomography

The characterization of non-stationary signal requires joint time and frequency information. However, time and frequency are a pair of non-commuting variables that cannot constitute a joint probability density in the time-frequency plane. The time-frequency distributions have difficult interpretation problems arising from negative and complex values or spurious components. In this paper, we get time-frequency information from the marginal distributions in rotated directions in the time-frequency plane. The rigorous probability interpretation of the marginal distributions is without any ambiguities. This time-frequency transformation is similar to the computerized axial tomography (CT or CAT) and is applied to signal analysis and signal detection and reveals a lot of advantages especially in the signal detection of the low signal/noise (S/N).