基于小波和改进S变换的电能质量扰动分类

针对电能质量分析中的电能质量扰动信号快速精确检测及分类重要内容,提出基于小波变换结合改进S变换的电能质量扰动分类方法.通过小波变换得到高低频分量,并选取低频分量做改进的S变换提取特征向量,既保持原信号特征,且得到的S变换模矩阵维数只有原信号直接做S变换的模矩阵维数的1/4.通过概率神经网络(probabilistic neural network,PNN)对信号进行分类.仿真结果证明,所提方法有效,能很好实现分类,且减少分类时间.

基于改进S变换的语音信号时频分析

STFT分辨率固定,小波变换会出现局部相位信息且时间-尺度关系不适合直观视觉分析。提出基于改进S变换的语音信号时频分析。样条小波作为小波变换母小波乘以相位因子得到改进S变换,具有多分辨率和相位因子,并适合直观视觉分析。仿真实验得到的时频分布结构图与STFT、小波变换分布比较,显示改进S变换时频结构更加细致。

基于改进同步提取GST的结构瞬时频率识别

为了提高结构振动响应信号时频分析及瞬时参数识别的精度,对广义S变换(generalized S-transform,简称GST)进行改进,结合同步提取算法,提出了一种新形式的同步提取广义S变换。利用单自由度Duffing非线性系统和两层剪切框架结构模型的数值算例验证了该方法的正确性。设计时变拉索试验,分别采集结构在线性和正弦拉力变化下的加速度响应信号,利用改进同步提取广义S变换对信号进行瞬时频率识别,进一步验证了该方法的准确性。数值模拟和试验结果表明,该方法能有效识别非线性结构和时变结构的瞬时频率,具有较好的稳定性。