基于EMD与分形理论的闪电电场信号识别研究

基于经验模态分解(EMD)和分形理论对闪电电场信号的不同放电类型进行了识别研究.对闪电信号进行EMD分解后,用相关系数选取其优势分量并计算出相应的盒分形维数,将这些优势分量的盒维数、闪电信号的多重分形谱参数以及优势分量盒维数与多重分形谱参数的融合分别作为闪电信号的有效特征值,采用支持向量机对云、地闪不同放电类型的闪电信号进行识别研究.结果表明,单一分形特征与多重分形谱参数的融合特征,能够更精确地表征闪电信号的鉴别性特征,会获得更高的识别率,研究成果对闪电类型的识别有一定的参考价值.

基于改进小波阈值函数的闪电电场信号去噪研究

为了减少噪声对闪电电场信号的影响,进一步提高闪电资料的可靠性,提出了一种基于改进小波阈值函数的闪电电场信号去噪方法。该方法通过调整参数a使其具备了软、硬阈值的优点,并克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的缺陷。使用本文的改进小波阈值函数法对不同噪声强度的标准闪电波形和实测闪电电场信号进行了去噪研究,并用信噪比(SNR)和均方根误差(RMSE)对去噪效果进行了定量分析。实验结果表明,与硬阈值、软阈值、半软阈值和Garrote阈值法相比,所提方法对闪电电场信号去噪效果更加显著,而且能较好的保留信号的细节信息和基本特征。

基于EMD和SST算法的闪电电场信号去噪研究

为进一步减少噪声对闪电电场信号的干扰,提出了一种经验模态分解(EMD)和同步压缩小波变换(SST)相结合的组合去噪方法。利用EMD算法能够自适应分解信号和SST算法可将噪声压缩为点状噪声或颗粒状噪声并集中分布的特点,从而选用中值滤波达到对噪声的抑制。利用该方法对标准闪电波和自然闪电波信号分别进行去噪处理,并运用信噪比、相关系数和均方误差对去噪效果进行了定量分析。实验结果表明,所提去噪方法相比于传统小波阈值去噪法、单独用EMD算法和单独用SST算法均取得了较好的去噪效果。

闪电瞬态电场信号波形去噪方法

通过对传统数字滤波和Birge-Massart小波阈值法的比较，对闪电瞬态电场信号进行了去噪研究。构建了双指数衰减脉冲信号并在其上叠加了高斯白噪声信号来仿真闪电瞬态电场实测波形，通过计算去噪前后信号的均方误差和幅值误差，比较了加权平滑滤波、FIR数字低通滤波器和小波阈值法的去噪效果，从处理仿真波形和实测波形结果可以发现，小波阈值去噪方法明显优于另外两种传统滤波方法。通过比较仿真信号由不同小波分解层数去噪结果的均方误差和幅值误差，确定在对闪电电场实测信号的去噪过程中，小波系数分解层数应选5～7。

闪电快电场信号时频特性的小波分析

应用小波变换方法将具有短时非平稳特点的闪电快电场时域波形信号转换到二维的时频平面,从时间和频率上同时描述闪电快电场信号的电场强度或相对能量分布,揭示其所包含的不同频率分量及其随时间变化的特性。分析结果表明,基于小波变换的闪电快电场信号时频特性分析可以挖掘闪电电场更深层次的变化规律和特征;也为闪电放电类型的识别研究提供了新的思路。

基于提升小波的闪电瞬态电场信号去噪

针对闪电电磁场变化信号实时采集和处理的需求,在讨论提升小波变换基本原理及特点基础上,提出了基于提升小波变换的闪电电场变化信号去噪方法。采用改进阈值法进行降噪处理,利用C语言进行去噪效果及算法复杂度仿真,与传统小波相比,取得了较好的原始闪电电场变化信号噪声抑制效果,为移植应用到基于ARM构建的闪电电场信号采集处理嵌入式平台做了铺垫。

闪电AR谱的多重分形特性分析及放电类型的识别

对闪电时域波形的分形研究由于忽略了其频率特性,致使复杂多变的闪电过程的全部特性无法得到充分表征。针对此问题,本文将多重分形理论引入到现代谱估计中,提出了一种基于AR(auto-regressive)谱的闪电电场信号的多重分形特性分析及放电类型的识别方法。首先基于AR模型谱估计法获得闪电电场信号的功率谱,然后,通过多重分形去趋势波动分析(multifractal detrended fluctuation analysis, MF-DFA)法验证了闪电AR谱序列具有多重分形特性,并进一步对AR谱序列的Hurst指数以及多重分形谱进行了讨论,最后将相关参数作为闪电信号的有效特征值输入支持向量机进行了云闪(intracloud lightning)和地闪(cloud-to-ground lightning, CG)不同放电类型的识别。实验结果表明,本文方法对云、地闪信号的有效识别率达到了94%以上,该研究成果对闪电的特性研究与自动化识别技术均具有一定的参考价值。