基于快速傅里叶变换和db小波变换的谐波检测

在电力系统谐波检测中,使用快速傅里叶变换法(FFT)可以得到平稳谐波信号中的频谱,从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息,很难检测到谐波发生的具体时刻,而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号,提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知,该方法可以检测稳态谐波,确定暂态谐波的突变时刻.     

间谐波频率分量的频域奇异值算法

为了准确地获取周期性信号中的谐波、间谐波或次谐波成分的频率分量,提出了一种检测频率分量的新方法,即频域奇异值算法.适当选取数据窗长度和短时傅立叶变换(STFT)后的频率序列,利用该算法便可准确地求出所有的频率分量,仿真结果表明了该算法的正确性.     

基于FFT与小波变换的机车谐波电能计量

针对电力机车复杂运行环境带来的大量非稳态谐波难以精确计量的问题,提出一种基于快速傅里叶变换与小波变换相结合的机车电能计量方法。首先通过小波变换找到信号突变点,判断计算设定周期内的信号是稳态信号或非稳态信号;其次,对稳态信号用FFT进行分析,而非稳态信号用小波方法进行分析;最后,在相应算法下计算出信号中各频率成分的电能值。仿真证明该算法对谐波电能计量的精确性。     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分。傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号。小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷。本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性。     

一种识别谐波分量主瓣干扰的方法

加窗插值快速傅里叶变换是目前最常用的谐波信号分析方法。当信号中含有频率相近的谐波和间谐波分量时,频谱中通常存在主瓣干扰现象,影响到加窗插值快速傅里叶变换的精度。针对这一问题,研究了主瓣内谱线的相位特性,提出了一种判断主瓣干扰存在的方法,进而识别出频率相近的谐波和间谐波分量。仿真实验验证了该算法的有效性和准确性。     

基于LabVIEW的FFT加窗插值算法在谐波检测中的应用

在对信号进行FFT变换时,由于非同步采样与非整周期截断,会产生频谱混叠与泄漏,影响测量精度。引入布莱克曼窗函数,采用双谱线插值修正算法,改善测量精度,并用LabVIEW搭建了虚拟实验平台,进行仿真分析。仿真结果表明：谐波测量准确度等级达到A级,抗干扰能力增强。     

基于EMD和FFT的齿轮箱故障诊断

提出了一种基于小波包分析(WPA),经验模态分解(EMD)和快速傅里叶变换(FFT)的齿轮箱故障诊断方法,此方法适合于非线性非稳态信号的自适应分析.首先运用WPA对采集的齿轮箱振动信号进行分解可得到不同频率的子频带;然后对各子频带信号进行EMD,从而得到一定数量的本征模态函数(IMF);最后选取特定的IMF,对其作FFT可得到相应的功率谱,从而提取齿轮箱故障特征频率,进而对齿轮箱故障模式进行识别和诊断.分析结果表明本文所提议的方法能有效地检测出齿轮箱故障特征频率.     

基于EMD和FFT的齿轮箱故障诊断

提出了一种基于小波包分析（WPA）,经验模态分解（EMD）和快速傅里叶变换（FFT）的齿轮箱故障诊断方法,此方法适合于非线性非稳态信号的自适应分析.首先运用WPA对采集的齿轮箱振动信号进行分解可得到不同频率的子频带;然后对各子频带信号进行EMD,从而得到一定数量的本征模态函数（IMF）;最后选取特定的IMF,对其作FFT可得到相应的功率谱,从而提取齿轮箱故障特征频率,进而对齿轮箱故障模式进行识别和诊断.分析结果表明本文所提议的方法能有效地检测出齿轮箱故障特征频率.     

基于Root-MUSIC和Adaline神经网络的 间谐波参数估计

为了提高电力系统间谐波分析的精度和分辨率,提出基于求根多重信号分类法（root-MUSIC)和自适应线性神经网络的间谐波参数估计方法.该算法利用求根多重信号分类法估计信号中谐波和间谐波的个数及频率,将谐波和间谐波的频率作为Adaline神经网络的输入进行学习,用得到的权值确定谐波和间谐波的幅值和相位;将频率作为权值在改进的Adaline神经网络中参与学习,估计谐波和间谐波的频率、幅值和相位.Matlab仿真结果表明,该算法频率分辨率高、检测准确、收敛快;当频率估计准确时,基本Adaline神经网络与改进的Adaline神经网络具有相近的检测精度,且前者的实时性更好.     

基于最快衰减余弦窗全相位FFT的电力谐波分析

傅里叶变换是电力谐波分析的常用算法,但在非同步采样情况下会出现频谱泄漏,从而影响谐波分析的精度.为抑制频谱泄漏,提出了基于最快衰减余弦窗全相位FFT的电力谐波分析方法.该方法将最大旁瓣衰减速率余弦窗与全相位频谱分析技术相结合,利用前者旁瓣衰减快与后者泄漏抑制能力强的双重优势实现谐波分析,推导了方便实用的谐波幅值校正公式,通过仿真测试,验证了该算法抑制频谱泄漏的能力强、谐波分析的精度高.     

基于优化变分模态分解的磁瓦内部缺陷检测

针对磁瓦内部缺陷声振检测存在的信号处理和特征识别问题,提出结合变分模态分解（VMD）、粒子群优化（PSO）和随机森林（RF）的信号分析方法. 该方法以模态能量和相邻模态中心频率差值构建代表VMD处理性能的适应度函数,其中以VMD的分解层数和惩罚因子2个参数作为该适应度函数的变量;通过PSO在VMD参数选择空间中搜索该函数的最小值以执行VMD的参数优化,最小值所对应的参数设置即为VMD的最优参数;利用得到的参数实现信号的最优VMD分解并通过计算模态分量的能量来筛选特征模态,从中提取过零率、谱质心和最大峰值频点以联合反映磁瓦内部缺陷的特征信息;经RF分类器对这些特征进行识别进而对内部缺陷的存在情况做出判断. 实验证明所提出的方法能够准确、高效地实现不同类型磁瓦的内部缺陷检测.     

分层考虑气象因素的PSO-SVM短期负荷预测方法

气象敏感负荷在总负荷中所占比重日益增大,实现提高预测精度这个目标的关键是如何更加合理地考虑气象因素对负荷的影响。利用经验模式分解方法自适应地将负荷序列分解为若干个独立的内在模式分量,采用Spearm an秩相关系数分析各负荷分量与气象因素间的关系,根据影响程度的不同分层建立粒子群算法优化参数的支持向量机模型,最后对各个分量预测的结果相加得到最终预测结果。实例研究表明,该方法具有较高的预测精度和较强的推广能力。     

经验模态分解在相关峰检测和测向中的应用

互相关测向法在低信噪比时检测不到相关峰,无法实现有效的方位估计.经验模态分解可以在突出信号局部特征的基础上,把信号分解成多个固有模态函数.采取对互相关函数进行经验模态分解,适当选取分解出的IMF重构互相关函数.重构的互相关函数有明显的相关峰,可以有效地提高检测目标的能力.将经验模态分解与互相关测向法相结合,可以实现低信噪比下的时延估计,从而更好地估计目标的方位.仿真结果表明重构的互相关函数较原互相关函数,其相关峰较最高伪峰的相对值提高了约4.9 dB,从而可以更好地实现时延估计.方位估计结果显示此方法在信噪比为-14 dB时,仍能准确地估计目标的方位.     

基于时延自相关预处理的Hilbert-Huang变换解调

针对具有噪声干扰的旋转机械故障振动信号解调问题，提出基于时延自相关运算和经验模态分解（
EMD）方法相结合的新方法.讨论了时延相关算法的降噪原理、离散信号时延相关算法和Hilbert Huang变
换理论.采用矩形窗截断故障振动信号自相关函数的无偏估计, 获取较长时间差的部分，得到时延相关函
数.利用EMD方法对时延相关函数进行自适应滤波, 得到固有模态函数（IMF），对IMF进行Hilbert变换，
求得解调结果.不同噪声强度仿真数据和滚动轴承故障振动信号实验数据分析表明，该方法比直接解调或
仅采用时延相关解调更能有效抑制噪声，凸现信号调制信息.     

基于改进BEMD的视频镜头转场检测算法研究

对二维经验模式分解(BEMD)算法进行了改进,采用限定域的Delaunay三角剖分和三次插值得到极大值和极小值包络面,用基于限邻域经验模式分解(NLEMD),即通过设定最大邻域(时宽)和采用邻域内局部自适应均值算法代替包络均值算法进行分解,给出了图像BEMD分解后内蕴模函数(I MF)1和2的Hilbert谱,以I MF2的瞬时振幅作为图像的特征向量,计算镜头转场中图像序列帧特征向量间的欧式距离。采用大量的视频镜头转场的样本进行实验,结果表明,剪切镜头查准率和查全率皆为98%;渐变镜头查准率86.4%,查全率87.6%。     

基于HHT分解光电容积脉搏波信号的人体血液流变信息评估

为了识别人体光电容积脉搏波（PPG）信号中表征血液流变信息的动力分量并分析其特点,设计低氧实验. 测量30位受试者在正常氧（20%~21%）和极端低氧（15%~16%）2种氧气体积分数环境中的PPG信号,利用希尔伯特黄变换（HHT）算法分解信号. 通过经验模式分解得到,PPG信号中实际表征血液流变信息的动力分量为固有模式函数IMF_X,其时域特点有2个,一个是有类似动脉收缩舒张的波形,另一个是周期性振荡. 基于Hilbert变换得到IMF_X的瞬时频率和边际谱,其瞬时频率大多为1.5~2.5 Hz,且在低氧环境中此频率段内的边际谱幅值显著小于正常氧环境情况下的（P<0.05）,证明利用该特征可以有效识别低氧诱导的血液流变变化.     

一种FFT并行处理机的设计与实现

专用指令集处理器具有数字信号处理器的可编程性和专用处理电路的高速性,以专用指令集处理器为核心构成的阵列式并行处理系统在高速实时处理方面有着非常重要的应用．为此,提出了一种基于专用指令集处理器的快速傅里叶变换并行处理机实现方法．设计了基于精简指令集处理器体系结构的可编程处理单元,以其为核心构成并行处理系统,采用通信矩阵解决了并行系统内各个处理单元间的数据交换问题,实现了1024点快速傅里叶变换的并行处理．实验结果表明,在快速傅里叶变换处理方面,其处理速度比典型数字信号处理器提高30％,且具有系统并行规模大、功能灵活可变、设计复杂程度适当、设计重复利用性好的优点,非常适合在现场可编程逻辑门阵列中以SoC的形式实现．     

基于本征模态熵的谐振接地系统故障选线研究

含有低频趋势分量的信号,其样本熵(sample entropy,Samp En)会显著下降,这一特点虽然会对信号的复杂度测量造成不利影响,但是可以应用到谐振接地系统的故障选线中。发生单相接地故障时,故障线路故障相暂态信号与非故障线路故障相暂态信号在低频成分的含量上差别明显,其样本熵值也有明显不同,而这一特点在零序电流中体现的并不明显。分析了仅用样本熵构成的判据在故障距离较短时存在选线错误的情况,将本征模态熵(intrinsic mode entropy,IMEn)方法引入选线。首先应用经验模态分解(empirical mode decomposition,EMD)将信号分解成若干本征模态函数(IMF),然后求取部分累积和并计算其样本熵。对不同情况下的故障进行仿真,结果证明了该方法的可靠性。     

基于EMD的长周期地震动分量提取方法

在实际地震记录形成过程中存在高、低频成分地震波的叠加,地震动高、低频成分的组成是地震动反应谱特征的重要反映.采用数字滤波技术,以加速度反应谱平均周期2 s为截止周期,结合经验模态分解,提取2 s以上的本征模态函数及残值重构并基线校正后作为长周期分量,其余本征模态函数重组为短周期分量;通过原地震动与分量的相关性、反应谱的...