一种基于小波变换的光频雷电信号检测方法

合集下载

小波变换对奇异信号的检测(电力)

超高压输电线路故障测距方法主要有两类[1,2]：阻抗法和行波法。

阻抗算法是建立在工频电气量基础之上的，是通过求解以差分或微分形式表示的电压平衡方程，计算故障点与测距装置安装处之间的线路电抗，进而折算出故障距离的测距方法。

根据所使用的电气量，阻抗算法可分为单端电气量算法和双端电气量算法。

不管用哪种算法，由于受保护用互感器的误差和过渡阻抗等因素的，阻抗算法往往不能满足对故障测距的精度要求。

行波测距法的基础是行波在输电线路上有固定的传播速度（接近光速）。

根据这一特点，测量和记录线路发生故障时由故障点产生的行波到达母线的时间可实现精确故障测距。

早期行波法使用的是电压行波，而和实践证明普通的电容分压式电压互感器不能转换频率高达数百kHz的行波信号，为了获取电压行波则需要装设专门的行波耦合设备，因而使得装置构成复杂、投资大，而且缺乏测量和记录行波信号的技术条件，也没有合适的数学方法来分析行波信号，因此制约了行波测距的和。

小波分析[3]作为数学学科的一个分支，以其理论上的完美性和上的广泛性，受到界、工程界的重视。

目前，小波分析也逐步应用于电力系统。

可以运用小波变换来分解由故障录波得到的具有奇异性、瞬时性的电流、电压信号，在不同尺度上反映故障信号，根据得到的故障信号特性确定合适的距离函数，进而求解出引起此信号突变的故障时间和地点，实现故障定位。

2 电力线路的数学模型严格来说，电力线路的参数是均匀分布的，即使是极短的一段线路，都有相应大小的电阻、电抗、电纳、电导（如图1）。

在一般情况下，需分析的往往只是其端点状况¾¾二端电压、电流和功率。

通常可不考虑线路的分布参数特性，只有在特殊情况下才用双曲函数研究具有均匀分布参数的线路。

现有的测距算法线路模型虽然多种多样，各具特色，但归根结底，皆属于集中参数或分布参数这2种线路模型。

3 小波变换对奇异信号的检测若函数（信号）f(t)在某个局部点t0处间断或某阶导数间断，则通常称该函数在t0处有奇异性[3]。

基于小波能量谱和ReliefF算法的雷达辐射源无意调制特征提取

DOI: 10.11991/yykj.202002012基于小波能量谱和ReliefF 算法的雷达辐射源无意调制特征提取高鹏成，焦淑红哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨 150001摘要：为了获取更加有效的雷达辐射源无意调制特征并进一步降低特征的维度，以提升低信噪比下雷达辐射源个体识别的准确率，从时频分析角度出发提出了一种基于小波变换能量谱和ReliefF 算法的无意调制特征提取方法。

首先对辐射源信号进行小波变换并获取小波能量谱，然后采用ReliefF 算法对小波能量谱值进行权重分析，筛选出区分能力较强的高权重小波能量信息作为雷达辐射源的无意调制特征。

该方法将权重分析应用于特征提取中，在提升特征有效性的同时进一步降低了特征的维度。

实验结果表明：相较于传统时域和频域中的无意调制特征，基于小波能量谱和ReliefF 算法提取的无意调制特征具有低维度、强抗噪声的特点。

当信噪比大于0 dBm 时识别率达到90%以上，具有较高的工程应用价值。

关键词：雷达辐射源；小波能量谱；ReliefF 算法；权重分析；无意特征提取中图分类号：TP91 文献标志码：A 文章编号：1009−671X(2021)01−0060−06Feature extraction of unintentional modulation of radar emitter based onwavelet energy spectrum and ReliefF algorithmGAO Pengcheng, JIAO ShuhongCollege of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, ChinaAbstract : In order to obtain more effective unintentional modulation feature of radar emitter and further reduce the dimension of the feature, so as to improve the accuracy of radar emitter recognition under low SNR. In this paper, a method of feature extraction of unintentional modulation based on wavelet energy spectrum and ReliefF algorithm is proposed from the perspective of time-frequency analysis. Firstly, wavelet transform is applied to the emitter signal to obtain the wavelet energy spectrum, then the ReleifF algorithm is used to analyze the weight of wavelet energy spectrum value, and the high-weight wavelet energy information with strong discrimination ability is selected as the unintentional modulation feature of radar emitter. In this method, weight analysis is applied to feature extraction, which improves the effectiveness of the feature and further reduces dimension of the feature. The experimental results show that, compared with the traditional unintentional modulation features in traditional time domain and frequency domain, the unintentional modulation features extracted based on wavelet energy spectrum and ReliefF algorithm have low-dimension and strong anti-noise characteristics. When the signal-to-noise ratio is greater than 0 dBm, the recognition rate reaches more than 90%, and has high engineering application value.Keywords: radar emitter; wavelet energy spectrum; ReleifF algorithm; weight analysis; unintentional feature extraction雷达辐射源无意调制指的是由于辐射源自身硬件缺陷和结构上的差异使得输出信号带有的附加调制信息，不同类型的辐射源所携带的附加调制信息不同，即使是相同类型的辐射源，由于内部器件的制造工艺以及所采用器件批次的不同其所携带的附加调制信息也不尽相同[1]。

采用小波多分辨率信号分解的电能质量检测

1 引言
电能质量检测是当前国际上的一个研究热点。典型的电能质量扰动主要有电网谐波失真、暂态干扰、电压凹陷、电压凸起、欠电压、过电压、 [4 ] 电压间断、以及电压闪变与波动。目前突变的、暂态的非平稳电能质量扰动的分类识别、短时间谐
x ( t) =
k
[6 ]
J
∫
0
T
2 x ( t) d t =
1
T
∑
k
cJ ( k) +
2
1
T
J
j =1
2 d ( k) ∑∑
j
k
∑
cJ ( k) < J , k ( t) +
j =1
d ( k) Ψ ∑∑
j
k
ห้องสมุดไป่ตู้
j,k (
t ) ( 2)
( 8)
若 x ( t ) 为不同频率的有限时间正弦信号之和 , 则 cJ ( k ) 的均方根值可表示 x ( t ) 中最低频率的正弦分量 ( 基波) 的有效值 ,由 cJ ( k ) 可重构该低频 ( 基波) 信号 ,而 d j ( k ) 的均方根值可表示尺度 j 的子频带中正弦分量 ( 谐波) 的有效值 , 由 d j ( k ) 可重构该频带中的高频细节 ( 谐波) 信号。所以也可以用小波分解系数 cj ( k ) 和 d j ( k ) 的模值表示为短时信号的时间、频率、幅度。
2 小波多分辨率信号分解理论与实现方法
如果平方可积函数空间 L 2 ( R ) 的一系列闭子空间 { V j } j ∈Z 是 L 2 ( R ) 的一个多分辨率分析

基于小波变换的微电网故障检测方法设计

• 90 •内燃机与配件基于小波变换的微电网故障检测方法设计王颖淤曰唐函侃淤曰潘明九于(①中国计量大学机电工程学院，杭州310018;②国网浙江省电力公司经济技术研究院，杭州310008)摘要：与传统的大电网相比较,微电网具有可靠性高、灵活性好、经济性强等优点，现如今微电网因为它的优点在电力系统中被广泛的使用。

然而，在微电网的长久运行中，故障的发生是不可避免的。

本文就微电网的故障检测提出了一种新的检测方法:基于小波变换的微电网故障检测方法。

并对该方法进行了验证性的实验来检验该方法的可靠性。

关键词：小波变换;微电网；故障检测0引言微电网是规模比较小的分散式独立系统，当它和配电网连接时，就会从单电源的辐射型网络，转换为多电源的网络，并且是可以控制的m。

这样的微电网不但可以选择与大电网联网并网模式运行，而且能够选择孤岛模式运行，但由此也给继电保护带来了较大的影响。

在微电网中逆变器接□分布式电源的最大电流贡献能力为额定电流的2 倍，所以与发生任何故障类型的并网运行模式相比较，微电网在孤岛模式下时内部发生故障所产生的故障电流要小很多，因此对于微电网来说使用频率最高的过电流继电保护将不太合适[2-31。

微电网的功率流向是动态和双向的，当微电网在网状和径向拓扑之间切换时，保护问题也将变得十分的复杂。

所以，需要找出适当的故障检测方法，当其在并网运行和孤岛运行这两种情况下，可以快速地响应微电网的内部故障，并在并网运行的情况下能迅速感应到主网发生了故障，才能够做出合理的保护策略1^]。

1微电网模型构建如图1所示微电网模型中，B1母线左侧为外部大电网，B2母线右侧为微电网部分，这两个部分通过公共连接点PCC连接，当公共连接点PC C闭合的时候，微电网转换为并网运行模式；当公共连接点PCC断开的时候，微电网转换为孤岛运行模式[6-71。

基金项目：浙江省自然科学基金项目（LQ17E070003 );国家质检总局科技计划项目（T2015-JLXY-0005 );浙江省"仪器科学与技术”重中之重学科开放基金。

基于小波变换的无线通信发射机信号转换异常检测方法

2022年12月25日第39卷第24期Ｄｅｃ．　２５，　２０２２，　Ｖｏｌ．３９　Ｎｏ．２４　Telecom Power Technology·　４４　·设计应用ＤＯＩ：１０．１９３９９／ｊ．ｃｎｋｉ．ｔｐｔ．２０２２．２４．０１５基于小波变换的无线通信发射机信号转换异常检测方法宋光伟（天津光电通信技术有限公司，天津 300221）摘要：为了准确检测无线通信发射机信号转换异常的情况，提高无线通信质量，基于小波变换研究无线通信发射机信号转换异常的监测方法。

根据通信网络节点，采集无线通信发射机信号转换异常的信息集。

利用离散型小波变换方法，提取异常信号的时频特征。

采用相对小波时间熵算法，构建异常信号的实时检测模型，检测无线通信发射机信号的转换异常情况。

测试结果显示，所提出异常检测方法检测结果正确率的平均值为97.24%，精确率的平均值为91.40%，召回率的平均值为92.93%，F 1值的平均值为93.05%，提高了异常信号检测的准确性，提高了通信质量，可满足实际工程要求。

关键词：小波变换；信号转换异常；异常检测方法Signal Conversion Anomaly Detection Method of Wireless Communication TransmitterBased on Wavelet TransformSONG Guangwei(Tianjin Photoelectric Communication Technology Co., Ltd., Tianjin 300221, China)Abstract: In order to accurately detect the abnormal signal conversion of wireless communication transmitter and improve the effect of wireless communication, a method of monitoring the abnormal signal conversion of wireless communication transmitter is studied based on wavelet transform. According to the operation node of the communication signal, the information set of the abnormal signal conversion of the wireless communication transmitter is collected. Using discrete wavelet transform method, the time-frequency characteristics of abnormal signals are extracted. Based on the relative wavelet time entropy algorithm, the real time detection model of abnormal signal is built to realize the identification and detection of the abnormal signal conversion of wireless communication transmitter. The test results show that the average accuracy rate of abnormal detection method in this paper is 97.24%, the average accuracy rate is 91.40%, the average recall rate is 92.93%, and the average F 1 value is 93.05%, indicating that the proposed method has improved the accuracy of detection results and the communication effect, meeting the actual engineering requirements.Keywords: wavelet transform; abnormal signal conversion; abnormal detection method0　引　言在新兴科技不断发展的时代背景下，无线通信与人们生活的联系越来越紧密[1]。

基于小波变换与差值能量法相结合的串联故障电弧检测方法

基于小波变换与差值能量法相结合的串联故障电弧检测方法刘冲;李佳鸿【摘要】由于低压用户端交流串联电弧故障回路电流幅值小、一些电力电子负载正常工作电流与串联电弧故障电流相似等原因,使得故障电弧的准确诊断十分困难.本文提出了一种基于小波变换与差值能量法相结合的串联电弧故障检测方法.对原始电流信号进行小波阈值去噪,运用Mallat快速算法对信号进行多分辨率分析,提取多分辨率分析结果中包含电弧信息较多、负载干扰信息较少的频段进行小波反变换;运用差值能量法对反变换后富含电弧信息的信号进行故障诊断.最后利用自制的实验设备验证了算法的准确性.【期刊名称】《电气技术》【年(卷),期】2017(000)012【总页数】5页(P62-66)【关键词】差值能量法;故障电弧;小波变换;故障检测【作者】刘冲;李佳鸿【作者单位】山东大学电气工程学院,济南 250061;山东大学电气工程学院,济南250061【正文语种】中文电弧是空气被电压击穿而导致的放电现象。

家庭配电网中，线路和周围环境复杂，若不及时切断故障电弧，极易引起火灾事故，因此研究故障电弧的准确检测方法显得尤为重要。

故障电弧一般分为串联电弧、并联电弧和接地电弧3类。

并联电弧和接地电弧具有与并联和接地故障相似的过电流[1-2]，可以引起保护装置动作；串联电弧回路电流有效值往往接近正常负载电流，保护装置无法动作，成为引起电气火灾的主要因素。

目前，国内外研究最多的串联电弧检测方法主要有以下两种[3-5]。

1）根据电弧发生时产生的弧光、噪声、辐射、高温等物理现象来判断电弧是否发生。

目前该方法多数用于开关柜[6]，开关柜中回路电流大，电弧发生时物理特征明显。

而家庭供配电系统中，负载不同，串联电弧电流大小不一，传感器灵敏度难以确定，同时，配电线路复杂，安装位置难以确定。

2）对电流信号进行分析，判断回路中是否发生串联电弧。

如傅里叶变换法、小波分析法、电弧电流峰值斜率法、基于电弧随机性的差值-均方根法等，目前还发展出了基于神经网络等智能算法的检测方法。

基于冗余小波变换的高频地波雷达目标检测算法

基于冗余小波变换的高频地波雷达目标检测算法李庆忠;刘小彤;黎明;牛炯;李瑞芹【摘要】为了从高频地波雷达(High Frequency Surface Wave Radar,HFSWR)信号生成的复杂距离多普勒(Range Doppler,RD)图像中准确提取运动点目标,提出了一种基于冗余小波变换(Redundant Discrete Wavelet Transformation,RDWT)的RD图像点目标检测算法.该算法根据点目标与海杂波、电离层杂波等特征的差异,首先在距离方向进行自适应RDWT以去除海杂波和地杂波,并在多普勒方向进行自适应RDWT以去除电离层杂波;然后利用图像形态学运算对背景噪声进行了抑制;最后进行阈值自适应分割以得到点目标.实验结果表明:该算法能有效抑制RD图像中的海杂波、电离层杂波和背景噪声,能从复杂的RD图像中实现点目标的有效检测,其检测性能优于改进的恒虚警率(Constant False Alarm Rate,CFAR)算法.【期刊名称】《电波科学学报》【年(卷),期】2016(031)003【总页数】7页(P501-507)【关键词】RD图像;点目标检测;RDWT;图像形态学;HFSWR【作者】李庆忠;刘小彤;黎明;牛炯;李瑞芹【作者单位】中国海洋大学工程学院山东省海洋工程重点实验室,青岛266100;中国海洋大学工程学院山东省海洋工程重点实验室,青岛266100;中国海洋大学工程学院山东省海洋工程重点实验室,青岛266100;中国海洋大学工程学院山东省海洋工程重点实验室,青岛266100;中国海洋大学工程学院山东省海洋工程重点实验室,青岛266100【正文语种】中文【中图分类】TN957.52DOI 10.13443/j.cjors.2015063001高频地波雷达(High Frequency Surface Wave Radar,HFSWR)是一类工作于高频(3～30 MHz)频段、利用高频电磁波沿海面绕射传播特性工作的雷达[1].由于HFSWR探测覆盖面积大,可以全天候超视距监测海洋环境和海上移动目标,已逐步成为海事监控最经济、可靠和有效的工具,特别是对海洋专属经济区(Exclusive Economic Zone,EEZ)内的海事监控具有重要的军用和民用价值.但HFSWR的检测环境复杂,接收信号中除了含有目标回波信号以外,还存在各种杂波与背景噪声(如地杂波、海杂波、电离层杂波、电台干扰、大气噪声等).因此,HFSWR的目标检测是一个极具挑战性的难题,急需探讨一种有效的检测方法.在利用HFSWR进行海面目标的检测方面,目前国内外主要的研究方法概述如下: 1) 基于背景杂波分布模型的恒虚警率(Constant False Alarm Rate,CFAR)方法及其改进方法[2-5].这类方法可以定量分析目标检测时的检测率和虚警率,应用较为广泛.但前提是必须要有准确的背景杂波模型,该类方法适用于海况较稳定且目标远离杂波区域的场合.2) 基于图像处理的点目标检测方法.通常图像点状目标检测方法[6-8]都是直接利用点目标的形状和灰度分布特征进行检测.但对于背景复杂的距离多普勒(Range Doppler,RD)图像,这些方法都很难适应.为此,Grosdidier等提出了基于形态成分分析的舰船目标检测方法[9],该算法根据RD谱中海杂波与目标形态成分的差异性,利用多尺度变换和稀疏表达技术进行目标的提取,该算法的难点在于如何寻找合适的完备字典.此外,Jangal 等提出了基于小波变换的RD谱点目标检测方法[10-11],该算法对RD谱在距离方向进行多级小波变换,然后从中选取只含点目标的若干个高频子带,并分别对这些高频子带进行反变换重建,最后将重建的图像进行加权求和作为最终的点目标图像.该算法存在的问题是,小波变换层数、高频子带的选择以及加权系数的选择皆是根据经验确定,不具有自适应性.此外,该算法没有考虑电离层杂波的去除问题.文中针对Jangal提出算法存在的问题,提出了一种基于自适应冗余小波变换(Redundant Discrete Wavelet Transformation,RDWT)的RD图像点目标检测算法,按照由简单到复杂的策略,逐级自适应剔除海杂波、电离层与背景噪声,最后对处理后的图像进行自适应阈值分割实现点目标的有效检测,并通过实验验证了提出算法的可行性.图1是一幅典型的HFSWR的RD图像,其中除了舰船点目标外,还包含着海杂波、电离层杂波和背景噪声等.其中海杂波、地杂波一般沿距离方向呈现脊状结构; 而电离层杂波在距离和多普勒方向中则存在一定程度的展宽,一般在多普勒方向呈现出条形、带状形态; 舰船目标由于幅度局部占优并在处理过程中受窗函数的作用,在RD谱图像中会形成较为独立的三维钉状结构.从图像处理的角度看,由于海杂波和电离层杂波都呈现大面积的连续分布状态,在能量强度上也呈渐变过渡状态,故在空间分布上具有较大的相关性,属于图像的低频成分; 而点目标的强度与周围背景的强度相关性较小,且一般高于背景噪声的强度,因此认为点目标是一些灰度值的奇异点,属于图像的高频部分.而运用小波变换的多尺度特性,可以将图像的低频成分与高频成分进行有效分离.为此,提出了基于自适应小波变换的点目标检测算法,算法的整体组成框图如图2所示,下面介绍其中主要模块的具体实现.1.1 基于距离方向自适应RDWT的海杂波去除RDWT[12]是除去了下采样的离散小波变换,由于RDWT减少了分解过程中的下采样和重构过程中的上采样环节,各变换子带的大小与原信号相同,变换系数在子带中的位置和它在原信号中的位置相对应.RDWT的分解和重构过程如下:aj+1(n)=aj(n)⊗hj(n),dj+1(n)=aj(n)⊗gj(n),dj+1(n)⊗).因为RDWT的各子带大小与原图像相同且具有平移不变特点,所以利用RDWT更有利于各种杂波的去除.考虑到海杂波、地杂波在RD图像的列方向(距离方向)上呈连续分布状态,是一个变化缓慢的低频成分,而点目标则是一个呈峰状变化快速的高频成分.为此,提出了海杂波自适应去除算法步骤如下:1) 自适应确定列方向一维RDWT的级数n.2) 将各高频子带置零,用低频子带An进行RDWT反变换重构,得到了仅含海杂波、地杂波的图像.3) 用原始灰度RD图像减去步骤2)得到的海杂波、地杂波重构图像,由此得到去除了海杂波、地杂波成分的RD图像.在以上处理中,关键是步骤1),即自适应确定列方向一维RDWT的层数n.下面具体介绍其自适应确定方法.图3是一幅RD图像经过1～9级RDWT列变换后,将高频子带置零,仅用低频子带An进行RDWT反变换重建的图像.可以看出,随着级数的增加,重建图像中的高频成分越来越少,到了一定级数后,高频成分全部去除,而只剩下低频的海杂波和地杂波成分,此时相邻级重建图像最为相似,若再继续增加变换级数,相似性又开始下降.文中采用图像峰值信噪比(Peak Signal Noise Ratio,PSNR)来衡量相邻级重建图像的相似性,其定义如下:令I(i,j)和K(i,j)分别为两幅长宽相同的图像,两幅图像的均方差EMS为下面是自适应RDWT级数n确定的步骤:1) 对RD图像进行n级小波变换,n初始值为1,并使高频子带置零,仅用低频子带An进行反变换重建图像,求重建图像的RPSN,n.2) 对RD图像进行n+1级小波变换,将高频子带置零,仅用低频子带An+1进行反变换重建图像,并求重建图像的RPSN,n+1.3) 若RPSN,n与RPSN,n+1.的差值小于设定的阈值(一般认为差值在10-2以下为相似),则停止变换,取变换级数n为最佳变换级数; 否则,转步骤2),继续进行下一级变换,直到相邻级PSNR差值小于规定的阈值为止.1.2 基于多普勒方向自适应RDWT的电离层杂波去除由于电离层杂波在RD图像的行方向(多普勒方向)上呈连续分布状态,因此,通过在行方向进行一维RDWT分解,即可提取并去除电离层杂波成分.具体步骤为:1) 自适应确定行方向一维RDWT的级数n.2) 将各高频子带置零,仅用低频子带An进行RDWT反变换重构,得到仅含电离层杂波的图像.3) 用§1.1中得到的去除了海杂波与地杂波的RD图像减去步骤2)得到的电离层杂波重构图像,最终得到去除了所有海杂波和电离层杂波成分的RD图像.其中步骤1)自适应确定行方向RDWT的级数的算法与§1.1 中自适应确定列方向RDWT的级数的算法类似,只需将一维列变换改成行变换即可.1.3 基于形态学开运算的背景噪声抑制经过电离层杂波和海杂波的去除后,在RD图像中还剩余背景噪声点和点目标.受积累时间内舰船移动和雷达系统分辨率的影响,点目标在RD图像中存在一定的能量扩展.而背景噪声属于准静止分量,在RD图像中呈现为孤立峰点或局部区域的起伏等.所以,噪声点在图像中所占的像素数一般小于点目标的像素数,其能量也低于点目标.根据此特点,采用灰度形态学开运算对背景噪声点进行抑制处理.基本思想就是利用图像灰度形态学的开运算去除尺寸和能量都小于点目标的背景噪声点.图像灰度形态学[13]的开运算就是利用同一结构元素先对图像进行腐蚀运算再进行膨胀运算.设f(x,y)是输入图像,b(x,y)是结构元素,(x,y)定义在实整数集Z×Z上.灰度图像的腐蚀运算定义为(fΘb)(s)=min {f(s+x)-b(x)|s+x∈Df,x∈Db}.由于腐蚀运算是在结构元素定义的邻域内选择f-b的最小值,所以RD图像中比结构元素小的区域中的明亮细节经腐蚀后将被减少或去除.灰度图像的膨胀运算定义为(f⊗b)(s)=max{f(s-x)+b(x)|s-x∈Df, x∈Db}.由于膨胀运算是在结构元素定义的邻域中选择f+b的最大值,所以RD谱中比结构元素小的区域中的暗黑细节将被减少或去除.灰度图像的开运算定义为f·b=(fΘb)⊗b.为了有效抑制背景噪声点,必须根据RD图像中点目标的特征设计合理的结构元素.根据对大量RD图像的统计分析,文中所设计结构元素的形状如图4所示,平面形状为钻石型,灰度值呈单峰分布,x为中心像素的灰度值,其4邻域像素的灰度值比中心像素小2,x的值要低于目标点的像素值.1.4 自适应阈值分割提取目标经过各种杂波去除和背景噪声抑制后,RD图像中仅剩余点目标和较为平滑的背景.因此,采用典型的Otsu法[14]自适应选择一个全局阈值对图像进行二值分割,大于该阈值的图像点即为目标点,否则为背景.并对分割出的目标点进行标记和数目统计,最终实现RD图像的点目标检测.为验证提出算法的可行性,进行了两组实验：一是从图像点提取的角度,对实际RD 图像进行图像点提取,以考察算法对图像点的检测能力; 二是从目标点的检测角度,在实际RD图像背景中人工添加仿真点目标,以对比文中算法与改进CFAR算法对仿真点目标的检测性能.2.1 RD图像点提取实验结果实验所用的HFSWR工作的载频为4.7 MHz,脉冲宽度为0.42 ms,脉冲周期为2.37 ms,积累周期为2 048.所用的实测数据来自HFSWR对渤海某海域的实际监测数据.用文中提出的算法,对实测RD图像进行了大量目标提取实验,图5是其中两幅RD 图像的典型检测结果.其中图5(a)、(c)是原始RD图像,图像中除了含有多个点目标外,都含有海杂波、电离层杂波和背景噪声,可见这是一个从复杂图像背景下进行点目标检测的问题.图5(b)、(d) 分别是其对应的检测结果,可见该算法能较好从复杂的背景中将显著的图像点目标提取出来.2.2 仿真目标点检测实验结果§2.1中的检测结果仅是得到了RD图像中的候选点目标,还需要进一步判别是否是真正的海面舰船目标.虽然可以借助于自动识别系统(Automatic Identification System,AIS)的数据,但对于非强制性履约的船舶,AIS是无法监测到的.为此,我们采取在实测RD图像背景数据上,人工随机添加仿真目标的方法.因为人工添加仿真点目标的数量和位置是确定的,我们就可以对添加的仿真点目标进行检测,并与文献[3]中提出的改进的CFAR算法进行性能对比.改进的CFAR算法[3]是先利用曲线拟合做了削弱杂波和噪声的预处理,再用被测单元周围单元格的平均来估计背景噪声, 将得到的背景噪声与门限因子相乘作为检测门限.文中算法是在去除了海杂波和电离层杂波的前提下,再进行基于形态学开运算的背景噪声抑制和目标检测.其中在背景噪声抑制中,结构元素b的中心像素值x与CFAR算法中的背景噪声相对应,取图像所有像素值的平均,而门限因子的调整与CFAR完全同步,这样就可以利用ROC曲线,对两种算法的检测性能进行对比.为了测试两种算法的性能,在实测RD图像背景上随机添加仿真目标,目标的信噪比范围为20～40 dB,经过10×1 000次的Monte Carlo实验(10为添加的仿真目标数).在检测实验中,我们假设检测到的非仿真目标将均被视为虚假目标.如图6所示为两种算法ROC曲线的比较结果,在每个虚警率下,本文算法的检测率都要高于改进的CFAR算法.其原因是:文中算法在目标检测之前,进行了海杂波和电离层杂波的去除; 还利用灰值形态学开运算进行背景噪声的抑制,有效增加了图像背景的平滑性,从而提高检测率.改进的CFAR算法[3]虽然也利用曲线拟合方法对各种杂波进行了抑制,但因为是在时域进行,其针对性要比小波域处理方法差些.为了进一步测试文中算法对杂波附近目标的检测性能,进行了如下对比实验:在杂波附近添加3个仿真目标,预设虚警率为10-4进行目标检测,仿真目标的信噪比在20～40 dB的范围内.得到不同信噪比下目标检测率的对比(每一信噪比下的检测率为500次实验的统计概率),如表1所示.可以看出,文中算法与改进的CFAR算法相比,有效提高了杂波附近目标的检测率,特别是在信噪比较高情况下,效果尤为明显. 图7为虚警率为10-4时,杂波附近目标的一次典型检测结果的比较.图7(a) 是在杂波附近随机添加3个仿真目标的RD图像,该实测RD图像背景具有多杂波、背景噪声起伏等特点.图7(b)是改进的CFAR算法对图7(a)的检测结果; 图7(c)是文中算法对图7(a)的检测结果.可以看出,在添加的3个仿真目标中,改进的CFAR算法只检测到了1号目标,而文中算法将3个目标全部检测到.综上可知,文中算法不仅较传统算法有较高的检测率,而且能够削弱杂波对附近目标的遮蔽效应.文中提出了一种基于自适应冗余小波变换和图像形态学原理的RD图像点目标检测算法.利用PSNR可以自适应确定RDWT的层数,可以有效去除图像中的电离层杂波和海杂波成分; 利用设计的结构元素,由灰度图像形态学开运算可以较好地抑制图像中的背景噪声成分.文中算法能从复杂的图像背景中有效实现点目标的分离与检测,在保证高检测率的同时,有效削弱了杂波对附近目标的遮蔽效应.未来研究将集中在杂波淹没目标的可靠提取与识别方面.李庆忠 (1963-),男,山东人,中国海洋大学工程学院教授、博士生导师,研究方向为信号处理与图像处理.刘小彤 (1990-),女,山东人,中国海洋大学模式识别与智能系统专业硕士研究生,研究方向为图像处理与识别．黎明 (1975-),男,浙江人,中国海洋大学工程学院自动化及测控系系主任、教授、硕士生导师,研究方向为智能信号处理与智能控制、海洋监测技术以及智能故障诊断．【相关文献】[1] 王赞, 陈伯孝, 张各各. 高频地波雷达射频干扰分离方法研究[J]. 电波科学学报, 2012, 27(4): 797-804.WANG Z, CHEN B X, ZHANG G G. Separating RF interference from target signal by ICA in HFSWR[J]. Chinese journal of radio science, 2012, 27(4): 797-804. (in Chinese)[2] HINZ J O, HOLTERS M, ZOLZER U. Presegmentation-based adaptive CFAR detectionfor HFSWR[C]//IEEE National Radar Conference. Atlanta, May 7-11, 2012: 665-670.[3] 梁建. 高频地波雷达目标二维CFAR检测及软件实现[D]. 青岛: 中国海洋大学, 2014.LIANG J. Target CFAR detection method and software implementation with two-dimension data for HFSWR[D]. Qingdao: Ocean University of China, 2014. (in Chinese) [4] 雷志勇, 文必洋, 彭念, 等. 基于恒虚警的高频地波雷达低速目标检测研究[J]. 电波科学学报, 2007, 22(5): 774-778.LEI Z Y, WEN B Y, PENG N, et al. CFAR-based HFSW radar low Doppler target detection [J]. Chinese journal of radio science, 2007, 22(5): 774-778. (in Chinese)[5] HINZ J O, HOLTERS M, ZOLZER U. Scan-by scan averaging and adjacent detection merging to improve ship detection in HFSWR[C]//6th International Conference on Signal Processing and Communication Systems. Gold Coast, 12-14 Dec, 2012:1-7.[6] 张东波, 彭英辉, 刘霞, 等. 基于线扫描分析的点状目标检测和分割[J]. 光电子激光, 2014, 25(8): 1586-1591.ZHANG D B, PENG Y H, LIU X, et al. Spot target detection and segmentation with line scanning analysis[J]. Journal of optoelectronics laser, 2014, 25(8): 1586-1591. (in Chinese) [7] YANG L, YANG J, YANG K. Adaptive detection for infrared small target under sea-sky complex background[J]. Electronics letters, 2004, 40(17): 1083-1085.[8] 潘鸣, 裴云天, 吴贵臣. 强杂波背景下高空红外运动点目标检测[J]. 电波科学学报, 2004, 19(6): 757-760.PAN M, PEI Y T, WU G C. Detection for moving infrared point target in high altitude with strong clutter background[J]. Chinese journal of radio science, 2004, 19(6): 757-760. (in Chinese)[9] GROSDIDIER S, BAUSSARD A. Ship detection based on morphological component analysis of high-frequency surface wave radar images[J]. IET radar, sonar & navigation, 2012, 6(9): 813-821.[10]JANGAL F, SAILLANT S, HÉLIER M. Wavelet contribution to remote sensing of the sea and target detection for a high-frequency surface wave radar[J]. IEEE geoscience and remote sensing letters, 2008, 5(3): 552-556.[11] JANGAL F, SAILLANT S, HÉLIER M. Wavelets: a versatile tool for the high frequency surface wave radar[C]//IEEE National Radar Conference. Boston, 17-20 April, 2007: 497-502.[12] 田春娜, 高新波. 基于冗余小波变换的相对模糊连通图像交互式分割算法[J]. 电子与信息学报, 2006, 28(12): 2287-2291.TIAN C N, GAO X B. Relative fuzzy connected interactive image segmentation algorithm based on redundant wavelet transform[J]. Journal of electronics and information technology, 2006, 28(12): 2287-2291. (in Chinese)[13] 郭杰锋, 陈桂林. 结构元素选取对基于形态学红外点目标检测的影响[J]. 半导体光电, 2009,30(3): 469-472.GUO J F, CHEN G L. Influence of selection of structure element on infrared point target detection based on morphology[J]. Semiconductor optoelectronics, 2009, 30(3): 469-472. (in Chinese)[14]OTSU N. A threshold selection method from gray-level histograms[J].IEEE transactions on systems man & cybernetics, 1979, 9(1): 62-66.。

基于小波分析的雷电流识别判据的研究

基于小波分析的雷电流识别判据的研究【摘要】文章根据相应的仿真，对输电线路的雷电流进行了识别分析，并且采用大量的MATLAB仿真计算验证了该方法的正确性、有效性。

【关键词】超高压输电线路;雷电干扰;频谱分析;小波变换1.引言输电线路保护原理的研究在最初的30年中得到了迅速发展，这些原理均基于工频电气量，统称为传统保护原理。

日本东京电力公司研制成功行波差动保护，其他国家也先后开始了行波保护的研究。

我国于1978年开始行波保护的研究，并于80年代初从瑞典引进2套RALDA型行波保护装置，分别安装在东北500kV 电网（锦辽线）和华中电网（平武线）。

行波保护利用故障初始行波及后续几个反射波包含的故障信息和行波的传播特点，能在极短时间内判定故障[1-2]。

使断路器跳闸，此时实际上已发生了故障。

因此雷电冲击对基于工频量的传统保护影响不大。

在雷电流高频的干扰下，现有的各种暂态保护都可能出现误判。

因此，能否正确识别雷电干扰是行波保护与暂态保护应实用化所必须解决的关键问题之一。

比较雷击前后电流变化量的大小以判断直击雷是否导致线路短路。

但由于行波在母线处的折、反射，即使雷击已经过去，行波过程还将持续一定的时间。

这样就存在未产成故障的雷击虽已过去，但其引起的行波还未消失的可能;而且故障后的行波可能过零，这种方法可能把“过零”看作“雷击前后线路电流变化不大”，从而使保护拒动[3]。

本文对输电线路上的雷击等暂态过程所产生的暂态电流附加分量进行了详细的分析。

给出了相应的判据。

最后MATLAB仿真表明该方案可行，有望进一步解决雷电干扰识别的问题。

2.输电线路的感应雷和直击雷2.1 雷电流的特点雷云放电时，雷电流的波形和幅值与许多因素有关，具有很大的随机性。

广泛实测表明，尽管雷电流的幅值、陡度、波头和波尾各不相同，但都是单极性的脉冲波，并且多次观测所拟合出的曲线近似于一双指数曲线，如图1所示。

雷电流双指数函数表达式为[4]：（1）式中：i0为雷电流的幅值，大小是变化不定的，一般为几千安到几十千安;α、β为波前波尾衰减系数;t为时间。

基于小波变换的电能质量暂态信号检测

基于小波变换的电能质量暂态信号检测郭峰;王刚;董肖节【摘要】设计了一种基于DSP的电能质量监测系统，并给出了信号调理、锁相倍频等主要模块电路。

依据小波变换模极大值的理论。

通过对该检测装置采集的暂态信号进行多分辨率分解，准确实现了暂态信号的检测。

最后对采集的信号进行Matlab小波变换，仿真结果表明，小波变换可实现对电能质量暂态信号突变点的准确检测，同时验证了小波检测的正确性和可靠性。

%A DSP-based power quality monitoring system is introduced. Modular circuits for signal conditioning circuit and phase-locked frequency multiplication are also given. According to the modulus maximum theory of wave- let transform coefficient and multi-resolution decomposition of the transient signal which have been collected by the monitoring system, it accurately achieves the detection of the transient signal. Finally, according to the wavelet transform of the signal collected based on MATLAB, the result shows that wavelet transform can accurately detect the point of mutation of the power quality transient signal and testify the accuracy and reliability of wavelet detection.【期刊名称】《电子科技》【年(卷),期】2012(025)008【总页数】4页(P59-61,66)【关键词】电能质量;小波变化;Matlab【作者】郭峰;王刚;董肖节【作者单位】太原理工大学信息工程学院,山西太原030024;太原理工大学物理与光电工程学院,山西太原030024;太原理工大学物理与光电工程学院,山西太原030024【正文语种】中文【中图分类】TM713为保证电力系统的安全可靠运行，必须对电力系统进行状态监测，根据电力信号来判别其运行状态。

吕---基于小波变换的电气设备故障诊断技术

基于小波变换的电气设备故障诊断技术1李淑娥邸敏艳吕锋（河北师范大学电子系050031）摘要小波变换具有良好的时——频特性，因此可以有效地用于电气设备故障诊断。

在对电气设备进行故障分析、故障诊断过程中，利用小波变换进行故障信号的故障时刻检测具有重要意义。

小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制，判别其状态，以求在故障初期或故障时刻发出警报，并随时进行处理、排除故障。

对信号进行特征提取，是故障诊断的关键。

突变信号往往表明电气设备发生了某类故障，如果能对突变信号进行有效识别，就可以进行故障诊断、故障分析、从而排除故障。

本文分析了电气设备故障的奇异性，通过仿真得出小波变换用于电气设备故障诊断的方法，以准确检测奇异点，提取故障时刻。

关键词小波变换；信号检测；奇异点；故障时刻。

中图分类号：TM711The Tecnology Of The Fault DiagnosisIn The Electricity Equipments Based On The Wavelet TransformationLi Shue Di Minyan Lv Feng(Electrical department of Hebei Normal University ，Shijiazhuang 050031)Abstract:Because of the wavelet transformation has the good hour-frequency characteristic, So it can be availably used for the fault diagnosis in the electricity equipments. At the proceeds of the electric appliances equipments analyze and examination,It’s so important that uses the wavelet transformation to the electric appliances equipments examination,The wavelet transformation uses for the electric appliances equipments examination is the examination of solid hour for the physics signal of electromagnetism、machine etc.Distinguish its appearance、send out the alert at the early or every moment in the electric equipments breakdown and handle、expel the breakdown in the time. Withdrawing the signal characteristic is a key to fault diagnosis.The mutation signal usually expresses the electricity equipments have a certain fault take placed. If we can identify the mutation signal, So we can proceed the fault diagnosis, the fault analysis and the fault expel. This text analyzes the stange of the fault in the electricity equipments, and draws a conclution of the wavelet transformation used in the electricity equipments fault.So it can withdraw the fault time, and1本课题为国家自然科学基金资助（NO：60374020）；河北省自然科学基金资助（NO：F2004000180）；河北省教育厅自然科学研究资助（NO:2003240）.prove the correctness of the strang point examination.Key words: wavelet transformation; signal detection; strange point; fault diagnosis.1、引言小波变换作为一种信号的时间――尺度分析和时间――频率分析法，能有效地从信号中提取信息，由于小波函数具有良好的时――频特性，因而小波分析方法为信号的时――频分析提供了有力的工具。

基于改进递归小波变换识别故障与雷击

基于改进递归小波变换识别故障与雷击李禾;马静【摘要】提出了一种利用改进递归小波变换识别输电线路故障和雷电干扰的新方法.该方法首先通过改进递归小波变换提取本线路以及相邻线路直击雷、短路故障等暂态分量,在比较他们不同特征的基础上,提出了一种利用透射和反射系数衰减规律,以及模极大值的不同构成的雷击判据.利用此判据可以区分出本线路重型雷击和轻型雷击.ATP仿真结果表明,雷击判据不仅可以对本线路雷击是否造成线路故障做出正确判断,同时,还可以解决雷击相邻线路时本线路保护误动的问题.%A novel method using improved recursive wavelet transform (IRWT) is proposed to distinguish line fault from lightning. Firstly, transient components caused by lighting and fault are extracted by IRWT. By comparing different characteristics of lighting and fault, a criterion is proposed based on attenuation of transmission and reflection coefficients along with maximum module value. Lightning strikes with different severity level can be distinguished by proposed criterion. ATP simulation result shows that proposed criterion can not only differentiate fault and lighting occurs on transmission line, but also avoid mal-operation when lightning occurs in parallel lines.【期刊名称】《中国电力》【年(卷),期】2012(045)007【总页数】4页(P24-27)【关键词】输电线路;雷电干扰;小波变换;故障判据【作者】李禾;马静【作者单位】南京农业大学工学院,江苏南京210031;华北电力大学新能源电力系统国家重点实验室,北京 102206【正文语种】中文【中图分类】S761.5线路防雷工作经历了以感应雷防护为主和以直击雷防护为主的2个时期。

基于小波变换的输电线路接地故障在线监测方法

基于小波变换的输电线路接地故障在线监测方法发布时间：2023-01-05T02:26:42.336Z 来源：《福光技术》2022年24期作者：王彬[导读] 近年来，随着社会经济发展和用电需求增长，电力设施建设得到了快速发展，电力供应能力逐年增强，但也出现了输电线路运行风险问题[1]。

贵州电网有限责任公司兴义供电局输电管理所贵州兴义 562400摘要：在监测输电线路接地故障时，监测数据集成处理过程过于复杂，容易造成数据损失，导致故障定位不准确。

针对这一问题，提出基于小波变换的输电线路接地故障在线监测方法。

利用小波变换技术从电力系统数据库中提取出故障数据，将其转变为小波信号，经过小波分解和重构后，获得故障数据的特征向量，将其作为接地故障在线监测的输入项，利用小波变换技术计算出监测数据的零序电流，经过小波分解后，将其与输入项匹配，确定故障信息并上传到上位机中，完成接地故障的在线监测。

实验结果表明：提出的基于小波变换的在线监测方法故障定位相对误差小，定位精准可靠。

关键词：小波变换；输电线路；接地路障；在线监测；中图分类号：TM73 文献标识码：A引言近年来，随着社会经济发展和用电需求增长，电力设施建设得到了快速发展，电力供应能力逐年增强，但也出现了输电线路运行风险问题[1]。

根据输电线路的相关规定，发生输电线路故障后，应立即启动应急预案处理故障。

然而在现实中很多供电部门很难掌握故障的准确位置和原因，容易造成事故隐患；当发生事故时又不能及时处理[2]。

因此，输电线路接地故障监测方法对快速、准确地判断电网运行情况具有重要意义。

输电线路接地故障在线监测的思想早在上个世纪就已经被提出，经过几十年的发展，国内外有很多成熟的技术已经应用到了实际项目中[3]。

在国内一些地区定期会举行相关技术交流会，不断优化在线监测技术，从早期的带电监测、现场监测到现代的借助计算机技术实现的在线监测，监测技术的发展越来越好，但是在实际应用上仍有一些监测方法存在不足，特别是在用电需求大的地区，一些监测方法需要处理的数据过于庞大，很容易丢失部分数据，导致故障定位不准确，存在一定的安全隐患[4]。

一种基于小波变换的静电探测信号自适应去噪方法

一种基于小波变换的静电探测信号自适应去噪方法
陈方;崔占忠;徐立新
【期刊名称】《北京理工大学学报》
【年(卷),期】2005()z1
【摘要】为了实现对静电目标信号的提取和正确识别,本文对静电探测信号的形式以及干扰信号的形式进行了分析．提出采用基于Stein无偏似然估汁(SURE)的小波软阈值去噪方法对静电探测信号进行处理．对SURE 去噪方法的基本原理和改进方案进行了介绍．提出了自适应调整学习速率的方法,可以在提高运算速度的基础上得到信号的无偏似然估汁．通过编写Matlab仿真程序进行验证,获得了较好的去噪结果．通过对几种软阈值去噪方法的仿真结果进行比较,可以看出该方法适用于频率成分较复杂的静电探测信号处理．
【总页数】4页(P185-188)
【关键词】静电探测;信号处理;小波分析
【作者】陈方;崔占忠;徐立新
【作者单位】北京理工大学机电工程学院
【正文语种】中文
【中图分类】TN911.72
【相关文献】
1.一种基于小波变换的图像自适应去噪新方法 [J], 刘江涛
2.一种基于小波变换的自适应阈值图像去噪方法 [J], 杜林;周新明;李征;黄晓芳
3.基于平稳小波变换的自适应心电信号去噪方法 [J], 董红生;张爱华;郝晓弘
4.一种新型隧道图像去噪方法——基于小波变换及中值滤波的隧道图像去噪方法研究 [J], 李瑞琦;鲍艳;卢建军;郭飞;孔恒
5.一种基于小波变换的语音信号去噪净化方法 [J], 张飞
因版权原因，仅展示原文概要，查看原文内容请购买。