基于频域阈值处理广义互相关和空间筛选的多源局部放电定位方法

该文针对电力设备的多源局部放电定位问题,提出了基于频域阈值处理广义互相关(frequency domain threshold processing generalized cross-correlation,FDTP-GCC)和空间筛选的多源局部放电定位方法。为实现多源局部放电超声信号的同源时间差提取问题,该文提出了FDTP-GCC算法,该算法直接应用于超声传感设备采集的原始信号,在频域内通过设置幅度谱阈值排除干扰频段,幅度谱归一化突出多源信号时间差的冲激函数特征,直接得到对应同源信号的时间差。通过仿真证明了FDTP-GCC算法进行时间差估计的高准确性、高稳定性、高抗噪能力。为解决FDTP-GCC算法带来的同源时间差分离的问题,该文提出了基于空间筛选的多源局部放电定位方法,并分析了采用基于解析解的算法和智能算法进行空间筛选的定位性能。最后采用双局部放电源进行了定位试验,试验结果表明该文方法提取的时间差误差均在1μs以内,两个局部放电源的定位误差为20.53cm和4.93cm。

基于超分辨率广义互相关算法的局部放电超声定位技术

目前基于到达时间差法的局部放电超声定位方法被广泛应用于电力设备的局部放电检测,而现有方法存在有限采样率下时间差估计算法时间分辨率有限的问题,从而导致定位结果准确性不高。为突破采样率的限制,提出一种超分辨率广义互相关算法。该算法首先对信号进行阈值降噪预处理,以减小噪声对时间差估计精度的影响;在广义互相关框架下在频域内进行乘方操作,增加时间分辨率;设计迭代估计方法,搜索到精确的时间差估计结果;对每次迭代后的视在图像进行峭度分析,判断迭代终止次数。通过仿真分析验证了所提方法的可行性、不同加权函数下的性能和抗噪能力。最后通过实验验证,相比于传统的广义互相关算法,所提方法的定位精度在各采样率下均有较大提高。

改进VMD与广义互相关在供水管道泄漏定位中的应用

针对管道泄漏定位时,采集到的泄漏信号会受到噪声干扰而影响定位精度的问题,提出了一种参数自寻优变分模态分解结合广义互相关的定位方法。首先,在现有的频域加权函数的基础上,提出了一种复合加权函数,对不同的频域加权函数在供水管道泄漏声信号下的性能进行研究;其次,利用高斯变异和量子行为对粒子群进行优化,建立复合指标排列熵/互信息熵作为适应度函数,改善粒子在求解过程中的多样性;然后,通过改进的粒子群算法优化变分模态分解(VMD)最优参数组合,实现对信号的降噪处理。实验结果表明,文中方法在供水管道泄漏情况下具有更高的定位精度,平均相对定位误差仅为3.7%,且最大误差也只有8.0%,能够有效地滤除原始信号中的噪声干扰。

基于频率滑动广义互相关的电力噪声源定位算法

文章针对电力行业的噪声源定位问题,提出了一种频率滑动广义互相关和一种低秩近似替代方案来处理子带广义互相关矩阵,从而获得更精确的到达时间差估计,然后使用转向响应功率定位算法来对噪声源进行定位。仿真实验表明,该算法相比传统广义互相关可以获得更精确的时间差估计以及更准确的噪声源定位结果。据此设计了一款具备72通道的麦克风阵列声学相机,在实际环境的应用中体现了高定位准确性以及强鲁棒性,同时与使用传统广义互相关的声学相机进行对比测试,试验结果表明该方法的定位结果好于常规的广义互相关时延计算方法。

基于广义互相关算法的时延估计

在无线电定位技术中,AOA、TOA、TDOA是目前最有发展潜力的蜂窝系统移动台定位技术。定位中对时间差估计的精度要求非常高,测量精度越高,由其引入的定位误差就会越小。传统的广义互相关算法在实际的噪声环境中产生的时延估计误差较高。在此基础上,对时延估计采用了基于周期互谱密度和互功率谱的广义互相关算法进行研究,改进了传统的广义互相关算法。仿真结果表明改进的时延估计算法在恶劣信道环境影响下表现出了相对较好的鲁棒性。

基于二次相关的广义互相关时差估计算法

对卫星干扰源进行准确定位有着非常重要的意义,而参数估计又是定位问题的关键,所以为了提高干扰源定位的精度,必须对时差参数进行准确的估计.由于传统的广义互相关时差法是通过利用加权函数来提高信号的有效成分,进而提高时差估计的精度,考虑到在信噪比较低的情况下,它的估计性能又开始下降,因此提出了一种基于二次相关的广义互相关时差估计新算法.该算法利用二次相关先对接收信号进行处理,可以有效抑制干扰噪声,然后对二次相关的结果进行广义互相关处理,进一步去除噪声,提高信号的信噪比,从而提高时差估计精度.

转子碰摩声发射源定位中的广义互相关时延估计研究

具有多模态波特征的转子系统碰摩声发射源信号在复杂体波导传播过程中,由于各模态波的速度差异及波形变异,常规的相关分析算法难以得到准确的时间差而无法进行准确的声源定位。针对这一问题,引入广义互相关(generalized cross correlation,GCC)时延估计方法计算声发射信号的达到时间差。基于模态声发射和随机过程理论建立声发射信号的传播模型,为消除噪声对定位的影响,提出基于相同分数阶因子和不同分数阶因子的最佳线形分数傅里叶(Fourier)变换域滤波的GCC时延估计;针对声发射信号在传播中因频散效应引起的波形变异,导致无法获取最大相关点的问题,提出对信号进行分段相关乘积处理和分段相关指数变换处理的改进方法。实验结果表明,GCC时延估计对在复杂体机构中传播的声发射信号能获得较好的相关性,具有较高的定位精度。

基于重复广义互相关时延估计的超短基线水声定位算法

针对在超短基线水声定位中,传统时延估计算法抗噪声性能差的问题,提出了一种基于重复广义互相关时延估计的超短基线水声定位算法。通过对两个源信号的其中一个增加一次自相关后,再对这两个源信号进行合适的加权广义互相关,之后对反傅里叶变换后得到的广义互相序列进行峰值检测,最终得到时延。通过半物理实验,比较经典的互相关算法和重复广义互相关算法发现,在相同环境中,新提出的算法时延估计误差为0.0112 s,相对于经典算法的0.0209 s,能够提高46.4%。基于重复广义互相关的超短基线定位算法仿真实验,表明X轴定位精度提高97.1%,Y轴定位精度提高96.3%。

基于广义互相关与混沌序列预测集成算法的微瞬态电磁辐射信号检测方法

该文以研究微弱瞬态电磁辐射信号的探测手段为目的,提出广义互相关与混沌序列预测相集成的检测算法。基于双天线测试和互相关信息估计方法,将低信噪比条件下非周期微弱放电信号的检测问题转化为周期性时延参数的估计问题,同时降低了噪声水平。基于混沌预测方法对其估计结果进行预测,得到的误差均值即为目标信号检测结果。通过仿真与实验分析对该方法的可行性进行了检验,结果表明:在低信噪比条件下利用集成方法可有效抑制噪声干扰的影响,相对于传统互相关估计法或混沌预测法而言,对微弱瞬态电磁辐射信号具有较高的检测概率,且需要的脉冲积累次数较少,提高了检测效率,比较适合用于微弱电磁辐射源的远距离探测。

基于广义互相关和多项式拟合的TDOA时延估计方法

广义互相关方法在TDOA时延估计中具有较高的精度和程序容易实现等优点而被广泛采用.为进一步提高时延的估算精度,在广义互相关的基础上,融入多项式拟合方法,寻求广义互相关函数的精确峰值位置,将时延估计精度推进到亚采样点级别.通过Matlab仿真分析及实测数据的算法验证,结果表明,在广义互相关方法中融入多项式拟合方法,能大大提高时延估计精度,且算法复杂度低,易于工程实现.

TDOA和广义互相关相混合的无线传感器网络定位技术

在无线传感器网络基于定位的算法中,广义互相关算法能精确的计算时延,进而得到精确的距离值,但是计算量太大,极大地影响了无线传感器网络定位的实时性;在基于TDOA的定位算法中,虽然其计算量很小,但定位结果易受到环境的干扰,精度很难得到保证;因此根据这这两种算法的优点提出了一种TDOA和广义互相关相混合的定位算法,实验结果表明,按所需定位距离为30米左右时,改进后的定位算法的计算量较改进之前的减少了近7倍左右,同时还能保证定位结果的精度。

基于广义互相关算法的时延估计研究

声源定位通常是利用传声器阵列的到达时间差实现,时延估计算法的精度和鲁棒性对于定位结果非常重要。对时延估计中最常用的广义互相关法进行了详细研究,取不同的加权函数进行仿真,比较分析了仿真结果,并引入语音增强中的谱减法作为预处理环节,对传统的广义互相关法进行了改进。结果表明,新方法能满足噪声环境下的要求。

基于广义互相关函数的声波阵列时延估计算法

针对多通道阵列声波信号时延估计问题,提出了一种平均广义互相关函数算法。该算法首先计算相邻通道信号的相位变换广义互相关函数(PHAT-GCC),然后将多个相位变换广义互相关函数进行平均,再根据峰值位置进行时延估计。试验表明,该算法充分利用了多个通道的信息,优于传统的互相关函数算法。

基于PHAT-β广义互相关的变压器机器鱼避障时延估计仿真

针对变压器机器鱼避障过程中发射信号和回波信号时延信息难以准确估计的问题,提出一种基于相位变换加权(PHAT-β)广义互相关(GCC)算法的时延估计方法。区别于传统的基本互相关(BCC)算法,PHAT-βGCC算法可以根据信噪比在频域内对互功率谱进行灵活调节,提高了时延估计的抗噪性和准确性。首先对发射信号和回波信号进行快速傅里叶变换和共轭相乘得到互功率谱,然后对互功率谱进行PHAT-β加权、傅里叶逆变换得到广义互相关函数,最后通过峰值检测得到时延估计值。仿真分析和验证了不同类型发射信号(正弦信号、方波信号)、不同信噪比(20、10、0 dB)、不同指数调节因子的时延估计性能,结果表明所提算法相对于传统的BCC算法具有更好的抗噪性和更尖锐的时延估计峰值。

基于FPGA的实时PHAT加权广义互相关时延估计器

针对水下超声探测的应用需求,在对广义互相关时延估计算法的研究基础上,设计了一种基于FPGA的实时的PHAT加权广义互相关时延估计器。在设计中应用流水线结构提高了系统的工作频率,利用DSP Builder和硬件描述语言联合设计降低了设计的难度。仿真和实验结果表明,所设计的时延估计器时延估计准确,其工作频率可以达到92.79 MHz,能够满足实时性的要求。

基于SCOT加权广义互相关算法的船舶管系泄漏定位研究

船舶管系泄漏可以根据测得的两个声学信号时间延迟的精确估算值进行定位。针对在复杂的船舶噪声环境下管系泄漏定位困难,提出SCOT加权广义互相关算法。对传感器接收到的声波信号先进行自适应滤波,提高信号相似度,再对滤波器权值进行平滑相干加权得到广义互相关函数来估计时延。该方法具有较强的鲁棒性,又不依赖于统计先验知识。实验证明,SCOT加权广义互相关算法适用于复杂的船舶噪声环境,提高了泄漏定位精度。

基于广义互相关的时延估计算法研究

采用到达时间差的声源定位,最重要的就是进行时延估计,其精确性直接影响到定位的准确与否。本文主要分析研究了广义互相关算法在无混响和混响环境下时延估计及估计性能,实现了不同环境下的时延估计,实验结果表明广义互相关在无混响和弱混响下具有较好的优势。

一种基于神经网络滤波的广义互相关时延估计方法的设计

针对在混合噪声环境中,在未知噪声先验信息的情况下提高基于广义互相关时延估计方法的准确性和适应性的问题,提出了基于神经网络滤波的广义互相关时延估计方法。该方法通过对多个具有特定统计特征的预滤波器进行组合优化来实现对混合噪声的滤波。该时延估计方法具有自调整能力,能够适应动态变化的环境,还能够通过相关函数峰值的大小来优化神经网络滤波器,提高了适应性和精度。

基于RLS自适应滤波算法的广义互相关时延估计方法研究

为了提高低信噪比环境下信号传输时间延迟的估计性能,将RLS自适应滤波算法与广义互相关时延估计算法相结合,提出了一种基于RLS自适应滤波的广义互相关时延估计(RLS-GCC)方法。该方法先对信号进行滤波预处理以提高信噪比,然后通过广义互相关运算实现时延估计。通过改变RLS自适应滤波算法中的参数大小,分析了RLS自适应滤波算法中滤波阶数、遗传因子等参数对RLS-GCC算法的影响,并通过与广义互相关算法、二次相关算法的对比时延实验,研究了RLS-GCC的时延估计性能。仿真结果表明,在低信噪比环境下,RLS-GCC方法比广义互相关算法和二次相关算法具有更高的时延估计准确率和更低的估计误差。

融合子带分析的加权广义互相关双声源定位

为提高混响环境下双声源定位系统的性能,提出基于子带分析的加权广义互相关双声源定位算法。利用语音信号在频域的稀疏性,将语音信号频域分为8个不同的子带,将基于平均幅度差函数加权的广义互相关算法投影到滤波器子带空间中,通过加权平均的方式融合各子带的时间延迟信息,结合四元阵得到声源三维位置估计。仿真结果表明,在两个声源同时发声并存在混响的情况下,相对于传统的全频带广义互相关算法,基于子带分析的算法在定位准确率上有显著提高,与基于广义互相关的子带分析算法相比,所提算法在混响情况下有较好的定位精度。