基于信号模型参数辨识的变电站局部放电电磁波信号重构

抑制现场噪声干扰、有效提取信号特征是局部放电(PD)信号检测和分析的关键,为此,利用自回归–滑动平均(ARMA)模型对局部放电辐射的特高频(UHF)电磁波信号建模,给出了利用高阶累积量估计模型阶数和参数的理论依据和算法。以混有Gauss白噪声及定频干扰的双指数振荡衰减函数模拟局部放电辐射的UHF信号,利用ARMA模型参数重构信号的Fourier变换幅值,利用双谱估计重构其Fourier变换的相位,最终重构时域信号,以验证该算法重构信号的有效性。利用该方法重构变电站实测的局部放电辐射的UHF信号,验证了该算法在变电站现场干扰情况下,可从现场采集到的含有噪声的信号中重构出只相差常数因子和线性相移的有用信号。且算法辨识得到了信号的ARMA模型参数及重构得到的UHF信号频谱及时域信号,可以给局部放电类型识别等进一步处理提供参数。

焊接缺陷超声检测回波信号的双谱分析

针对焊接缺陷超声检测中信号处理的特征提取问题 ,应用高阶谱方法对三类压力容器焊接缺陷的超声回波信号进行了分析。在焊接缺陷超声检测中 ,回波信号的相位携带有被检对象重要的结构特征信息。高阶谱方法与常规的功率谱分析方法不同 ,它不仅有振幅而且包含有相位 ,能揭示常规功率谱分析所不能表现的重要信息。本文应用高阶累积量技术对缺陷回波信号进行双谱分析 ,提取出缺陷回波基于双谱的平均相位信息作为特征参量 ,取得了较好的识别结果。

非高斯信号的非因果非最小相位ARMA模型辨识

提出了一种新的ＡＲＭＡ模型参数辨识方法，该方法以受噪声污染的系统输出信号的三阶矩和双谱作为工具，通过求解一系列线性方程组，分别估计出ＡＲＭＡ模型的ＭＡ部分和ＡＲ部分的参数。其主要特点在于应用了基本域内的所有双谱采样，从而有效的利用了信息量。计算机模拟结果表明，它具有很好的数值特性和较好的参数估计。