Time–frequency and time–time filtering with the S-transform and TT-transform

The limitations of frequency-domain filtering methods have motivated the development of alternative techniques, in which a filter is applied to a time–frequency distribution instead of the Fourier spectrum. One such distribution is the S-transform, a modified short-time Fourier transform whose window scales with frequency, as in wavelets. Recently it has been shown that the S-transform's local spectra have time-domain equivalents. Since each of these is associated with a particular window position on the time axis, collectively they give a time–time distribution. This distribution, called the TT-transform, exhibits differential concentration of different frequency components, with higher frequencies being more strongly concentrated around the localization position than lower frequencies. This leads to the idea of filtering on the time–time plane, in addition to the time–frequency plane. Examples of time–frequency filtering and time–time filtering are presented.     

基于S变换时频等值线图与幅值包络线的短时电能质量扰动检测与分类

提出了利用S变换时频等值线图和幅值包络线对常见短时电能质量扰动进行检测和分类的方法。介绍了S变换的基本原理,给出了利用S变换检测和分类短时电能质量扰动的实现方法,通过仿真验证方法的有效性。结果表明,该方法可以准确地确定扰动发生时刻和持续时间,并能简单、直观地对扰动进行分类和幅度确定。     

最优化广义S变换及其在油气检测中的应用

通过测井数据标准化,岩心资料的选取与处理,计算出流体流动单元指标FZI。将研究区内的储层划分成3类流动单元,并建立了孔隙度、渗透率等测井解释模型。采用分流动单元进行储层渗透率解释方法,渗透率的解释精度明显得到了提高。通过建立反映测井信息与流动单元内在联系的样本集,实现了储层参数由取心井到非取心井的最佳定量求取,根据不同的流动单元,应用不同的解释模型,较精确地计算出渗透率值。从该技术在研究区内77口井的应用效果看,能够正确揭示储层参数的平面变化规律,指导剩余油研究及开发调整方案编制。     

基于广义S变换的齿轮箱轴承故障诊断方法

齿轮箱轴承故障冲击信号通常具有非平稳和非线性的特点,若在强背景信号与噪声中,更加难以识别和提取。鉴于广义S变换具有良好的自适应性和时频聚集性,提出了一种基于广义S变换的齿轮箱滚动轴承故障诊断方法。对广义S变换的时窗函数进行讨论,分析了不同参数对调节窗函数宽度的影响;讨论了不同程度的轴承故障在广义S变换时频谱图上的能量分布;通过仿真和实验验证了所提方法的可行性。结果表明,广义S变换方法能有效地反映不同轴承故障的特征频率,为齿轮箱的轴承故障诊断提供一种有效的方法。     

基于S-变换的水中目标特征提取

介绍了一种相对较新的联合时频分析方法——S-变换法,并利用S-变换对水中目标信号的相位特征和局部谱进行提取。列举了一些联合时频分析的应用例子,证明了此法对水中目标特征提取的有效性。     

基于Levenberg-Marquardt算法和广义S–变换的无绝缘轨道电路补偿电容的故障检测

本文利用传输线理论分析了无绝缘轨道电路补偿电容故障对轨道电路短路电流幅度包络的影响,提出了短路电流幅度包络的回归模型,并利用Levenberg-Marquardt(L-M)算法验证了该模型的正确性和适用性.根据机车信号的工作原理,将对短路电流幅度包络的检测转换为对机车信号感应电压幅度包络的检测.在利用L-M算法进行分段指数拟合以去除信号的衰减趋势的基础上,通过广义S变换(GST)得到信号的瞬时频率变化,最终根据短路电流幅度包络的回归模型,对瞬时频率变化结果进行判决,得到发生故障电容的具体位置.实验表明,GST具有较高的时–频分辨率,可以此对故障电容进行准确定位.由于该方法的检测数据全部来自于机车信号的日常运用,使得利用本文方法可大大缩短补偿电容的检测间隔时间,在很大程度上克服了目前检测方法在检测的及时性、成本和影响铁路运输等方面的不足.     

Enhancing the resolution of seismic data based on the generalized S-transform

In this paper, we analyze the seismic signal in the time-frequency domain using the generalized S-transform combined with spectrum modeling. Without assuming that the reflection coefficients are random white noise as in the conventional resolution-enhanced techniques, the wavelet which changes with time and frequency was simulated and eliminated. After using the inverse S-transform for the processed instantaneous spectrum, the signal in the time domain was obtained again with a more balanced spectrum and broader frequency band. The quality of seismic data was improved without additional noise.     

SVD和神经网络在孤岛检测中的应用

针对传统被动式检测方法存在较大检测盲区(Non-detection Zone, NDZ)、阈值难以确定以及易受电能质量扰动影响的缺陷,研究了一种基于奇异值分解(Singular Value Decomposition,SVD)和神经网络的被动式孤岛检测方法。该方法首先对公共连接点(Point of Common Coupling, PCC)处电压和逆变器输出电流进行S变换,提取相应的谐波幅值后,对其进行SVD并构成特征向量,最后运用BP神经网络对孤岛以及非孤岛情况进行分类识别。仿真结果表明,该方法可以有效检测出功率平衡情况下发生的孤岛,而且能防止电能质量扰动对检测准确性的影响,具有很高的准确性、可靠性和实用性。     

基于多尺度行波功率的T接线路故障识别方法

为提高T接输电线路故障识别算法的精确性与可靠性,提出了一种基于多尺度行波有功功率和概率神经网络的T接输电线路故障识别方法.基于S变换分别计算区内3个行波保护单元多频率下的初始行波平均有功功率,并以此组成T接输电线路故障特征向量样本集.建立概率神经网络故障识别模型,并利用T接线路故障特征样本集对其进行训练和测试,从而识别...     

基于GST和多级SVMs的PQDs分类方法研究

提出一种新方法--基于广义s变换(GST)和多级支持向量机(SVMs)分类器的电能质量扰动(PQDs)分类方法．首先,引入GST提取典型PQDs特征的向量集．然后,针对电压暂降、暂升、瞬态、振荡暂态、陷波‘、尖峰、谐波、间谐波及闪变九种典型扰动构造特征集合,用于训练多级SVMs分类器．最后,使用SVMs分类器对500个PQDs测试样本进行识别,在SVMs中电能质量的N种扰动是由～一1分类器分类的．结果袁明：该方法可以有效地对PQDs检测和分类尤其分类器在训练速度和正确率方面性能突出．