电缆局部放电检测中周期性窄带干扰的抑制

局部放电检测系统由于覆盖了比较宽的频带,采集到的信号中会不可避免地包括背景噪声或干扰信号,针对局部放电检测中比较严重的周期性窄带干扰信号,介绍了现有的抑制此类干扰的方法。研究了基于db4小波基的软阈值小波包变换去除周期性窄带干扰的方法,在实验室环境下,对交联聚乙烯（XLPE）电缆的局部放电进行检测,用小波包变换去除所采集波形的周期性窄带干扰,由试验结果可以得出小波包变换抑制周期性窄带干扰效果良好．     

基于门限值小波包变换抑制局部放电白噪干扰

分析了局部放电在线监测系统中局部放电信号及白噪干扰小波变换特征，局部放电信号在大部分尺度上具有较大的幅度，而白噪声信号随尺度的增加而迅速趋于零，从而对信号在各个尺度上的小波系数设定一个门限，如果某尺度上的系数大于门限，则认为它对应于局部放电信号，否则对应于噪声信号。提出了用基于门限值的小波包变换方法从白噪中提取局部放电信号的方法。实测数据分析结果表明，经此法处理后信噪比明显提高，可用于在线监测局部放电信号中白噪干扰的抑制。     

基于小波变换的局部放电信号干扰抑制方法研究

对电力变压器局部放电信号的分析可以及时掌握电力变压器状态信息,预防绝缘破坏事故,因此具有重要意义。通过对电力变压器内部放电信号中的干扰信号进行分析,结合小波阈值去噪和级联多个数字滤波器的方法,进行抑制方法研究。经仿真和对实测信号的分析和验证,单一采用一种抑制的方法欠佳,组合方法可以达到预期的干扰抑制效果。     

复小波变换-自适应滤波算法抑制局部放电窄带干扰

针对干扰频率多和信噪比低这两大局部放电窄带干扰抑制中难以解决的问题,提出一种复小波变换一自适应滤波算法.首先,利用复小波变换分频特性将信号分解到不同的频段内,使各个频段内的窄带干扰数少且频率接近,然后进行逐层自适应滤波;采用一种实部与模平方乘积的新复合信息以提高对低信噪比信号的提取能力以及对信号形状的保持能力.研究结果表明;复小波变换一自适应滤波算法在信噪比δ0=0时能对4种局部放大脉冲模型分别获得信噪比δ为22.22,16.16,17.16和21.75和波形相似度η为0.909 2,0.942 7,0.668 8和0.657 0的滤波效果,与传统的小波去噪和自适应滤波相比有较大改进.     

自适应小波包干扰抑制技术

干扰抑制是提高直接序列（ＤＳ）扩频通信系统抗干扰能力的重要手段。最近人们提出了一种新的干扰抑制技术－基于自适应小波包变换的干扰抑制。该技术利用小波包变换对受到干扰的ＤＳ信号进行分解,使得有用信号和干扰分离,然后滤除干扰分量,最后通过小波包合成恢复扩频信号,其性能在很多情况下优于传统方案。对小波包干扰抑制技术作了综述,指出其优点和有待于解决的问题。     

多态性局部放电簇的小波提取算法

对于局部放电类型相对单一的高压电缆等电力设施,考虑到不同传输特性的测量回路对数据的影响,可选取相应最优母小波并采用多分辨分析进行局部放电脉冲的提取,这一根据局部放电脉冲波形特性调整滤波参数的思想颇具启发性.在实际工况下,影响局部放电实测波形的因素很多.由于不同的局部放电机理、原发位置及在设备内部不同的传播和衰减,造成了实测局部放电脉冲波形的多态性.为了更完整地提取各类局部放电信息,在无法获取先验的局部放电波形特征的条件下,提出了应用多种母小波分别进行分析并去冗余合成的多态性局部放电簇的提取算法,通过对仿真和实测数据的计算,验证了其良好效果.     

变压器局部放电在线检测中DSI干扰抑制

针对运行中变压器局部放电在线监测信号中的周期性窄带干扰(DSI),分析DSI与局部放电信号的频谱特征．在此基础上,提出采用基于快速Fourier变换(FFT)的功率谱估计法进行DSI信号检测．采用级联二阶IIR陷波滤波器,对放电信号进行处理,滤除DSI信号以抑制干扰．详细介绍IIR陷波滤波器的设计方法,它对局部放电信号造成的波形畸变较小．仿真结果验证了该方法的有效性。     

基于整数平方量化阈值和索引表的小波图像编码算法

一般小波变换，零树编码优点很多，但对于能量集中性较差的整形小波变换就显得力不从心。因此对整形小波变换存在的这一特点结合零树编码的优点提出了一种新算法。第一，根据整形小波变换后各子带系数幅值的动态变化较小；小波图像能量较一般小波差的特点，提出了利用整数平方作为量化阈值的整数平方算法，充分利用了整型小波变换；第二，提出一种基于索引表和游程编码的小波零树编码的新思路，简化了编码与解码的过程。     

基于小波包变换和BP神经网络的DSSS系统干扰抑制算法

 提出功率分布优势小波包变换(PDP-WPT)和扩展BP神经网络(EBPNN),并基于两者提出针对直扩系统(DSSS)的变换域信息信号提取(TISI)干扰抑制算法。首先采用PDP-WPT高效跟踪直扩系统中的敌意干扰,提高算法收敛速度;然后通过EBPNN对变换系数进行信息信号的自适应识别达到干扰抑制的目的,具有复杂度低、鲁棒性好的特点。理论分析得到采用TISI后的扰信比(ISR)抑制量、信噪比(SNR)损失量和误码率(BER)的数学表达式。仿真结果表明：在相同干扰信号的情况下,与两种传统算法相比较,本算法的扰信比抑制量分别提高了43.8%和20.8%,信噪比损失量分别降低了62.5%和34.8%。     

局部放电监测中现场干扰的分析与抑制

局部放电在线监测的关键是如何有效简便地抑制各种干扰，但目前对现场干扰的研究多限于定性分析。本文利用数字滤波方法对现场干扰作了定性分析和定量研究，对目前研究较多的ＬＭＳ（最小均方误差）自适应滤波、ＦＦＴ（快速傅立叶变换）阈值滤波的效果作了对比分析，指出它们在实际应用中尚存在不足，并且提出了一种基于ＦＦＴ的理想多带通数字滤波器。应用于现场的数据处理，该方法具有处理简单、抑制比高、意义明确等优点，是抑制连续周期性干扰的较好措施。对于脉冲干扰，提出了一种新的利用脉冲信号波形特征进行逻辑判断的脉冲识别方法，取得了较好的效果。     

一种结合小波变换的矢量量化快速编码算法

研究了一种基于均方误差(MSE)测度的矢量量化快速编码算法。算法利用小波变换的特点，合理构造矢量，结合非线性插补矢量量化技术、矢量和值差法、部分失真排除法和一些典型的小波系数的极性判断，在搜索编码过程中，有效排除部分候选码字。实验结果表明。相对于穷尽搜索方法，计算量有明显降低，计算时间减少约98％。     

用小波变换提取局部放电信号

为了提取局部放电信号,采用二进尺度小波变换的Ｍａｌａｔ算法,应用Ｄａｕｂｅｃｈｉｃｓ小波,设计了低通、带通滤波器。数值仿真研究中,用指数衰减或衰减振荡波来模拟放电信号,研究了小波变换提取信号的效果及有关影响因素。仿真和现场监测数据处理的结果表明,由于小波变换具有多分辨率特性,能快速而有效地从多种窄带干扰中提取出放电信号,适当条件下还可实现较完整波形的提取。由于处理速率较高,适合在线监测时实时使用。     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

动态时间规整算法在局部放电模式识别中的应用

采用试品升、降压过程中的视在放电量-施加电压序列作为特征量,并引入动态时间规整(DTW)算法进行局部放电模式识别以区分不同的缺陷类型。算法在训练阶段首先对训练样本和测试样本进行矢量量化(VQ),以码本码字代替原始矢量实现数据压缩,再以训练样本的码字构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法具有识别率高和易拓展的优点,并且FM算法能够节省56%计算量和提高DTW算法的识别率。     

变压器局部放电在线监测信号处理技术的研究

针对运行中变压器局部放电在线监测信号中的强烈窄带干扰,分别研究了基于快速Fourier变换(FFT)和时域分析算法的滤波器,对放电高频信号进行信号处理,以抑制干扰。处理结果表明,高频放电信号样本的信噪比可以提高15～20dB。对处理后的高频信号和同时采集到的超高频信号进行了综合分析,发现两种放电样本中的放电脉冲在时延和幅值上均存在着十分明确的相关关系,而干扰样本中则不存在这种对应关系。这一结果可以为局部放电信号的识别提供分析判断的依据。     

基于量化的小波域数字音频水印算法

提出了一种基于量化的小波域数字音频水印算法，该算法首先将视觉可辨的二值水印图像降维成一维水印序列，再将水印序列伪随机排序并与m序列作扩频调制，最后对数字音频信号作分段离散小波变换，调制信号通过量化处理过程嵌入到离散小波变换后的系数中，提取水印信号无需使用原始数字音频信号，仿真实验表明水印是不可察觉的，经过mp3有损压缩，低通滤波，重采样等操作后仍具有很强的稳健性。     

基于混合遗传算法的变压器局部放电超声定位法

论述变压器局部放电超声波定位法原理,把混合遗传算法用于局部放电的超声定位,从而提出基于混合遗传算法的变压器局部放电超声定位法;并将其定位结果与遗传算法、模拟退火算法、粒子群算法和线性粒子群算法等智能算法的定位结果进行比较.算例结果表明混合遗传算法能有效地防止结果陷入局部最优,其定位效果理想,且比上述智能算法的定位效果都好.