针对用户家中电器负荷识别分解问题提出了一种新的特征提取方法。对总线电流进行小波滤波处理，并根据周期差分的方法除去负荷暂态电流的背景电流，获取负荷投切后的暂态电流信号。对负荷的暂态电流进行S变换获取幅值谐波矩阵，并使用双向二维主成分分析［(2D)2PCA］对暂态电流的幅值谐波矩阵从行和列方向进行压缩以提取特征。使用支持向量机对样本特征集进行分类。对BLUED电力数据集的6种家用负荷进行识别，平均识别率为99.24%，最高达到100%。该方法与其他特征提取方法相比，对电气特性相似的负荷具有更高的识别率。
2021-12-10 16:05:55
3.23MB
1
含可变因子的S变换是一种新型的时频分析工具,比传统的S变换和Mansinha提出的广义S变换更具实用性。可变因子的引入使得高斯窗函数的宽度随频率发生变化时具有目的性,而不是简单地随着频率的增大而变窄。该变换可以有针对性的改善局部频段(特别是低频段和高频段)的频率分辨率及时间分辨率。以此变换为基础,提出了一种时频滤波方法,通过对人工合成地震记录的滤波,证明了该滤波方法的有效性。
2021-11-30 14:19:14
1.68MB
1
短时傅里叶变换(STFT)和广义S变换(GST)都被应用到地震时频分析中,但对两者在信号分析过程中的特点和差异的研究相对较少。通过比较两者的理论公式、窗口函数及地震信号的实际处理效果发现:短时傅里叶变换在地震信号分析过程中整个时频域具有相同的分辨率,整体性较强,缺少时频聚焦能力,不能对信号重点观测区域有针对性的提高时频分辨率;广义S变换对地震高频信号具有较高的时间分辨率,对低频信号具有较高的频率分辨率,且可以通过改变参数p的值对广义S变换窗口函数的形态做出较大的调整,也可以改变λ的值实现窗口形态微调,通过对窗口函数的调整,广义S变换可以对信号特定区域进行时频聚焦。
2021-10-29 11:07:17
1.45MB
1
为了有效消除声发射信号中的噪声，将广义S变换滤波方法应用于声发射信号去噪，分别采用广义S变换中的充零法、基于带通滤波器设计滤波算子法以及时频滤波法进行滤波比较，针对信号的不同时频特性设计了相应的时频滤波算子。结果表明，基于S变换的三种时频滤波法对声发射信号的去噪均有较好的效果，克服了传统滤波方法滤波因子不能随时间、频率变化而变化的缺陷。其中时频滤波法在高信噪比和低信噪比情况下都能更好地去除噪声，可以满足信号处理的要求。
2021-10-11 09:47:54
418KB
1