基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究

针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电流高频信号变化规律,提出信号微弱变化叠加法重构故障有效信号。最后,建立适用于单个负载支路电弧故障辨识的XGBoost模型,并采用Bayes算法对模型多个超参数进行优化。实验结果表明,所提方法在多种工况下对单个负载支路电弧故障具有较高的辨识准确率。与6种主流故障分析方法对比,所提方法在精度、训练速度和泛化能力等方面展现出了显著的优越性,有利于实现低压配电系统单个负载支路电弧故障的可靠辨识。

基于重构信号和1范数的动目标参数估计方法

提出了一种基于重构信号和1范数的动目标参数估计方法。该方法利用重构信号与杂波抑制后数据的1范数构造代价函数完成对动目标的参数估计,能够在雷达发射脉冲数有限的情况下获得准确的参数估计结果。给出了其对应Cramer-Rao界的详细推导过程;通过将仿真结果与Cramer-Rao界的比较,证明了该方法的有效性。

基于HHT重构信号的超声降噪方法

水轮机转子材料晶粒粗大,易导致超声检测信噪比低,实际检测容易漏检、误判。为了解决这一问题,对水轮机转子材料制成的试块采集了超声检测信号,对信号进行了经验模态分解和Hilbert变换,提取出包含有用信息的IMF分量,进行了信号的重构,重构后的信号信噪比有最高可达两倍的不同程度的提高。同时着眼于实时监测,确定了适合HHT重构信号降噪方法的最佳采样频率为探头频率的40倍。

噪声中提取和重构信号的方法研究——用于在线故障早期监测的新途径

在分析在线监测中局部放电信号及噪声特征的基础上，提出了去除各种噪声并从自相关函数中重构局部放电信号的方法；用该方法对电气设备局部放电监测信号进行分析和处理，可取得良好的效果。

由小波变换的模极大值快速重构信号

本文从多尺度分析的思想出发，提出一种由信号小波变换的模极大值快速重构信号的方法．在不同尺度上，以阶跃函数在该尺度上的小波变换作为基函数，利用模极大值拟合信号的小波变换，然后进行小波反演得到重构信号，这种快速算法具有明确而直观的物理意义，实现简单方便文中还给出了对重构信号的误差修正方法数值实验的结果表明，这种快速重构算法对不同类型的信号同样有效.

基于Hermite插值的小波变换模极大值重构信号快速算法

信号在不同尺度上的小波变换模极大值包含了信号中的重要信息,因此研究如何由小波变换模极大值重构信号是很有意义的。论文提出了一种基于Hermite插值多项式由二进小波变换模极大值重构信号的快速算法。数值试验表明,与S.Mallat提出的经典交替投影算法相比,该算法可以在保证重构质量的前提下简化计算过程,提高计算效率,计算所需时间与交替投影算法相比大大减少,是一种实用性较强的信号重构算法。

由小波变换模极大值重构信号的快速算法

信号在不同尺度上的小波变换模极大值包含了信号中的重要信息,因此研究如何由小波变换模极大值重构信号是很有意义的.本文提出了一种基于H erm ite插值由二进小波变换模极大值重构信号的快速算法.数值试验表明,与M a llat经典的交替投影算法相比,本文算法可以在保证信号重构质量的前提下简化计算过程,提高计算效率,计算所需时间与交替投影算法相比大大减少,是一种实用性较强的信号重构算法.

一种改善小波变换模极大值重构信号的整体变分方法

在小波变换模极大值去噪原理的基础上 ,通过整体变分法估计模极大值以外、非零值的小波系数 ,然后经过小波逆变换重构信号 .为求解这个极小化问题 ,采用了改进的次梯度方法 .数值计算结果表明 :我们提出的方法有效抑制了小波变换中固有的伪Gibbs现象 ,重构信号的边缘、脉冲位置都十分准确 ,信噪比也得到明显改善 .

由信号二进小波变换极值重构信号的样条插值算法

本文通过二进小波变换极值或零交叉点可获取信号的多尺度边缘 ,由此得到信号的绝大部分信息 .本文提出了用样条插值重构算法来实现由信号二进小波变换极值点重构原始信号 .数值仿真实验显示了该算法的高效性和令人满意的重构效果 .与已有的算法相比 ,该算法原理更简单、更直接 ,实现更方便 ,速度更快 .

依频谱模重构信号的一种修正松弛迭代算法

本文对一定条件下的有限长序列，依频谱模重建整个信号的问题提出了一种修正的松弛迭代算法，该算法充分利用了迭代过程中的前几次信息，并在算法不收敛的情况下采取人工扰动的方法，从而使算法收敛，计算机模拟结果表明，该算法收敛快，精度高，是一种行之有效的算法。

一种快速重构信号的方法

从多尺度的思想出发 ,提出一种由小波变换的模极大值及造成小波变换模极大值点的信号突变点的正规性快速重构信号的方法 .在各尺度下 ,依小波变换模极大值及造成小波变换模极大值点的信号突变点的正规性来选取基函数拟合信号在该尺度下的小波变换 ,再作小波反演得重构信号 .实验结果表明 。

基于振幅谱重构信号的松弛迭代算法

介绍了信号重构问题和基于振幅谱重构信号的迭代算法 ,提出了一种改进的松弛迭代算法 ,详细描述了该算法的具体过程 .该算法充分利用了迭代过程中的前几次迭代信息 ,从而使算法收敛速度更快 .计算机模拟结果表明 :该算法具有收敛快、精度高、实现容易等优点 ,可广泛用于语音处理、地震勘探数据处理、图象处理和通信等应用领域 .

压缩感知中四种贪婪类算法重构信号性能研究

鉴于贪婪类算法是压缩感知(CS)信号重构中应用最为广泛的一类算法,对该类中最典型的四种算法进行了综合比较与分析.首先从理论上对四种算法进行了分析,比较了四种算法之间的关系,分别给出了相应的实现过程;然后给出了综合衡量CS重构算法的指标,根据指标全面地比较了四种算法的性能.根据理论分析结果和仿真结果,给出了相应的结论.

MA模型参数求解与幅度谱重构信号问题关系

幅度谱重构信号问题已取得了许多成果,而MA参数模型的求解却比较困难.通过推导,建立了MA模型参数求解与幅度谱重构信号问题之间的关系,从而把这两个问题联系起来.这样,所有幅度谱重构信号问题的理论与算法均可应用于MA模型参数求解当中.

贪婪算法重构信号性能研究

在信号重构优化问题的研究中,压缩感知理论是一种充分利用信号稀疏性或者可压缩性的全新的信号采样理论,通过采集少量的信号值就可以实现稀疏性或可压缩信号的精确重构。为了准确重构信号,利用压缩感知理论与一系列用于信号重构的贪婪算法,提出了一种改进的正交匹配追踪算法,通过设置限性下降的迭代阈值挑选原子,采用简单有效的剔除小系数原子更新支撑集,对信号的稀疏度进行自适应估计,从而实现信号重构。针对一维信号和二维图像做了仿真,比较各类贪婪算法的重构精度和重建构速度方面的差异。仿真结果表明,改进算法可以准确有效重构信号,同时运算量也较低,具有一定的优势。

由小波变换模极大值重构信号的改进解析迭代算法

在分析了经典的重构算法的不足之后 ,以小波变换的多孔算法电路为依据 ,提出了一种改进的解析迭代新算法 ,由信号的各个分解尺度上的小波变换的模极大序列和最大分解尺度上的离散逼近信号 ,通过迭代直接重构信号。该算法不需要进行小波反变换 ,也不需要对最大分解尺度上的离散逼近信号进行重采样 ,而且投影算子是解析形式的 ,克服了非解析形式投影算子计算量大、程序复杂等缺点。数值仿真试验证明了该算法信号重构的精度较高 ,收敛速度较快。

由小波变换极大值重构信号的一种简单算法

在Hilbert空间多个凸集迭代投影（POCS）方法中，本文根据压缩映射原理构造迭代投影算子，实现由小波变换极大值重构信号。算法形式简单、不需要小波逆变换，易于计算机（和DSP芯片）实现。仿真结果理想。

利用相位谱信息重构信号唯一性的研究

本文讨论了信号频域相位与零点的关系,着重研究了频域非重零点对信号重构唯一性的影响。证明了仅利用相位信息唯一重构原信号的充要条件,并进一步给出了仅用频域有限样本点处相位信息重构原信号的唯一性定理。

相位谱重构信号的迭代算法中初始值对重构结果的影响

讨论了在相位谱重构信号的迭代算法中 。