线性变换与局部均衡融合的红外图像增强

为了改善红外图像的效果,提升对比度和清晰度,丰富边缘细节信息,提出了融合线性变换和局部均衡的红外图像增强方法。利用图像的像素值分布,对像素值进行自适应的分段线性变换,并用局部的直方图均衡增强图像;分别计算两张增强图像的权重图。对比度权重、显著性权重和亮度分布权重;以拉普拉斯金字塔和高斯金字塔的方式,分别对增强图像和权重图进行分解,将分解的图像与权重图进行多尺度线性融合,获得效果理想的增强图像。结果表明,相对于现有方法,本文中提出的方法增强图像的视觉效果更清晰,信息熵、平均梯度和变异系数分别比现有方法高出9.03%、23.87%和9.97%以上。该研究可更有效地提高红外图像增强的性能。

基于局部最大值同步压缩广义S变换识别结构瞬时频率

为提升土木工程结构的瞬时频率识别精度,本文提出局部最大值同步压缩广义S变换方法.该方法首先对响应信号进行广义S变换;然后针对时频系数求取关于时间的偏导,进而估算信号的瞬时频率;最后采用局部最大值同步压缩算子来对时频系数进行重排,以此得到响应信号的瞬时频带.通过一组两层剪切框架模型的数值算例和一个七层钢筋混凝土剪力墙振动台试验验证该方法的有效性和可行性.研究结果表明,与既有的局部最大值同步压缩变换相比,本文方法不仅提升了瞬时频率的识别精度,而且改善了响应信号瞬时频带的时频聚集性.

基于经验小波变换与Hilbert边际谱的电缆局部放电定位方法

针对背景噪声干扰和放电信号匹配影响电缆局部放电定位精度的问题,提出一种基于经验小波变换与Hilbert边际谱的局部放电定位处理方法。通过建立振荡波电压局部放电仿真模型产生局部放电信号,经EWT分解信号,获取多分辨率分量。采用Hilbert变换对MRA分量求其边际谱能量值,计算脉冲匹配,将放电信号接收时间代入行波公式计算出故障位置。结果表明,该方法可以有效实现放电信号匹配,与传统定位方法相比,精度更高,定位误差达到0.33%。

基于曲波变换和局部效应的小目标边缘检测

针对图像边缘检测时小目标边缘定位不精确的问题,文章提出一种基于曲波变换和局部效应的图像边缘检测算法。该算法针对曲线边缘进行检测,首先通过曲波变换进行边缘分析,原图像经过曲波变换后,得到曲波系数集合,然后设置阈值,将小于此阈值的系数置零,再经过曲波反变换得到新图像;其次将局部效应边缘检测作用于新图像,根据边缘邻域内的像素强度值计算中心位置像素点的坐标;最后通过标准圆和微孔的边缘检测结果,证明了该算法在边缘检测方面的优越性。该方法结合了曲波变换处理噪声的优势以及局部效应算法定位边缘点位置的优势,在定位小目标时更加精确。仿真实验证明了该算法的有效性。

S变换在电力电缆局部放电信号时频分析中的应用

针对电力电缆局部放电检测,介绍了基于新型S变换的时频分析方法,用于提取及分辨淹没在现场噪声干扰中的局放脉冲信号。局放信号是典型非平稳信号,单纯使用时域或者频域信息都不能很好地表示奇异信号的时变信息。最近发展的S变换是连续小波变换和短时傅里叶变换的一种结合与延伸,引入了幅度和宽度均随频率变换的高斯窗,具有与频率相关的渐进分辨率特性。局放信号的S变换图谱,在信号高频分量部分获得较高的时域分辨率,而在低频分量部分获得较高的频域分辨率,并可提取局放脉冲发生时刻及信号中心振荡频率等特征信息。对仿真信号和现场采集的电力电缆接地线上的局放信号应用S变换进行时频分析,并与短时傅里叶变换及Gabor变换等传统时频分析方法比较,结果显示S变换的时频分析可有效获取局放脉冲信息。

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上,将小波包变换用于白噪声干扰下的气体绝缘组合电器(GIS)局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究,分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响,最后对GIS内置传感器实测波形进行了小波包变换去噪。

希尔伯特–黄变换在变压器局部放电脉冲识别中的应用

时频分析方法是变压器局部放电特征提取的有效手段。讨论利用小波变换方法分析非平稳信号的局限性,介绍希尔伯特–黄变换(Hilbert-Huang transform,HHT)的理论体系,并分别应用2种时频分析方法得到不同类型局放信号的幅值谱,从中提取了时频熵向量作为用于模式识别的特征量,模糊聚类结果显示,由希尔伯特–黄变换得到的时频熵向量具有优于小波变换的聚类特性。因此,希尔伯特–黄变换是目前变压器局放信号特征提取的有效方法。

基于改进变分模态分解和Hilbert变换的变压器局部放电信号特征提取及分类

针对现有局部放电(PD)信号特征提取方法存在的不足,提出一种基于变分模态分解(VMD)和Hilbert变换(Hilbert-VMD)的特征提取方法,并提出一种双阈值筛选法来确定VMD算法中的分解模态数。首先,根据PD信号功率谱,采用双阈值筛选法确定VMD算法中的分解模态数;其次,采用VMD算法对PD信号进行分解,得到数个有限带宽的固有模态分量(BLIMFs);然后,对各模态分量进行Hilbert变换并线性叠加后得到PD信号的Hilbert时频谱,并计算各模态分量的边际谱;最后,根据各模态分量的边际谱提取PD信号频域内的特征量,并用支持向量机(SVM)对所提取的特征量进行分类。实验结果表明,对试验环境下和现场实测两种环境下的PD信号,采用该文方法提取得到的特征量均具有较高的正确识别率,充分说明该特征提取方法可以有效提取PD信号特征。对于噪声较大的实测信号,采用该方法得到的正确识别率并未明显降低,说明该方法具有较好的噪声鲁棒性。此外,该文所提Hilbert-VMD方法也为PD信号提供了一种新的时频分析方法。

局部放电离散谱干扰的小波包变换熵阈值抑制法

将信号的小波包变换看做通过等带宽的滤波器组 ,输出是对应频带上的分量 ,如某一频带上存在离散谱干扰 ,其小波包变换树节点的信息熵将会明显增大。同时 ,提出基于小波包分解和重构算法的熵阈值法。结果表明 ,这种方法具有良好的自适应性 ,无须事先确定离散谱干扰的数目及其中心频率 ,干扰抑制能力强 ,能准确提取局部放电脉冲的相位 ,对于单一放电类型 ,可以标定放电量的大小。

基于小波变换抑制GIS局部放电监测中白噪干扰的新方法研究

针对GIS局部放电监测中的白噪干扰 ,以离散二进小波变换为基础 ,采用软硬阈值结合的混合阈值滤波方式 ,将信号的能量误差函数作为去噪的目标函数 ,提出了一种从白噪声中提取GIS局部放电信号的新方法。仿真试验结果表明 ,该方法具有抑制白噪干扰能力强 ,PD信号畸变小 ,算法简单等优点 ,能够从白噪干扰中有效地提取出局部放电信号。

基于熵阈值的小波包变换抑制局部放电窄带干扰的研究

阐述了正交小波基框架下二进小波变换和小波包变换的频域分割基本思想,研究了窄带干扰存在时被测信号的小波包变换及其树节点的信息熵变化情况,并利用信号信息测度的熵作为判断局部放电在线监测中窄带干扰存在与否的标准,提出基于熵阈值的小波包分解和重构算法。研究结果表明,当窄带干扰存在时,被测信号的小波包变换树节点的信息熵明显增大,能够用作被测信号中存在窄带干扰的判据;仿真分析和实测数据处理表明,文中方法具有良好的自适应性,无需事先确定窄带干扰的数目及其中心频率,干扰抑制能力强,能准确提取局放脉冲的相位。

小波变换在齿轮局部缺陷诊断中的应用

采用连续小波变换对齿轮振动信号进行分析，检测到齿轮出现局部缺陷时，其振动信号中的幅值突变点。通过对试验数据的分析，说明这种方法可以有效地应用于齿轮的局部缺陷诊断中，并且不需要对初始信号进行时域同步平均。

应用复小波变换抑制GIS局部放电信号中白噪声干扰的研究

由于GIS局部放电超高频检测中不可避免的会遇到白噪声干扰,且现有抑制白噪声的方法有许多不足之处。文中根据白噪声干扰的特点,构造了Daubechie’s系列复小波,通过复小波变换的简单信息和复合信息,对染有白噪声的仿真信号和实测信号进行去噪研究。结果证明:综合运用复小波变换的简单信息与构成的复合信息,能更有效地抑制GIS局部放电超高频信号中的白噪声干扰。

考虑波速特性的小波变换模极大值法的电力电缆局部放电定位研究

电力电缆局部放电的有效检测和精确定位对于保障城市配电网系统的安全可靠供电具有重要意义。首先,通过在实验室搭建10 k V振荡波检测系统对一条497 m长缺陷电缆进行局部放电检测试验,并分析了局部放电信号在电缆中的传播特性;其次,通过比较不同时域定位方法的定位精度,提出采用小波变换模极大值法与自相关方法的联合定位方法以减小定位误差。此外,为了降低波速不定性对局部放电定位精度的影响,对试品电缆的波速特性进行了测量,并提出利用局部放电信号小波变换各尺度中心频率对应的波速进行定位计算,由于各尺度下频率分量较为集中,降低了由于波速不定性带来的定位误差。试验结果表明,振荡波电压能够有效激发局部放电的产生,所提定位方法具有较高的定位精度,满足工程需要。

一种颜色仿射变换下的局部特征描述子

提出一种颜色仿射变换下局部特征的描述子,它分别处理特征点邻域内每个像素的RGB 3个颜色通道,并利用仿射不变量计算每个颜色通道的仿射梯度;为控制特征点处描述子的维数,根据邻域内像素到特征点的距离和相对特征点主方向的角度对特征点邻域内的仿射梯度进行累加,构成局部特征点的特征描述子.所提出的特征描述子增强了特征点对光度变化和仿射变换的不变性,提高了图像局部特征匹配的准确度;并通过一组典型图像的特征点匹配实验验证了其有效性.

从白噪声中提取局部放电信号的小波变换方法研究

在分析局部放电在线监测中局部放电信号及白噪声特征的基础上，提出了用自相关函数的小波变换方法从白噪声中提取局部放电信号；通过对去噪后局部放电信号自相关函数特征的分析，提出了从小波反变换后的自相关函数中提取局部放电信号的方法。

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 。

基于小波多尺度变换的局部放电图像识别方法

局部放电模式识别是一种高电压设备绝缘故障诊断的有效方法。文中基于小波多分辨理论,提出了一种对局部放电(?)-q-n灰度图像进行模式识别的新方法。该方法对局部放电待识别图像和参考图像进行小波多尺度分解,然后对某一尺度上形成的低频子图像进行相似度以及模式贴近度计算,按照模式贴近度最大的原则进行模式识别。文中对放电模型实验获得的放电样本进行了模式识别并计算出基于4种小波基的多尺度图像分解的局部放电图像的识别率,分析了小波分解尺度及4种小波正交性及光滑连续性对识别率的影响。分析表明,选择正交小波和合适的分解尺度,文中提出的方法能够获得良好的效果。

基于小波变换和数学形态学的局部放电信号分析方法

应用小波变换与数学形态学相融合的方法对含有强噪声的局部放电信号进行消噪,并与小波变换的阈值法进行了比较,发现该方法能更有效地消除局部放电信号的噪声,同时能很好地保留原信号特征。采用多尺度数学形态学开运算提取消噪后的局部放电信号数学形态谱,通过形态谱的提取可看出每种放电类型具有不同的形态特征,为放电类型的识别打下基础。

基于S变换模时频矩阵局部相似度的短时电能质量扰动分类

采用基于S变换下的模时频矩阵局部相似度对短时电能质量扰动进行分类。首先,由时频尺度缩放将各类持续时间不同的扰动特征标准化,按照各扰动特征选取其模时频矩阵特定部分,以此建立矩阵大小不一且特征明显的各类扰动标准化模板;然后计算未知扰动各局部模时频矩阵与各类扰动标准化模板之间的相似度,按照相似度最大原则将扰动进行分类。由于各类扰动在不同的时频区域高度聚合了自身特征,采用局部时频区域相似度原理大大提高了同类扰动的相似度,建立的各类扰动标准化模板之间差异明显,不使用辅助性分类器而直接实现扰动分类,且分类过程简单明确,可用于不同时间长度的扰动分类。该方法有效利用局部区域明确的时频相关性,抗干扰能力比采用全局相似度强。仿真结果表明了很好的短时电能质量扰动分类效果。