基于Teager-Kaiser能量算子Rife-Vincent窗频谱校正的电压闪变测量

分析了Teager-Kaiser能量算子的构成和Rife-Vincent窗的旁瓣特性,通过Teager-Kaiser算子快速提取电压闪变包络,将包络参数进行Rife-Vincent窗改进FFT谱分析与校正,简化IEC推荐的闪变测量过程,提出并建立了基于Teager-Kaiser能量算子Rife-Vincent窗频谱校正的电压闪变测量算法。仿真试验结果表明,本文提出的算法能有效克服单一频率调幅波频率变化、多频率成分调幅波、电网基波频率波动、谐波与间谐波以及白噪声对检测结果的影响,与传统电压闪变检测方法相比,设计实现简单、计算量小,测量结果精确、稳定,可用于电压闪变参数的在线监测。

基于Teager-Kaiser能量算子与自适应双阈值的上肢痉挛状态评定系统

目的:结合改良Ashworth量表(MAS)与表面肌电(sEMG)信号特性,设计基于Teager-Kaiser能量算子(TKEO)与自适应双阈值的上肢痉挛状态评定系统,解决临床痉挛状态评定主观性大的问题,提高痉挛状态评定的信度与效度。方法:提出一种牵张反射阈值(SRT)测试方法,设计了评定系统:利用TKEO处理肱二头肌sEMG,根据sEMG的TKEO信号幅值及变化率设定自适应双阈值判定牵张反射起始点(SRO),然后联合关节角度判定SRT,探索其与痉挛状态的关系。25名受试者参与了此试验。结果:自适应双阈值判定算法能够有效地识别SRO(识别率:96%)且SRT能够反映痉挛状态,与MAS评分显著相关,相关性满足(r=-0.904, P<0.01)与(r=-0.902, P<0.01),组内相关系数(ICC)显示重测信度为0.915,同时BlandAltman分析显示95.65%点位于一致性界限(LoA)范围内。结论:该系统可为上肢痉挛状态评定提供一种客观定量的分析手段,并为后续实时监测痉挛状态提供理论基础。

基于批处理和Teager-Kaiser算子的BOC信号联合捕获算法

针对较低信噪比条件下二进制偏移载波信号的捕获问题,提出了一种基于批处理和Teager-Kaiser(TK)算子的联合捕获算法。该方法首先对接收信号和组合扩频码进行批处理和平均处理,并将接收信号转换到频域进行多次循环移位;然后,将得到的最佳频偏补偿序列与组合扩频码进行圆周相关运算得到最大相关值;最后,引入相关峰能量最大值与次大值的比值作为门限判决变量,比较了所提TK算子法、差分相干累积算法和批处理算法的检测概率。仿真结果表明,在同一条件下,TK算子法检测概率比差分相干算法提高了约2dB,比批处理算法提高了约6dB,并减少了捕获时间。

基于Teager-Kaiser算子的差分码移参考超宽带接收机

为提升差分码移参考DCSR(Differential Code Shifted Reference)超宽带接收机在窄带干扰环境中的接收性能,提出了一种基于Teager-Kaiser算子(TKO)的改进型DCSR接收机结构。通过TKO的非线性处理,可以使窄带干扰能量集中在直流附近的低频段,从而可以通过一个模拟高通滤波器将其滤除。仿真结果表明本文提出的改进结构可以有效地抑制窄带干扰,并且在不存在窄带干扰的环境中其性能仍优于传统的差分码移参考接收机和传输参考接收机。改进后的TKO-DCSR性能提升明显且实现复杂度增加不多,可以较好地满足无线传感器网络的应用需求。

Teager-Kaiser能量算子Blackman-Harris窗三谱线插值的电压闪变参数检测

针对电压闪变的检测,提出了一种基于Teager-Kaiser能量算子和Blackman-Harris窗三谱线插值的闪变参数测量方法。采用能量算子检测出电压波动信号,分析Blackman-Harris窗的旁瓣特性,将闪变包络进行Blackman-Harris窗三谱线插值FFT谱分析与校正,对IEC标准推荐的检波方法进行简化,实现闪变参数的检测分析。通过大量仿真实验证明,在含有单一频率调制、多频率调制、电网基波频率发生偏移、含有谐波、间谐波和白噪声干扰时,文中的检测算法性能优良,相比传统检测方法,算法简单稳定、抗干扰性强,可实现电压闪变参数的在线检测。

利用Teager-Kaiser算子的多径信号抑制

为了解决多径干扰对无线定位精度的影响,该文在传统的窄带相关技术的基础上,利用TK算子对其进行改进。改进后的技术在不过多地增加计算负担的情况下,不仅保持了窄带相关技术对于长时延多径信号抑制的功能,而且还改善了其对短时延多径信号抑制效果不佳的缺陷。仿真结果证明,该算法对于无线信道的多径信号抑制起到了一定的改善作用,从而提高了无线定位精度。所以,该研究对于无线定位技术的工程应用和理论研究具有一定的参考价值。

基于Teager-Kaiser权重去噪算法的QRS检测方法

针对传统的QRS检测算法计算复杂度高、检测率低的缺点,采用Teager-Kaiser权重去噪算法对QRS波进行检测,以此提高R波的检测率.利用MIT-BIH心律不齐数据库和PTBdb数据库对本文提出的方法进行验证,结果表明本文提出的QRS检测算法具有计算简单、准确率高的优点.

基于连续小波变换Teager-Kaiser能量在储层预测中的应用

Teager-Kaiser能量算子是一种用来分析单频信号局部离散性非线性能量密度比较有效的方法.不同类型地质体以及含油气储层将引起地震信号的能量密度产生异常,基于连续小波变换Teager-Kaiser能量就是利用这个特征进行储层预测.本文采用连续小波变换(CWT)的多尺度分辨属性和Teager-Kaiser能量算子相结合的办法进行储层预测,该方法得到的结果和20多口井的实钻资料非常吻合,能有效地刻画砂体的边界特征,平面展布和横向上的非均匀性,同时还得到一定的沉积相特征.通过理论以及实际资料分析表明基于连续小波变换Teager-Kaiser(WAVETK)能量可以作为一种有效的方法进行储层预测.

融合TKEO和Goerztel算法的感应电机转子断条故障诊断

针对电机电流信号特征分析进行转子断条故障诊断时,在低负载工况或早期,转子断条故障存在故障特征微弱以及难以分离等问题,同时需借助速度传感器获取转速信息,增加了硬件成本,该文提出了融合Teager-Kaiser能量算子(TKEO)和Goertzel算法的感应电机转子断条故障诊断方法。首先,采用Teager-Kaiser能量算子对定子电流进行解调处理,将基频分量转化为直流分量并去除,实现边带故障特征分量到转子断条故障特征分量以及固有偏心谐波分量到转子速度谐波分量的转变,抑制基频频谱泄露对故障诊断和转速估计造成的干扰;其次,利用Goertzel算法对归一化解调信号进行频谱分析,完成转子断条故障特征分量和转子速度谐波分量的快速提取,进而实现不同负载和不同严重程度工况下转子断条的故障诊断。此外,与归一化频域能量算子进行比较,分析其计算效率和稳定性。实验结果表明,所提方法在不同负载和不同严重程度工况下均能够有效地识别转子断条故障特征分量,并且计算量少、可靠性高、实时性强以及硬件成本低。

基于多元经验模态分解的风电并网系统次同步振荡检测

随着风电的大规模并网,电力系统次同步振荡(SSO)事件频发,严重威胁电网的安全稳定运行。实现风电并网系统SSO的准确检测,对保障系统稳定运行具有重要意义。现有的基于量测数据的SSO检测方法多为单通道方法,难以兼顾系统全局SSO特性。为此,文章提出了一种基于多元经验模态分解(MEMD)的风电并网系统SSO检测方法。首先,对风电并网点量测数据进行多元经验模态分解,进而借助Teager-Kaiser能量算子(TKEO)筛选出含SSO模式的IMF分量;然后,采用希尔伯特黄变换(HHT)辨识次同步振荡频率及阻尼比;最后,结合改进的4机2区域测试系统的仿真数据对所提SSO检测方法进行测试,结果验证了所提方法的有效性。

基于AVMD-ITKEO算法的次/超同步振荡辨识

针对大规模风电系统中可能出现的次/超同步振荡问题,文章提出了一种改进Teager-Kaiser能量算子算法和自适应变分模态分解算法,通过将这两种算法相结合实现了次/超同步振荡模态参数的准确辨识。首先,通过改进的万有引力算法最小化包络信息熵,求解最优模态分量数与惩罚因子;然后,进行变分模态分解以获得各主导模态;之后,再通过改进的Teager-Kaiser算法辨识各主导模态的参数;最后,通过辨识模拟信号和实际电网数据并与其他算法进行对比,验证了文章所提振荡参数辨识算法的有效性和优越性。

基于广义变分模态分解的低频及超低频振荡模态辨识

随着水电渗透率以及电网互联规模不断扩大,在水电高占比电网中出现了低频及超低频振荡现象,表现为强非线性非平稳特征,增加了振荡参数辨识的难度。针对变分模态分解(variational mode decomposition,VMD)中模态分解数K无法自适应确定以及处理时变振荡易产生模态混叠的问题,提出基于广义变分模态分解(generalized variational mode decompostion,GVMD)算法,结合Teager-Kaiser能量算子(Teager-Kaiser energy operator,TKEO)对低频及超低频振荡进行快速模态参数辨识。首先GVMD根据小波时频分析得到模态分解数K,通过广义傅里叶变换使各个模态在时频面界定清晰,从而使分解精度和可靠性大幅提升。然后对信号进行GVMD分解处理,再利用TKEO法快速完成振荡参数辨识。最后通过自合成信号、EPRI-36系统仿真和实测电网信号仿真验证了所提方法的有效性和可行性。

基于参数优化变分模态分解的电缆故障点中点行波测距

针对传统的电缆行波测距方法中由计算得到的行波速度与实际速度间存在误差及行波波头标定不准确的问题,提出了一种新的相模变换来获取行波模值分量,并采用了中点行波测量法,使用乌燕鸥优化算法优化的变分模态分解对行波特征进行分解,用Teager-Kaiser能量算子来进行波头标定。在MATLAB/Simulink仿真模型中进行测试,所提方法与小波变换及经验模态分解相比,在一定的噪声范围内均具有优异的准确度。

一种改进的混合三端输电线路故障定位算法研究

针对混合输电线路故障多、定位精度差等问题,提出一种基于改进的自适应噪声完备集合经验模态分解(CEEMDAN)和Teager-Kaiser能量算子相结合的混合三端输电线路故障测距方法。首先对输电线路故障电压信号使用新型相模变换进行解耦,以消除线路间的电磁耦合现象;然后利用改进的CEEMDAN和Teager-Kaiser能量算子对解耦后的故障电压信号进行分解,提取了故障初始行波到达检测点的时间,再根据故障时暂态电压行波零模分量和线模分量的故障特性,提出一种基于零模和线模时间差的故障分支判别方法;最后为解决无法得到行波波速精确值的问题,采用基于零模线模时间差的行波测距方法得到了精确的故障定位数据。基于仿真模型,对比改进CEEMDAN算法和传统CEEMDAN算法,验证所提改进算法的有效性。仿真结果表明,所提算法不受故障类型、过渡电阻、波速、时间不同步的影响,具有较高的测量精度。改进CEEMDAN算法能够有效改善故障信号经传统CEEMDAN算法分解后带来的随机性问题,具有较高的工程应用价值。

改进能量算子Nuttall窗频谱校正的闪变测量方法

电压闪变已成为当前电力系统的重要污染,如何在复杂环境参数下实时提取闪变包络参数、准确统计闪变值是当前电能质量分析中的难题。分析了复杂闪变包络实时提取误差,构建了改进Teager-Kaiser能量算子包络提取误差修正因子,采用Nuttall窗加权修正能量算子提取结果,再将修正结果进行改进FFT谱分析与校正,推导出电压闪变包络提取的各幅值和频率的修正算式,简化IEC推荐的闪变测量过程,提出并建立了基于改进Teager-Kaiser能量算子Nuttall窗频谱校正的闪变包络实时提取与闪变值计算方法,据此研制了基于ADS8556+TMS320C6745架构的电压闪变在线检测仪。仿真分析和试验结果表明,本文提出的算法能有效克服单一调幅波频率变化、多频率调幅波、电网基波频率波动、谐波与间谐波以及白噪声对闪变检测结果的影响,与传统电压闪变检测方法相比,闪变包络提取实现简单、计算量更小,测量结果准确稳定,可用于电压闪变参数的实时分析与在线检测。

基于TK能量的峰值瞬时频率在薄互层预测中的应用

砂泥岩薄互层厚度预测一直是薄互层油气勘探的难点之一。将分析单频信号局部非线性能量密度比较有效的Teager-Kaiser能量算子和具有多尺度分辨属性的连续小波变换相结合,可以使频谱能量分析结果具有更高的时间聚焦性,有助于分辨薄互层。在此基础上通过在薄互层的时间窗内求取最大峰值瞬时频率,继而根据测井目的层段的薄互层厚度和最大瞬时峰值频率拟合关系进行砂泥岩薄互层厚度的定量预测。理论和实际资料分析表明,该方法可以有效地对薄互层进行定量预测,最大峰值瞬时频率和实际测井上的薄互层厚度有着很好的对应关系,预测的薄互层厚度图和测井厚度等值线图基本一致。结合预测的厚度平面图和已有测井资料可以更好地对研究区的沉积特征进行描述。

软件接收机中基于数据处理的多径估计方法

当信噪比(signal-to-noise ratio,SNR)较低时基于数据处理的多径估计算法的估计性能显著降低。提出了基于Kalman滤波和Teager-Kaiser(TK)算子/最小二乘(least square,LS)相结合的多径估计算法,简称KTK/KLS算法。该算法通过Kalman滤波消除低SNR的高斯噪声对相关输出的影响,然后将滤波后的相关输出用于TK算子/LS估计直接信号时间延迟或多径参数。KTK/KLS算法有效解决了仅使用TK算子和LS算法进行参数估计时对噪声比较敏感的问题,保留了二者对多径比较敏感的优点。最后,通过仿真将KTK/KLS算法与其他高效的基于数据处理的多径估计算法进行比较,结果表明所提出算法的多径估计精度优于对比算法。

基于SVD和TKEO的轴承振动信号特征提取

为了解决滚动轴承振动信号中微弱故障信息难以提取的问题,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)和Teager-Kaiser能量算子(Teager-Kaiser Energy Operator,TKEO)的轴承振动信号特征提取方法。采用SVD将突变信息从背景噪声和光滑信号中分离,提取信号的突变信息;利用TKEO计算突变信息的瞬时能量,对该能量信号进行频谱分析,从而提取出轴承振动信号的能量频谱特征,用于故障检测。将该方法应用于轴承外圈、内圈局部故障状态下的振动信号特征提取,利用特征信息能够准确检测并识别出故障类型,表明了该方法的可行性和有效性。

基于MEMD和TK能量算子的肌电信号手势识别

为提高肌电信号手势识别的准确率,提出基于时频域分析的肌电信号特征提取方法。该方法利用无线肌电信号采集装置获得肌电信号,采用基于多元经验模态分解(multivariate empirical mode decomposition, MEMD)和TK(Teager-Kaiser)能量算子的肌电信号特征提取方法,利用多维尺度分析(multi-dimensional scaling, MDS)对多通道特征降维,采用线性判别分类器(linear discriminant analysis, LDA)对手势特征分类识别。将该算法应用于UCI数据库,手势识别准确率达98.96%,应用于自主采集数据库准确率达99.37%,同时F1 score具有明显提升。实验结果表明,与典型方法相比,所提出的肌电信号特征提取方法对手势识别的准确率更高。

基于ITD和敏感SVD的故障诊断方法研究

如何在含有噪声的振动信号中提取故障特征,是轴承故障诊断的关键问题,为此本文提出一种基于本征时间尺度分解(Intrinsic Time-scale Decomposition,ITD)和敏感奇异值分解(Sensitive Singular Value Decomposition,SSVD)的故障诊断方法.首先对时域振动信号进行ITD预处理,并根据峭度准则选取包含故障信息的敏感旋转(Proper Rotation,PR)分量用于振动信号重构,以凸显振动信号局部特征;然后对此时频信号进行敏感SVD分析,通过敏感因子及定位因子选择敏感SVD分量重构信号,以滤除噪声干扰,提取微弱故障信息;最后利用Teager-Kaiser能量算子(Teager-Kaiser Energy Operator,TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,用于识别故障类型.将此方法应用于轴承故障诊断,实验证明了所提方法的有效性.