小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数,定性说明了信号奇异点的奇异程度．然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程．最后将其应用于电力系统继电保护故障诊断中,简化了Lip指数及奇异点算法步骤,取得了较为满意的效果．     

小波变换在振动故障信号仿真研究中的应用

为进一步研究生产实践中机械设备不必要的振动问题,结合小波分析理论的特点和应用现状．分析了小波变换的时频局部性及处理突变信号的能力;通过LabVIEW软件仿真振动信号,并在MATLAB平台利用小波包研究小波变换理论应用于振动信号奇异点分析的方法．得出了仿真结果．实现了快速判断奇异点特征与振动产生时间。     

信号奇异性的Lipschitz意义

奇异信号往往带有一些重要信息,奇异性检测就是要将信号奇异点检测出来并判断奇异性程度。一般用Lipschitz指数来描述信号的奇异性,它对信号奇异性有比连续和可微更精细的描述。通过引入奇异信号的n类奇异性,在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义,同时对Lipschitz指数为非负整数时信号的奇异性进行了研究。     

基于FPGA的信号奇异性检测

针对传统信号奇异性检测方法的局限性,提出了利用小波变换来检测信号奇异点的准确位置的设计方案.在Altera公司的FPGA芯片EP2C8Q208平台上,采用小波db8实现信号奇异性的检测.实验结果表明,此系统在信号奇异性检测方面相对于傅里叶分析提高了奇异点检测的准确度和效率.     

一种基于奇异值分解的奇异性检测新方法

针对信号中的奇异点检测问题,提出了一种利用一维信号序列以连续截断信号方式构造出较小列数和较大行数矩阵的方法,并通过奇异值分解来实现这种检测.分析了该矩阵方式下奇异值分解的信号分解原理,研究了该方法的奇异性检测效果,并与Hankel矩阵方式以及小波检测效果作了比较,将其应用于铣削力信号的奇异性检测.实验结果表明,该方法能有效揭示铣削过程中可能由铣刀或工件问题引起的微小冲击现象,且其各分量指示奇异点位置的脉冲幅值大、宽度小,能与周围高频噪声形成鲜明对比,有利于更准确地判断奇异点的位置.     

信号奇异性的Lipschitz意义

奇异信号往往带有一些重要信息，奇异性检测就是要将信号奇异点检测出来并判断奇异性程度。一般用Lipschitz指数来描述信号的奇异性，它对信号奇异性有比连续和可微更精细的描述。通过引入奇异信号的n类奇异性，在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义，同时对Lipsehitz指数为非负整数时信号的奇异性进行了研究。     

奇异信号的小波奇性检测与小波滤波

对奇异信号在小波变换下的奇异点特征进行分析,并将小波奇性检测运用小波滤波,实现了奇异信号的时－频二维滤波,使滤除噪声同时保留了信号的奇异点信息。     

小波奇异性检测理论在电力系统继电保护装置故障诊断中的应用

首先阐述了基于小波分析的奇异信号检测理论及计算Lip指数 ,定性说明了信号奇异点的奇异程度 .然后以实测的电压、电流信号为例说明了小波变换在奇异信号检测中的实现过程 .最后将其应用于电力系统继电保护故障诊断中 ,简化了Lip指数及奇异点算法步骤 ,取得了较为满意的效果 .     

连续复小波变换在工程检测数据处理中的应用

通过对基桩检测信号进行多尺度一维连续复小波分解，得到局部模极大值线（local maximum line），计算模极大值线对应位置的Lipschitz指数值，从而综合判断信号的奇异点位置．由信号的奇异点位置很容易确定入射波、缺陷反射波、桩底反射波位置．这种分析方法可以实现对反射波测试数据更为灵活精细的分析，消除了由实测信号直接判读反射波到达时刻存在的潜在错误．最后给出了实测桩端部响应信号的分析实例，结果表明：复小波变换判断有效桩长和缺陷位置比实小波变换具有更好的精度．     

电子控制单元仿真测试台信号检测的界面设计与实现

针对电子控制单元有时不能有效识别工控机通过定时器8253发出的频率量的状况,采用db5小波对转速发生突变时产生的奇异点进行检测,设计了友好、方便、快捷的操作界面,并通过MATLAB仿真实现．仿真结果表明,转速经过db5小波分解后得到的细节信号能清晰地显示奇异点的准确位置．     

基于加权1范数稀疏信号重建的DoA估计

针对l₁范数下奇异值分解的l₁-SVD稀疏信号重建的波达方向估计方法存在求解量的稀疏性较差且空间谱中存在较多的伪峰,不能准确估计波达方向的问题,对接收信号矩阵进行预处理,并使用信号子空间设计权值矢量得到更好的稀疏性和更好地逼近l₀范数,利用得到的权值矢量对l₁-SVD算法中解矢量的各个元素进行加权,以得到的加权l₁范数作为最小化的目标函数进行优化.仿真结果表明,提出的算法在快拍数、正则化参数和信噪比等条件改变的情况下能有效抑制伪峰,并准确稳定地估计出波达方向.     

动态变形信号二进小波提取模型研究

引入二进小波变换理论研究动态变形信号分析模型，提出动态变形信号二进小波提取与粗差识别修复的技术路线．实例选择B3-spline小波函数，采用à trous快速二进小波变换算法的软阈值降噪方法进行动态变形信号提取，三倍中误差作为各细节尺度的降噪阈值，并在分解的细节尺度上进行粗差识别，在此基础上进行粗差修复，获取真实的变形信号．结果表明：用此模型能有效提取动态变形信号，变形信号提取的效果优于中值滤波的方法；二进小波第二分解尺度细节部分能同时定位孤立态、离散态与区域态粗差的位置，并且精度远优于Mallat算法，在区域态粗差边界的定位中表现尤为显著，这是由二进小波的平移不变性决定的．     

基于DSP的2FSK实现

DSP芯片在现代通信领域得到了广泛的应用,基于DSP芯片信号处理的特点,用TI公司的TMS320C6713设计数字振荡器实现2FSK的调制,用迭代法产生正弦波,并采用差分检波算法对信号进行解调,该算法计算量小,易于实现。仿真结果表明,该设计方案完全能达到设计要求。     

由小波变换极大值重构信号的一种简单算法

在Ｈｉｌｂｅｒｔ空间多个凸集迭代投影（ＰＯＣＳ）方法中，本文根据压缩映射原理构造迭代投影算子，实现由小波变换极大值重构信号。算法形式简单、不需要小波逆变换，易于计算机（和ＤＳＰ芯片）实现。仿真结果理想。     

基于接收信号重构的OFDM系统盲信道估计

对OFDM系统的盲信道估计问题进行了研究,提出基于接收信号重构的子空间算法.该算法利用OFDM循环前缀（CP）重构接收信号,将传输方程中的信道矩阵变换为块Toeplitz高矩阵,然后利用重构接收信号噪声子空间与信号子空间的正交性,获取信道估计特征方程.为消除虚拟子载波对算法的影响,引入等效发射信号的SVD分解.通过将重构前的信号进行虚拟子载波归零处理进一步提升了算法的性能.仿真结果表明,所提算法相比于已有算法具有较高的估计精度和较快的收敛速度.     

基于同伦算法的时变流信号动态压缩感知研究

为了解决传统压缩感知在处理时变流信号时易引发的效率低下、块效应、延迟高等问题,本文提出了基于L1同伦恢复算法的时变同伦算法,且以医学领域的时变心电信号为例充分证明了该算法的实践可行性。该算法通过对重叠的信号时间采集窗口的滑动控制,压缩采样当下窗口中的待测数据并用L1同伦恢复算法实时恢复出原信号。仿真表明,该算法能够快速实时地压缩采样并精确重构时变的心电信号,其重构信号的相对误差控制在10-2范围内,能有效地解决存储庞大的动态心电图数据的难题。     

一种多进制CPM信号的开环位同步算法

针对位同步问题,提出了一种基于基函数分解的开环位定时估计算法。该算法首先利用基函数分解的结果进行相关运算,将本地参考信号波形和接收信号波形的定时偏差缩小到T/4以内;再根据相关运算提供的角度信息进行精确的位同步估计。该算法不需要提取载波相位信息,复杂度较低。仿真结果表明该算法具有较好的估计精度。     

迭代收缩SL0压缩感知恢复算法

将SL0与迭代阈值收缩相结合,改善了压缩感知信号恢复速度以及信号恢复效果。实验结果表明,迭代收缩SL0算法在速度上,以及恢复信号的质量上都优于SL0算法。     

全数字接收机非数据辅助相位恢复算法

提出了一种适用于高速率QAM调制信号的NDA相位恢复算法，利用差分编码对该算法加以改进，以期扩展算法的处理范围。采用对QAM信号进行差分编码来获取同步信息的方法消除相位估计算法遗留的相位模糊问题，组建一套不需要数据辅助的数字解调算法结构。通过仿真说明改进后的算法有效解决了不足，为该算法应用于全数字接收机中提供了实现方案。     

Pulse Signal Recovery Method Based on Sparse Representation

Pulse signal recovery is to extract useful amplitude and time information from the pulse signal contaminated by noise.It is a great challenge to precisely recover the pulse signal in loud background noise.The conventional approaches,which are mostly based on the distribution of the pulse energy spectrum,do not well determine the locations and shapes of the pulses.In this paper,we propose a time domain method to reconstruct pulse signals.In the proposed approach,a sparse representation model is established to deal with the issue of the pulse signal recovery under noise conditions.The corresponding problem based on the sparse optimization model is solved by a matching pursuit algorithm.Simulations and experiments validate the effectiveness of the proposed approach on pulse signal recovery.