基于Zernike矩的人眼定位与状态识别

针对驾驶环境下光照变化和头部倾斜旋转对人眼检测的影响,提出一种基于Zernike矩特征的人眼定位与状态识别方法。首先分析了图像Zernike矩幅值的旋转不变性及其相位角度信息在人眼定位与状态识别方面的适用性。其次为了提高人眼定位的精度,采用Relief算法分析筛选出更为适合描述人眼形状信息的Zernike矩组成特征向量,并结合相对误差距离测度的向量相似性匹配方法来实现人眼区域的检测与定位。随后提出一种基于Zernike矩相位信息的快速旋转角度估计算法,用以补偿修正人眼图像的旋转角度,消除头部倾斜旋转对人眼状态识别的影响。最后对角度修正后的人眼图像采用投影法计算得到最终的人眼开合度状态。实验结果表明,该方法能在一定程度上提高人眼定位的精度和鲁棒性,并且所提出的旋转角度修正算法可使得人眼状态识别的准确率大幅提高。     

基于ICA的仿射不变Zernike矩的交通标志识别

针对在复杂的交通环境下,摄像机获取的交通标志会受到拍摄环境、自然环境等影响而存在不同程度的几何失真。提出了一种基于ICA的仿射不变Zernike矩特征交通标志识别方法,根据交通标志的形状坐标在仿射变换之前x、y方向是相互独立的,经过独立成分分析(ICA)得到只发生旋转和镜像变换的交通标志,然后提取Zernike矩特征进行识别。实验结果表明该方法可以极大提高Zernike矩特征提取的准确度和交通标志的识别效率。     

基于小波与分形理论的电力设备局部放电类型识别

根据小波理论建立了表征局部放电脉冲信号的三维时频谱图,该三维谱图综合反映了局放脉冲信号的3个基本特征:时间分量、频率分量和放电能量的分布。采用了分形理论从所建立的三维时频谱图中提取放电特征,并构成识别特征量,采用误差反传神经网络对局部放电信号的类型进行模式识别。试验结果表明,该方法可有效区分局部放电的类型。     

基于小波系数Hu矩的生物组织损伤监测方法

提出了一种基于B超图像的小波系数Hu矩特征值并结合支持向量机监测生物组织损伤的方法。利用高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,实时获取辐照前后的B超图像,并对其进行预处理获取减影图像。提取减影图像的Hu矩、小波系数均值和基于小波系数的Hu矩3个特征值,分别利用支持向量机对生物组织样本进行学习、分类处理。结果表明:小波系数Hu矩特征值比Hu矩和小波系数均值的总辨识率分别高出2.70%和2.05%,从而可以更有效地监测HIFU治疗中生物组织损伤情况。该方法可以帮助临床医生客观地监控HIFU治疗过程,对提高HIFU疗效有实际意义。     

局部放电信号的小波分析

为给气体绝缘系统(GIS)局部放电在线监测和诊断提供重要的理论依据,介绍了近年来国内外利用小波变换分析局部放电信号技术的研究状况,提出了利用小波分析局部放电信号的一般方法即采用相关系数法选择最佳小波,选择恰当的分解层,利用自动阈值法确定阈值,在此基础上对局部放电信号做小波、小波包分析,并与模糊理论、神经网络等技术结合来完成局部放电信号的模式识别。     

基于人工神经网络的局部放电识别

说明人工神经网络对放电指纹（放电量ｑ、放电发生相位φ、放电重复率ｎ三维谱图）识别的重要意义。用蒙特卡洛方法得到了大批局部放电模拟试验数据，讨论了人工神经网络识别放电的能力，介绍了模拟电机局部放电的几种试验模型和试验结果，研究了用人工神经网络分析三维谱图表列数据，以识别不同类型放电的方法。     

基于小波理论的局部放电超声波信号分析

变压器局部放电超声波信号在变压器内部中传播复杂 ,探头所接受到的超声波信号是一种时频有限的非平稳信号 ,所以运用小波分析处理超声波信号十分有效。通过实验得到处理超声波信号最合适的小波 ,同时给出合适的小波参数 ,最后对实际得到的超声波信号进行处理 ,结果表明利用小波分析处理超声波信号效果令人满意     

基于小波理论的局部放电超声波信号分析

变压器局部放电超声波信号在变压器内部中传播复杂，探头所接受到的超声波信号是一种时频有限的非平稳信号，所以运用小波分析处理超声波信号十分有效。通过实验得到处理超声波信号最合适的小波，同时给出合适的小波参数，最后对实际得到的超声波信号进行处理，结果表明利用小波分析处理超声波信号效果令人满意。     

基于小波分析的高压变压器局部放电在线监测

介绍一套高压变压器局部放电在线监测系统,并对其硬件结构及数字滤波过程作 了叙述。在数字滤波过程 中,消除外部放电的工作十分困难,因为它们通常与发生在变压器 内部的局部放电具有几乎相同的时域及 频域特征。小波分析作为一种强大的时- 频分析工具,能 较好地解决这个难题。文中首次提出了一种基于 小波分析的脉冲极性鉴别方法,用以鉴别内 、外部放电。实验及现场运行结果表明：该方法在提高监测系 统性能上是行之有效的。     

基于小波集合的局部放电信息提取算法

对于已知波形特征的局部放电信号,选取最优母小波进行多分辨分析,经阂值处理后可以从强干扰中成功地检取出局部放电信息。但对于机理复杂、类型繁多的局部放电而言,单一的最优小波分析显然是较为局限的。文中提出了基于小波集合的局部放电信息提取算法,利用各小波在时、频域的不同特性,在较强的窄带和白噪声干扰条件下,能够更完整地提取多种形态的局部放电波形信息,在仿真计算和实测数据的处理中部取得了良好的效果。     

基于小波变换和数学形态学的局部放电信号分析方法

应用小波变换与数学形态学相融合的方法对含有强噪声的局部放电信号进行消噪,并与小波变换的阈值法进行了比较,发现该方法能更有效地消除局部放电信号的噪声,同时能很好地保留原信号特征。采用多尺度数学形态学开运算提取消噪后的局部放电信号数学形态谱,通过形态谱的提取可看出每种放电类型具有不同的形态特征,为放电类型的识别打下基础。     

基于交叉小波变换和相关系数矩阵的局部放电特征提取

针对局部放电特征量的高维性及对噪声的高敏感性,提出一种基于交叉小波变换和相关系数矩阵的局部放电特征提取方法。基于交叉小波变换对信号的时频域分析功能以及对噪声的免疫功能,采用交叉小波变换分析变压器局部放电信号,并获得表征交叉小波谱图特性的特征量;然后利用相关系数矩阵对获得的特征量进行相关性分析,剔除具有较强相关性的特征量;最后将提取到的特征量送入概率神经网络与BP神经网络分类器进行放电模式识别。仿真及实例分析证明了该方法的有效性。     

基于矩特征与概率神经网络的局部放电模式识别

局部放电信号检测时易受随机噪声干扰,会影响到局部放电模式识别的识别率和识别速度。为了提高局部放电模式识别的识别率和识别速度,提出了一种基于矩特征与概率神经网络的局部放电模式识别器。该识别器首先从放电类型的三维谱图中提取矩特征,然后,将矩特征作为概率神经网络的输入对局部放电模式进行识别。采集了尖板放电和球板放电两种放电类型,将所提识别器与反传神经网络、贝叶斯分类器、极限学习机进行了对比。实验结果表明,所提基于矩特征和概率神经网络的局部放电模式识别器的分类效果令人满意。     

基于小波包分解的XLPE配电电缆局部放电波形特征提取与识别

XLPE中压电缆局部放电(partial discharge)带电检测获得的信号可能源于电缆本体、电缆终端头,也可能来自于与之连接的开关柜中的电晕放电或表面放电等等。由于不同来源的PD信号,对设备的危害不同,其判断标准也有所不同,故有必要对PD信号来源进行识别。笔者利用小波包分解技术对试验获得的大量PD波形数据进行去噪和特征提取。使用PD信号在不同尺度下的能量谱、Shannon熵、对数能量熵以及1.5阶标准熵组成4组特征向量;将提取出的特征向量分别作为BP神经网络分类器的输入,对PD信号进行识别,并得到以下结论:以提取的各特征向量对PD信号进行识别,平均识别率均在90%附近;能量谱、Shannon熵、对数能量熵对于表面放电的识别率相对较低,1.5阶标准熵对于表面放电识别率高但对于电缆本体PD信号识别率较低。提出使用能量谱和1.5阶标准熵组合特征向量对PD信号进行识别,效果优于单独使用各特征向量进行识别,识别率高达97%。     

基于神经网络的变压器绝缘局部放电识别

基于神经网络,对变压器绝缘模型进行了局部放电试验和识别,结果显示经过训练的神经网络对变压器类产品的局部放电类型和程序有较高的识别能力.     

基于神经网络GIS局部放电模式的识别

全封闭气体绝缘开关设备（GIS）广泛应用于电网中,其内部缺陷导致的设备故障可能会引起大面积停电事故.针对GIS缺陷放电模式识别问题,设计了3种GIS典型放电模式,通过实验平台获取放电指纹数据,并从中提取出12种特征.对基于单一网络方式的概率神经网络、自适应神经网络以及基于复合神经网络方式下的GIS局部放电识别问题进行对比研究,考察3种网络方式在输入验证、部分训练集等不同条件下的放电模式识别率与一致性问题.实验结果表明,采用上述单一方式神经网络可以作为一种局部放电识别手段,但识别结果的一致性较差,而复合神经网络不仅具有高识别率,而且一致性也较好,可以较好地满足GIS局部放电识别.     

基于小波阈值的局部放电去噪新方法

针对局部放电信号去噪,传统的小波阈值法因小波基、阈值和分解层数这三个因素的影响,会使去噪后的波形发生畸变,产生较大误差。为了减小这些因素的干扰,本文提出了基于小波阈值去噪的新方法。首先利用波形相似法选取最优小波基,其次通过对理想局部放电信号和高斯白噪声进行每个尺度的小波分解与重构,并结合统计学知识确定局部放电信号去噪的阈值,最后对高频信号和低频信号进行能量分析,确定最优的分解层数。利用该方法和传统的小波阈值法对仿真放电信号去噪,去噪结果表明新方法在信噪比、均方根误差、相关系数和波形畸变率四个不同的指标上都得到了有效的提升,定性和定量的分析验证了该方法的有效性,实测的去噪结果表明新方法去噪效果令人满意,为局部放电信号去噪提供了一种新思路。     

基于小波分解的局部放电定位技术研究

为了利用超高频法进行局部放电点定位,设计了局部放电定位装置。阐述了定位系统的组成结构及定位软件的设计流程,并利用小波分解提取局部放电的主频特征信号作互相关运算。试验结果表明,定位效果要优于直接将放电信号进行互相关运算的定位效果,从而实现了局部放电点的有效定位。     

局部放电检测的波形和识别技术

局部放电检测是监视电气设备绝缘的有效手段,近年已为广大发、供、用电基层单位广泛采用。为提高检测分析水平,本期“技术讲座”栏刊登了这篇集众家资料的专题介绍,欢迎广大读者对此提出宝贵意见,包括“技术讲座”栏目的编排要求、选题内容和实际效果等的反馈意见。