基于时频分析的高速列车转向架混合故障盲分离

针对高速列车同时发生两种故障的问题,提出了一种基于短时傅里叶变换(Short-Time Fourier Transform,STFT)和时频比的高速列车转向架混合故障盲分离算法。首先对观测数据进行STFT线性时频变换,再运用混合信号的时频比(Time-Frequency Ratio of Mixtures,TIFROM)估计单源域,得到分离矩阵;然后对源信号和分离后的估计信号分别提取矢量特征,用于盲分离准确度评价;最后用支持向量机(Support Vector Machine,SVM)识别盲分离的正确率。     

基于高阶累积量的局部放电超高频信号时延估计算法

时延估计是基于时间差的变电站局部放电空间定位算法的基础,也是决定定位准确度的关键。为此,以Tugnait的高阶统计量理论为基础,提出了基于4阶累积量的局部放电超高频(UHF)信号时延估计算法,并给出了具体的时延计算方法。该算法以高阶累积量代替信号本身来进行相关分析,估算得出信号时延,具有对相关特性未知的Gaussian噪声不敏感的优点。仿真实验利用双指数振荡衰减函数,并加入Gaussian噪声和定频干扰,模拟变电站现场局部放电超高频信号,利用该时延估计算法可以准确得到信号时延。最终利用该算法计算变电站实测多路超高频信号的时延,并将该时延序列应用于基于天线阵列的变电站局部放电定位,估算出局部放电源的空间位置,且定位误差<0.3m,验证了该算法的有效性和实用性。     

盲信号分离在电压闪变分析中的应用

基于盲信号分离(BSS)能快速准确地实现源信号分离和恢复,提出将盲信号分离运用于电压闪变分析.首先对检出的包络信号进行延时处理,构建一个嵌入矩阵作为信号处理的多通道输入信号;再进行鲁棒预白化处理,可以将数据分解到信号子空间以减小噪声对分离结果精度的影响;再运用二阶盲辨识(SOBI)算法进行盲源分离,得到闪变信号的频率估计.在此基础上求解一超定方程组估算出闪变幅值.仿真结果表明,该算法对闪变信号的频率和幅值检测的有效性.     

新型快速DOA估计算法

针对传统MUSIC算法进行DOA（direction of arrival）估计计算量过大、难以实现实时处理的问题,提出了一种新型测向算法。基于信号子空间与噪声子空间的正交性,利用部分噪声子空间进行变步进谱峰搜索,通过减少单个伪谱值估计运算量、减小谱峰搜索范围以及规避信号源个数估计过程,大幅降低了算法实现复杂度,同时优化加法和乘法运算数配比,将乘法运算量减少至1/4以下,降低了硬件运算负荷,可实现信号实时处理。通过计算机建模、仿真及性能比对,验证了该方法对运算性能的改进效果。     

交织OFDMA频偏估计

同步是OFDM系统的关键技术之一。本文提出了一种针对多用户OFDM频偏估计的算法。利用交织子载波分配方案的OFDMA上行链路中,每个用户信号在一个OFDM符号内都具有一定的周期性结构。它是利用接收信号的结构特性,并借助一种新的子空间算法估计得到多用户的频偏。此算法利用总体最小二乘方法(TLS)取代特征值分解得到噪声子空间,其运算量小于多重信号分类(MUSIC)算法,而其性能与MUSIC算法相当。计算机仿真结果表明此算法是有效的。     

Harmonic/inter-harmonic detection based on DNS-MUSIC function

针对电力系统中存在的谐波和间谐波问题,提出了基于噪声子空间分解MUSIC (DNS-MUSIC)函数的谐波/间谐波检测方法.利用信号自相关矩阵的特征值分解理论,将信号的自相关矩阵分解为信号子空间和噪声子空间,利用2个子空间的正交性进一步分解噪声子空间,对其进行变换,构造出基于噪声子空间分解的特征多项式(DNS-MUSIC函数),求解该多项式得到信号基波和谐波频率预估计,结合消噪思想检测电力系统信号频率成分,然后利用扩展Prony法检测信号的幅值和相位.通过仿真实验与其他经典算法比较,结果证明了所提算法的可行性、高效性和稳定性.     

基于特征空间求根法的非整数次谐波估计方法

现有傅里叶算法在含有非整数次谐波的情况下存在着频谱泄漏和栅栏效应,AR模型谱估计和多信号分类法(MUSIC)法能提高频率分辨率,但对噪声敏感,容易产生虚假频率。提出基于特征空间求根法进行频率的精确估计,对修正的信号自相关矩阵进行特征值分解,利用信号子空间和噪声子空间的正交性构造多项式,进行多项时求根,得到单位圆上的根进行频率估计,在此基础上通过三角回归法,解一超定方程组得到相应的振幅和相位。并与MUSIC法在无噪声和有噪声情况下进行仿真比较,证明了该方法在提高分辨率、减小估计偏差和提高数据精度的有效性。     

基于频域子空间平滑的MUSIC时延估计算法

时延估计常被用在无线定位测距中,针对多径环境下定位精度下降和时延估计失真的问题,提出了一种基于正交频分复用（OFDM）频域子空间平滑的超分辨率（MUSIC）时延估计算法。首先使信号源经过OFDM调制,利用子载波形成数据流;随后在频域对数据流的协方差矩阵作双向平滑处理,使其最大程度的利用信号子空间的数据信息;最后利用MUSIC算法下信号/噪声子空间正交性逐一进行谱峰检测,并针对噪声情况对伪谱作归一化处理,从而获得更为准确的时延信息。计算机仿真表明,本文优化算法相对于特征空间MUSIC算法具有更高的谱峰和更窄的旁瓣,且无错误估计干扰。在测距信号间隔较近时能够有效解决估计失真问题,最小时延间隔可达6ns,分辨能力较强。估计性能层面,可在信噪比为-15dB复杂条件下估计精度达到3ns左右,验证了该算法的有效性和优越性。     

基于压缩感知估计行波自然频率的输电线路故障定位方法研究

提出了一种基于压缩感知估计行波自然频率的输电线路故障定位方法,能够准确估计多次行波自然频率,具有较高的故障定位精度。针对故障行波信号的频域特征设计了新的过完备字典,使行波信号能够被有效地稀疏表示。进行故障定位时,首先用小波模极大值方法确定故障行波信号的频率边界,并采用FIR滤波进行预处理滤除低频干扰成分,然后将其变换到频域使其能够在过完备字典上稀疏表示。在此基础上,该文利用改进的基于Dice系数的OMP算法(DOMP算法)对故障行波的频域信号进行重构,精确辨识行波信号的多次自然频率值,最终结合反射角和波速实现准确地故障定位。通过仿真分析验证了字典设计结合改进的DOMP算法的方法具有较高的定位精度和可靠性。     

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯(Bayes)估计的双小波维纳滤波的电能质量信号去噪算法.该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能.实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波雏纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比.     

基于VMD-WVD的故障行波全波形时-频分析方法

受高阻接地故障、过零点故障和高频噪声等因素的影响,行波波头检测困难,导致行波保护和故障定位方法可靠性不高.由于故障行波具有全时频特性,检测一定时间窗内时频域行波波形将包含全景故障信息,从而实现故障特征可观测.融合故障行波时频域信息,提出了基于全波形信息的故障行波表现形式.在此基础上,提出了一种基于变分模态分解(VMD)...     

基于小波变换的电缆局部放电定位中时延算法研究

在电缆局部放电定位直接相关法的基础上,研究出了一种基于小波变换的广义相关时延估计算法。此算法放宽了直接互相关法对信号与噪声的假设条件且在低信噪比下仍能有效估计时延;同时为了提高时延估计精度,在广义相关时延估计的基础上又研究出了基于基小波的二次加权法。利用PSCAD/EMTDC仿真分析论证了这两种算法在电缆局部放电定位中的有效性。     

融入时频能量特征的车内噪声声品质评价方法

为提升车内噪声声品质评价的准确性,建立了一种融入时频能量特征的车内噪声声品质评价方法。该方法首先对车内噪声信号进行变分模态分解获得本征模态分量,再基于Hilbert变换得到各分量的瞬时强度及计权能量,进而获得信号的时频能量特征;在此基础上,建立了以心理声学客观参量和时频能量特征为联合输入的遗传算法优化反向传播神经网络声品质评价模型。应用建立方法对某汽车车内噪声声品质进行评价,其结果与主观评价结果的相关度达93.7%、相对误差小于8.0%,该车车内噪声声品质被准确评价。建立的融入时频能量特征的车内噪声声品质评价方法准确性高,在汽车声品质开发实践中具有良好应用前景。     

基于非线性变换的自适应时间延迟估计

含有脉冲性噪声的信号常使经典的时间延迟估计算法效果变差。给出了一种基于Sigmoid 变换的自适应时间延迟估计算法（SATDE）,采用 Sigmoid 函数,对含有脉冲性噪声的信号进行非线性变换;利用自适应滤波器对信号的时间延迟参量进行估计。计算机数值仿真实验结果表明,该算法在对信号的时间延迟进行估计时,不仅可以适用于符合高斯模型的信号噪声,更适用于含有脉冲噪声的信号。该算法是一种具有较好鲁棒性的时间延迟估计算法。     

Multipath Time Delay Estimation Based on MUSIC Algorithm Under Small Sample Conditions

On account of the traditional multiple signal classification (MUSIC) algorithm has poor performance in time delay estimation under the condition of small sampling data and low SNR. In this paper, the traditional MUSIC algorithm is improved. The algorithm combines the idea of spatial smoothing, constructs a new covariance matrix using the covariance information of the measurement data, and constructs a weighted value using the modified noise eigenvalues to weight the traditional estimation spectrum. Simulation results show that the im-proved algorithm has steeper spectral peaks and better time delay resolution under the condition of inaccurate path number estimation. The time delay estimation accuracy of this algorithm is higher than that of the traditional MUSIC algorithm and the improved SSMUSIC algorithm under the conditions of small sampling data and low SNR.     

基于参数优化VMD和TET的柔直线路单端故障测距方法

单端行波故障测距方法在考虑频变波速影响时需要提取故障行波时频域特征,但现有方法存在时频分辨率较低、波头识别困难和波速计算不准确的问题。为此,提出一种基于参数优化变分模态分解(variational mode decomposition, VMD)和瞬态提取变换(transient extraction transform, TET)的单端故障定位方法。首先,利用麻雀搜索算法(sparrow search algorithm, SSA)优化VMD参数,提取含有故障特征的高频模态分量。然后,对该模态分量进行瞬态提取变换,通过去除短时傅里叶变换中模糊的时频能量,保留与信号瞬态特征密切相关的时频信息,得到故障行波时频域全波形。最后,在故障行波全波形中提取主频分量并标定初始波头与第二反射波头,通过计算主频分量下的波速度,结合行波定位方法实现单端故障测距。在PSCAD/EMTDC中搭建四端柔性直流电网的仿真结果表明,所提算法对过渡电阻和噪声具有较强的耐受性,即使在较低采样率下也能实现准确的故障定位。     

基于奇异值分解的互相关时延估计优化算法

针对多站时差定位系统在低信噪比下无法获得准确的时延估计,进而影响时差定位的精度,提出一种基于奇异值分解和希尔伯特差值的互相关时延估计优化算法。首先对接收信号进行奇异值分解,提高信号的信噪比,然后将处理后的信号作互相关运算,最后通过希尔伯特差值法锐化相关函数的峰值,进一步提高时延估计精度。在相同条件下,模拟分析了不同算法的时延估计精度,结果表明,新的优化算法时延估计精度更高,具有良好的抗噪声性能。