資源描述：
《小波變換視角下電力體系障礙信號(hào)類(lèi)型辨識(shí)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、小波變換視角下電力體系障礙信號(hào)類(lèi)型辨識(shí)研究第一章緒論1.1背景一維信號(hào)或二維信號(hào)的突變點(diǎn)或邊沿處常常包含有很重要的信息，如機(jī)械運(yùn)動(dòng)中的故障，電力系統(tǒng)中的故障，腦電圖心電圖中的異常，岸管生產(chǎn)線上的爆縫位置等，都對(duì)應(yīng)于信號(hào)中的突變點(diǎn)。雖然它們發(fā)生的背景不同，但是如果將測(cè)得的數(shù)據(jù)作為一個(gè)信號(hào)來(lái)看的話，那么我所關(guān)心的問(wèn)題就是如何提取信號(hào)突變點(diǎn)的位置和判斷奇異性。由信號(hào)小波變換的奇異點(diǎn)（如極值點(diǎn)、過(guò)零點(diǎn)等）在不同尺度上所表現(xiàn)出的差異，可以表現(xiàn)出信號(hào)的奇異點(diǎn)的性質(zhì)，進(jìn)而用這些奇異點(diǎn)來(lái)表征信號(hào)。信號(hào)的突變點(diǎn)或邊沿的不同表現(xiàn)（有時(shí)過(guò)渡得比較陸峭，有
2、時(shí)過(guò)渡得比較緩慢）與小波變換的模極大值在多尺度上的變化情況有關(guān)，因此，用小波變換模極大值及其在多尺度上所表現(xiàn)出的特性來(lái)檢測(cè)信號(hào)的突變點(diǎn)或邊沿是非常有效的方法。首先講述了小波分析在信號(hào)去噪中的應(yīng)用，用具體實(shí)例證實(shí)了小波分析在信號(hào)去噪中的可用性，為后面章節(jié)利用小波分析對(duì)信號(hào)進(jìn)行處理奠定了基礎(chǔ)；然后重點(diǎn)研究了小波分析理論在電力系統(tǒng)突變信號(hào)定位中的應(yīng)用，并給出了具體的應(yīng)用實(shí)例。1.1小波分析在信號(hào)消噪中的應(yīng)用信號(hào)消噪是信號(hào)分析領(lǐng)域中的一個(gè)重要內(nèi)容之一。傳統(tǒng)的數(shù)學(xué)工具為短時(shí)傅里葉變換，其基本思想是:把信號(hào)劃分為許多小的時(shí)間間隔，再用傅里葉變換
3、分析每一個(gè)時(shí)間間隔,以便確定該時(shí)間間隔內(nèi)所包含的信號(hào)頻率。建立在傳統(tǒng)傅里葉變換基礎(chǔ)上的濾波方法，在提高信噪比和提高空間分辨率兩項(xiàng)指標(biāo)上存在矛盾。低通濾波固然能通過(guò)平滑抑制噪聲,但同時(shí)也會(huì)使信號(hào)的邊沿變得模糊,不利于識(shí)別。高通濾波可以使邊沿更加陸峭,但背景噪聲同時(shí)也被加強(qiáng)。與此相比，基于小波變換的多分辨率濾波技術(shù)具有明顯的優(yōu)點(diǎn)，可以有效的去除噪聲。小波分解具有自適應(yīng)的時(shí)-頻局部化工程，在信號(hào)的突變部分[35],某些小波分量表現(xiàn)幅度大，與噪聲在高頻部分的均勻表現(xiàn)正好形成明顯的對(duì)比，因此，小波分解能有效地區(qū)分信號(hào)的突變部分和噪聲，達(dá)到消噪
4、預(yù)處理的效果。第一種是強(qiáng)制消噪處理方法，該方法把小波分解結(jié)構(gòu)中的高頻系數(shù)全部變?yōu)?值，即把某幾個(gè)尺度的高頻分量全部丟棄，然后再對(duì)信號(hào)進(jìn)行重構(gòu)處理，這種方法比較簡(jiǎn)單，重構(gòu)后的信號(hào)也比較平滑，但容易丟失原信號(hào)中有用的高頻分量。第二種是門(mén)限消噪處理方法，該方法要根據(jù)經(jīng)驗(yàn)或某種依據(jù)設(shè)定閾值，對(duì)信號(hào)小波分解中的最高頻系數(shù)用閾值處理，即大于閾值的部分保證，低于閾值的系數(shù)變?yōu)?值，這符合噪聲在高頻部分均勻密集的特點(diǎn)。對(duì)其他各尺度的高頻系數(shù)改變閾值處理，隨著分解層次的增加，閾值可按約2-1/2倍減少，這種閾值消噪的處理方法往往符合實(shí)際要求。1.1.
5、1噪聲信號(hào)的小波變換特性(1)噪聲幾乎處處是奇異的。在小波變換下，噪聲的平均幅值與尺度因子2成反比，即噪聲的能量隨尺度的增大迅速減小[38]。而信號(hào)在多數(shù)情況下光滑性要好一些，在較小的若干個(gè)尺度上，信號(hào)的小波變換隨尺度的增大其幅值不會(huì)減小。(2)噪聲在不同尺度上的小波變換是高度不相關(guān)的，信號(hào)的小波變換則一般具有很強(qiáng)的相關(guān)性，相鄰尺度上的局部模極大值幾乎出現(xiàn)在相同的位置上，并且有相同的符號(hào)。可以利用這一點(diǎn)判斷小尺度上哪些成分屬于有關(guān)的信號(hào)，應(yīng)予以保留；哪些成分屬于噪聲應(yīng)予以濾除。綜上所述，由于信號(hào)與噪聲的奇異性有著明顯的差異，使它們?cè)?/p>
6、不同尺度上的小波變換模極大值表現(xiàn)完全不同，信號(hào)的模極大值隨尺度的增大而增加，具有正的Lipschitz指數(shù)。噪聲的模極大值隨尺度的增大而減少，具有負(fù)的Lipschitz指數(shù)，它們的模極大值在小波變換下具有不同的變化趨勢(shì)，從而可設(shè)計(jì)出一種算法，從所有小波變換模極大值中選擇信號(hào)的模極大值而去除噪聲的小波變換模極大值，然后用剩余的小波變換模極大值去重構(gòu)信號(hào)。因此，小波分析能用于信號(hào)的消噪。1.1.3小波消噪的方法及步驟隨著小波分析理論的不斷成熟，小波在信號(hào)消噪中的應(yīng)用也越來(lái)越廣泛和深入，利用小波分析進(jìn)行消噪，目前常用的有以下兩種方法。第一
7、種是強(qiáng)制消噪處理方法，該方法吧小波分解結(jié)構(gòu)中的高頻系數(shù)全部變?yōu)?值，即把某幾個(gè)尺度的高頻分量全部丟棄，然后再對(duì)信號(hào)進(jìn)行從構(gòu)處理，這種方法比較簡(jiǎn)單，從構(gòu)后的信號(hào)也比較平滑，但容易丟失原信號(hào)中有用的高頻分量。第二種是門(mén)限消噪處理方法，該方法要根據(jù)經(jīng)驗(yàn)或某種依據(jù)設(shè)定閾值，對(duì)信號(hào)小波分解中的最高頻系數(shù)用閾值處理，即大于閾值的部分保證，低于閾值的系數(shù)變?yōu)?值，這符合噪聲在高頻部分均勻密集的特點(diǎn)。對(duì)其他各尺度的高頻系數(shù)改變閾值處理，隨著分解層次的增加，閾值可按約2-1/2倍減少，這種閾值消噪的處理方法往往符合實(shí)際要求。在第二種方法中，通常考慮3
8、個(gè)簡(jiǎn)單的閾值處理方法：硬閾值處理、軟閾值處理、百分率閾值處理?；趹?yīng)用來(lái)選擇閾值處理方法。第4章基于小波變換及神經(jīng)網(wǎng)絡(luò)的PD信號(hào)診斷識(shí)別在現(xiàn)代社會(huì)中，安全經(jīng)濟(jì)的電力傳輸是電力系統(tǒng)生存不可缺少的前提條件。電力傳輸?shù)馁|(zhì)量和可靠性是由電力設(shè)
