S变换时变滤波在去噪处理中的应用研究

针对常用的滤波去噪方法都受到使用条件的限制,实际资料的滤波去噪不能达到良好效果,S变换时变滤波克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷.将地震资料用S变换方法变换到时频域,对不同时间内不同频率的噪声部分充零,再将去噪后的地震数据利用S反变换到时间域,以获得所需要的有效信号.通过理论计算分析和实例计算表明,S变换时变滤波能够有效去除不同时段、不同频率的噪声.该方法具有一定的可行性.     

S变换时频分析在隧道岩溶地震勘探解释中的应用

介绍了短时傅立叶变换、小波变换和S变换的优缺点及其彼此间的相互关系。详述了S变换的概念及性质,认为S变换方法具有良好的自适应性和时频分辨率,能提供高质量的时频谱信息。将S变换时频分析用于宜万铁路隧道地震映像法数据解释。结果表明,S变换时频剖面上的溶洞异常显示比时间剖面更为清晰,在推断岩溶的分布位置、大小、埋藏深度等方面具有良好效果。S变换方法有助于提高地震数据解释的精度和准确性。     

采用多分辨率广义S变换的电能质量扰动识别

为提高电能质量复合扰动识别能力,提出一种采用多分辨率广义S变换(multiresolution generalized S-transform,GST)的扰动识别方法.首先,将信号频谱分为低频、中频、高频3个频域,分别设定窗宽调整因子,使其在各个频域具有不同的时-频分辨率,满足不同扰动信号识别要求.并针对高频振荡识别问题,设计基于基频傅里叶谱特征的自适应窗宽调整方法.在此基础上,提取6种特征用于构建决策树.最后,提出最小分类损失原则,确定决策树节点分类阈值,设计扰动分类器.仿真与实测信号实验证明,新方法能够准确识别含5种复合扰动在内的13种扰动.相较于S变换、广义S变换和Hyperbolic S变换,新方法具有更好的特征表现能力,分类效果好,抗噪声干扰能力强.     

基于S变换的全桥整流电路故障诊断研究

针对应用广泛的全桥整流电路故障分析,根据整流电压波形的畸变规律,分析了2个以内的二极管故障分为7类共计22种故障元。运用S变换分析,提取了故障特征值,并以此构造故障模式向量作为RPORP神经网络的输入。实现了电路的故障诊断与定位。为双凸极发电机整流电流故障的进一步研究打下了基础。     

基于测量波阻抗相位特性的多端混合直流线路保护方案

电网换相换流器和模块化多电平换流器(line commutated converter-modular multi-level converter,LCC-MMC)并联型多端混合直流输电系统结合了基于电网换相换流器型高压直流输电(line commutated converter-high voltage direct current,LCC-HVDC)与基于模块化多电平换流器型高压直流输电(modular multi-level converter-HVDC,MMC-HVDC)的技术优势,但因其不一致的边界特性、特殊的汇流母线结构、不同的换流站控制策略,导致现有的线路保护方案难以直接应用。为此,文中提出一种基于测量波阻抗相位特性的多端混合直流线路保护方案。首先,推导不同故障位置测点处测量波阻抗表达式,发现在高频段内,测点处测量波阻抗相位在区内外故障条件下差异显著,且相位特征与故障距离、类型和过渡电阻等因素无关;接着,利用S变换提取测量波阻抗相位信息,并结合行波高低频能量比判据,实现故障识别;最后,在PSCAD中进行仿真验证。结果表明,所提保护能够区分T区母线与其相邻线路末端故障,在满足快速性的同时具备一定的耐受过渡电阻(500 Ω)和抗噪声干扰(20 dB)能力,满足多端混合直流系统线路主保护要求。     

两种扰动源引起电压暂降的快速检测及特征分析

电压暂降在电网中具有一定的传播性,无论从电网还是用户都迫切需要对电压暂降进行研究和治理。作为解决电压暂降问题的前提,需先对其检测方法进行研究。分析了感应电动机启动和变压器激磁两种扰动情况引起电压暂降的原因,在此基础上采用了基于S变换的短时电能质量扰动检测方法,从S变换的结果中提取出所需数据,并以此来对上述两种扰动情况的暂降深度、相位跳变、持续时间和谐波含量进行分析。仿真结果表明,该方法很好地实现了对电压暂降各特征量的检测;在对暂降录波波形数据进行后续离线分析应用方面具有较高的实用价值。     

采用改进多分辨率快速S变换的电能质量扰动识别

噪声干扰是影响电能质量暂态扰动识别准确率的最重要因素。经过S变换后获得的扰动信号的模时–频矩阵具有灰度图像特点。因此,可通过二维数学形态学方法,滤除噪声干扰,获得更高的识别准确率。首先,针对扰动信号时–频分布特点,设计具有不同时–频分辨率的多分辨率快速S变换方法以降低运算量、提高特征表现能力;之后,在阈值滤波基础上,根据信号时–频分布特点,选择线段型、零角度结构元进行灰度级形态学开运算,进一步滤除高频频域噪声;最后,从原始信号、信号傅里叶谱、多分辨率快速S变换模矩阵中提取5种特征建立决策树分类器,识别含噪声信号与6种复合扰动信号在内的12种电能质量信号。通过仿真对比实验发现,新方法具有更好的抗噪能力,更加适用于低信噪比环境下的电能质量信号识别。     

基于广义S变换奇异值分解的料位回波检测与校正

非平稳及多奇异点的调频料位测量雷达回波中包含虚假回波及噪声,影响料位回波信号检测,导致料位测量精度不高.本文提出了一种基于广义S变换和奇异值分解的料位回波检测与校正方法.首先,将料位变化视作低速运动目标,将料位回波信号与雷达发射信号进行混频解调,并根据回波信号的频率分布特点对广义S变换窗口的变化趋势进行调节.之后对其变换所得到的二维时频系数矩阵利用奇异值分解方法重构系数矩阵,并对其进行广义S逆变换,得到校正后的回波信号.实验结果表明:该方法能够准确检测料位回波信号,在抑制噪声的同时能最大限度保留信号的细节特征,减少虚假回波干扰.料位测量误差不超过4.01％,测量精度可达到0.40％F.S.     

S-变换初至拾取技术及其在复杂山区中的应用

初至的拾取在地震资料处理中有着非常重要的作用,它是折射波资料分析、VSP处理和井间地震资料处理的基础工作,并为其他处理工作提供可靠参数。提出了基于S-变换的初至拾取技术,设计单道模型将S-变换与不同时窗长度的短时窗傅里叶变换以及小波变换进行初至拾取的比较,并对不同信噪比的理论模型进行初至拾取,对比得出该方法具有容噪性好、初至拾取准确、适应性强等特性。该技术应用于复杂山区低信噪比地区实际地震资料处理中,取得较好的效果。     

基于S变换的高速列车小幅蛇行识别方法

针对现有的高速列车监测方法没有考虑高速列车振动信号的非平稳特性,从而使得列车出现蛇形失稳现象的问题,提出一种采用S变换的方法对高速列车转向架信号进行处理,进而提取高速列车运行特征。采用最小二乘支持向量机（LS-SVM）对特征进行训练和识别,结果证明,基于S变换的特征提取方法的识别准确率达到了100%,优于基于小波变换的特征提取方法,从而可以及时预测高速列车的运行状态,保障列车的运行安全。