UHF局部放电信号包络检波电路设计与实现

气体绝缘组合电器局部放电产生的特高频信号频率大多分布在300 MHz～1.5 GHz,直接对特高频原始信号进行采样和分析,要求系统必须具备较高的采样率,导致需要处理传输的数据量巨大,成本高昂,工程应用困难.而气体绝缘组合电器局部放电产生的特高频信号的包络波形同样携带着大量的放电缺陷特征信息,对提取的包络波形进行采样处理,一方面可以大大降低对系统采样率的要求,另一方面也保留了局部放电缺陷大部分的特征信息.根据气体绝缘组合电器局部放电产生的特高频信号特性,设计实现了一种适用于气体绝缘组合电器局部放电产生的特高频信号的包络提取检波电路,实测结果表明,该检波电路响应速度快、惰性失真小,提取的包络波形与特高频原始信号的轮廓基本一致,较好地保留了气体绝缘组合电器局部放电所携带的特征信息.     

对《信号检测与估计》课程设置的构想

《信号检测与估计》是通信、电子工程等有关学科中本科生培养的一门专业技术课程。目前,在该课程的设置中存在明显的理论和实践相脱节的问题,使学生在学习后不能将课程的基本理论运用到具体实践中。文中针对该问题展开讨论,并提出了课程设置改革的构想。     

基于修正的拟牛顿法的基追踪去噪研究

为提高一维信号去除噪声的稀疏分解基追踪算法的效率,提出了采用修正的拟牛顿法来解决基追踪去噪过程中的无约束优化问题。该算法在传统拟牛顿法的基础上,对BFGS(Broyden-Fletcher-Goldfarb-Shanno)公式进行修正,有效地减少了最优化过程中所需的迭代次数。实验结果表明,修正的拟牛顿法与传统算法相比,能够明显提高目标函数的收敛速率。     

基于修正的拟牛顿法的基追踪去噪研究

为提高一维信号去除噪声的稀疏分解基追踪算法的效率,提出了采用修正的拟牛顿法来解决基追踪去噪过程中的无约束优化问题。该算法在传统拟牛顿法的基础上,对BFGS(Broyden-Fletcher-Goldfarb-Shanno)公式进行修正,有效地减少了最优化过程中所需的迭代次数。实验结果表明,修正的拟牛顿法与传统算法相比,能够明显提高目标函数的收敛速率。     

结合软约束的演化数据流模糊聚类算法

多源局部放电检测中,不同类型的局放信号同时存在且不断变化使得信号的分离更具挑战,而这种情况同样存在于许多数据流的聚类分析场景中。为了能够适应类簇内的不均匀密度和类簇间的重叠边界问题,同时对数据流的漂移和演化进行及时跟踪,提出了一种结合软约束的实时数据流模糊聚类算法。算法引入2种模糊性软约束来描述微簇距离和密度上的不确定度,通过阈值划分出核心微簇、边界微簇和离群微簇;在类簇边缘使用模糊隶属度,给予微簇分属不同类簇的可能性,保证类簇的完整性并提高聚类效果;使用两阶段的流程结构和2种时间窗口模型,赋予算法具有对可变化数据流的适应能力和更低的时间空间占用率。在多种数据集上的实验表明,该算法相比同类型算法在聚类效果上提升了1%~3%,且平均运行时间缩短5%~20%,在实际硬件平台的测试中也验证了算法的聚类分离性能。     

基于PRPD图谱多特征融合的局部放电类型识别研究

局部放电(partial discharge, PD)信号的检测能够为电力系统提供绝缘缺陷诊断和运行状态评估。现有的局部放电类型识别算法难以有效识别相似度较高的绝缘缺陷,限制了其应用范围。为此,提出一种基于PRPD(phase resolved partial discharge)图谱多特征融合的局部放电类型识别算法。该算法利用卷积神经网络(convolutional neural network, CNN)提取局部放电PRPD图谱图像特征,将图像特征与PD信号统计特征进行有效融合,利用融合特征识别局部放电类型。在实验室环境下建立了4种局部放电模型,并进行了模拟对比实验。实验结果表明,相比传统的支持向量机(support vector machine, SVM)和反向传播神经网络(back propagation neural network, BPNN)算法,所提出方法的正确识别率分别提高了12.82%和19.70%,对相似度较高的缺陷类型也能进行有效识别,算法具有较好的鲁棒性。     

基于多源局部放电信号数据流聚类分离方法

局部放电检测中,多种放电源与现场干扰源同时存在且不断变化,导致多种局部放电源难以有效分离及识别.提出一种高效自适应在线数据流(EAOStream)聚类算法,该算法采用自然邻域创建K-dimensional树来提高查询近邻的效率,即通过流数据的特征得到自适应的邻域半径和区域密度,从而能够局部搜索并形成团簇,实现多种局部放电源的实时在线分离.在人工数据集和真实数据集验证了EAOStream的优越性,通过与传统的DenStream和SE-Stream算法比较,将其应用于气体绝缘变电站故障的模式识别.实验测试结果表明：EAOStream在真实的网络入侵检测、森林覆盖类型及多源局部放电信号数据集的聚类准确度分别达到95.28%、98.47%及97.23%,验证了该算法在气体绝缘变电站故障诊断方面的实用性和有效性.     

在残余频偏下微弱直扩信号伪码周期的谱检测

针对存在残余频偏调制下的微弱直扩(DS)信号的伪码(PN码)周期截获的难题,拓展了先前提出的基于信号功率谱二次处理的方法。该方法先对带残余频偏调制的微弱DS信号求取功率谱,然后将所得到的功率谱作为一输入信号求取其第二次功率谱,于是所得二次功率谱将在PN码周期整数倍处出现代表信号存在的尖锐脉冲。通过对这些尖脉冲间的距离进行检测,就可以获得DS信号PN码周期参数的检测估计。理论分析和计算机仿真表明,该方法基本不受输入信号残余频偏的影响,在很大频偏和较低的输入信噪比条件下都能良好地工作。     

改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

基于侧抑制系数的红外图像细节增强算法

针对红外图像对比度低、细节不清晰和视觉效果模糊的缺点,提出了基于侧抑制系数的红外图像细节增强算法。通过分析指数分布侧抑制系数计算方法的不足,提出利用二次函数分布计算侧抑制系数的方法,提高算法增强红外图像细节的能力,利用红外图像本身的灰度信息自适应地调整侧抑制系数的参数,进而自适应确定侧抑制网络,对图像目标和背景进行不同程度的抑制,结合临界可偏差(just noticeable difference,JND)曲线中得到的人眼视觉分辨率特性,对图像进行能量恢复调整,使图像均值保持在人眼适宜观察的状态。仿真结果显示,与自适应指数函数侧抑制算法相比,算法处理后的红外图像对比度、信息熵以及信噪比都得到提高,图像细节更加清晰,视觉效果得到明显改善。