基于静态小波变换的T型输电线路行波测距方法

针对现有T型输电线路行波测距算法易受行波波速影响的不足,提出一种新的T型输电线路行波测距方法。采用Clarke变换将相电流转换为独立的模电流,对模电流进行静态小波变换(static wavelet transform,SWT)处理,实现各行波浪涌到达各母线端时刻的标定。首先利用首波头到达三端母线的3个初始时刻定义隶属度,给出利用隶属度实现故障支路判别的判据。运用已有的两端测距公式推导三端测距公式,实现T型线路故障点测距。研究了T节点附近的3种可能性故障情况,提出三次测距方法,使T节点附近故障测距问题得到很好的解决。与现有测距方法相比,SWT具有时间不变性,故障点的测距过程中充分利用T型输电线路的三端测量数据,测距公式中不含波速,因此,所提方法具有测距可靠且精度高的特点。ATP/EMTP仿真验证表明,所提T型输电线路行波测距方法简单可行,且不受过渡电阻、故障类型等因素的影响。

基于小波变换的QT检测

提出一种新算法进行QT间期的自动分析方法对ECG信号进行小波变换,根据模极大值对的形态进行T波识别。结果,经MIT-BIH数据库检验,QRS波识别率达到了99.52%。经QT数据库检验,T波正确识别率达到了87.69%,与心电专家手工标注相比,误差为0.33ms±10.59ms。

基于T梁三维声波模拟信号的S变换时频分析技术

混凝土T梁在我国桥梁建设中发挥了越来越重要的作用,由于其结构的复杂性,目前基于T梁预应力束孔管道无损检测方法正处于理论探究阶段.三维声波数值模拟作为一种有效的、常规的正演手段被大量的应用于合成记录的生成中,本文参照实际T梁模型的大小设置了一组模型参数,并进行了三维声波数值模拟,分析了不同位置所接收到的多道记录信号,给出了不同时刻剖面的波场快照图.同时,采用了S变换时频分析方法,提取了频率为25Hz时间域的能量分布图,得到了数值模拟信号的时频联合特征,在S变换时频剖面上能更加清晰的识别低速异常体的分布位置.结果表明:声波法可用于T梁预应力束孔管道无损检测中,S变换时频分析方法有助于提高声波数据解释的准确性.

基于小波包变换的心电图ST段提取

目的:ST段是心电图的重要组成部分,其起始于心电图QRS波群的结束点并结束于T波的开始点。ST段的压低、分上斜形和下垂形压低、水平压低和以及鱼钩样改变都可以反映各种心脏疾病,所以,精确提取心电图ST段具有重要意义。因此,本文提出了基于小波包变换的心电图ST段精确提取算法。方法:首先对心电图信号进行去噪处理,滤去工频干扰信号以及基线漂移信号;然后,提取单周期的心电图信号;最后,引入小波包变换算法提取QRS波群、T波的主频带,重构QRS波群、T波的波形并确定ST段的始末位置。结果:本文算法在时域心电图上实现了ST的精确定位,提取了心电图的ST段。通过在经典数据库中的验证,本文算法具有非常好的表现。结论:实验结果表明,相较传统的对心电图加时间窗的方式提取ST段,本文算法可以精确提取心电图ST段,这为心电图ST段的自动精确识别,以及用于自动医疗检测与便携式医疗设备提供了依据。

基于小波变换的T型线路CT饱和检测新方法

针对T型线路电流差动保护判据中CT饱和的检测判据不足,通过对CT饱和原因及其影响的仿真和分析,提出了一种基于小波分析的T型线路电流互感器饱和的检测方法。大量的ATP仿真结果表明,该方法可准确判断T型线路中CT的饱和,有效提高了保护的可靠性。

基于小波变换的T波检测算法研究

T波检测是心电图（ECG，electrocardiogram）分析的难点。本文首先对T波形态进行了细致的分类，然后提出了一个排除u波的方案，以减少u波对T波检测构成的干扰，进一步提高T波特征点检测的准确性。最后利用QT数据库里的专家手工标注对算法的性能进行验证，检测结果基本可以达到人工标注的水平。

基于CNN和频率切片小波变换的T波形态分类

心电实时监控是心血管疾病防治的重要手段。心电图中T波的变化是心肌缺血和心脏猝死等疾病的重要表征,T波形态自动识别是心电远程监控中一个重要问题。由于实时监护用心电的强噪声背景影响,传统的T波特征提取与分类算法遭遇瓶颈。提出一种结合切片频率小波变换和卷积神经网络的T波形态识别算法,包括:自动定位R波波峰位置与T波终点位置,从而确定一个包含有T波的片段;对该片段做频率切片小波变换,将生成的时频图像输入卷积神经网络,完成T波的形态分类。频率切片小波变换将信号转换到时频域上,呈现心电信号的时频能量分布特征;卷积神经网络的隐含层通过对时频图像进行3次卷积、激活与池化,完成时频图像的3次特征提取,这些特征具有平移、缩放不变性。使用欧盟ST-T数据库中的12 830个片段,采用3折交叉验证法来训练和测试卷积神经网络模型,最终使基于心拍的分类准确率达到97.34%,F1测度达到96.97%;基于样本实验的分类准确率为84.80%,F1测度为83.30%。模型在QT数据库测试的分类准确率为87.83%,F1测度为85.38%,泛化性能良好。对比其他T波分类算法(如决策树、支持向量机等),基于心拍实验的分类准确率提高1%~5%。研究结果证明,针对6类形态T波进行分类设计的算法不仅在分类准确率上有所提升,在鲁棒性和泛化性能方面也表现良好。另外,算法模型也适用于其他多种生理信号的分析,在医学图像分析领域也有一定的指导意义。

基于小波变换和分支定位的T接输电线路故障测距方法研究

为了解决传统方法在多端输电线路故障定位不精确,定位方法复杂等问题,本文提出了一种基于分支定位的T接输电线路故障定位的方法,通过提取故障行波,经过小波变换得到故障行波的时间和频率信息,找到原始的故障行波第一个反射波,进行故障分支定位计算,确定故障距离。与传统的故障阻抗法相比,该方法配合同步数据接收装置,使得计算方法更加简单且定位精度更高。最终使用了PSCAD/EMTDC进行了大量仿真实验,结果显示输电线路单相接地故障定位误差能够维持在0.21%,远高于传统方法,验证了本方法的有效性。

基于小波变换的超高压非对称T型线路故障保护方案

描述了一种利用小波变换对T型线路进行快速保护的方案,保护单元使用各支路经同步化后的三相电压电流,使用小波变换提取故障电压电流频带中的暂态高频分量,进行故障检测与类型判别。建立了非对称T型线路仿真模型,针对不同故障位置、故障类型、故障初始角和故障过渡电阻进行仿真验证。结果表明,该方案快速,准确。

基于小波变换和K-means聚类算法的心电信号特征提取

目的研究一种基于小波变换和K-means聚类算法的心电信号特征提取方法,根据特征点信息判断心电是否正常。方法利用小波变换和形态学滤波方法去除工频干扰、肌电干扰和基线漂移等主要的噪声之后,利用K-Means聚类算法提取出心电信号的QRS波群,P波和T波这3个主要的特征点,实现心电智能诊断。结果实验数据取自MIT-BIH数据库,多次实验结果显示QRS波群的阳性检测度(P+)达到99.68%和灵敏度(Se)达到99.21%,P波和T波的检测准确度分别达91.43%和97.01%。结论相对于其它方法,本文心电特征提取方法准确度较高,具有一定参考价值;在移动医疗和临床医疗方面具有一定实用价值。

基于T波最大值的T波电交替分析法

提出了一种基于T波最大值T波电交替(T-wave alternans,TWA)的快速傅氏变换(Fast fouriertransform,FFT)分析法。该方法能在减少抽样频率的条件下,保证计算精度。基于T波最大值的方法还解决了固定T波的取样点随着心率的变化而变化问题。该方法对连续128个正常心跳周期的ST-T结构中的T波最大值进行FFT变换,进而可以得到其功率谱曲线图。该功率谱图可反映TWA。

T波交替散点图法:利用非线性动力学系统表示周期性的散点图

背景:微伏级T波交替是预测室性心律失常的重要指标,有望发展成为一种优越的无创评定发生恶性室性心率失常及猝死危险性的技术。目的:介绍一种利用非线性动力学系统表示周期性的散点图法从而进行T波交替检测的算法。方法:选取连续心跳周期中T波窗口内的采样点序列做散点图,描述T波交替的分布状态。根据奇数序列和偶数序列到原点的距离之和Dtwa判断T波交替的存在与否。结果与结论:将算法应用到美国MIT/BIH标准心律失常数据库和欧洲ST-T心电数据库进行仿真,将所得到离散数据Dtwa和谱分析法中表示T波电交替幅值的Vtwa进行相关性分析得到相关系数γ=0.984。证明该算法能够精确简便地判断T波电交替,可为T波电交替散点图法的深入研究提供思路。

T型线路的行波测距原理与算法

针对已有的T型线路行波故障测距算法测距结果易受行波波速影响的不足,提出一种新的T型线路行波故障测距算法。该算法根据相同条件下行波波速相等的原理,在已知线路长度和故障电流初始行波到达线路三端的时间的情况下,无需行波波速精确值参与判断和计算,排除了其对故障支路判断和部分情况下测距精度的影响,且在T节点附近不存在死区。通过大量Matlab仿真表明,该算法计算简单,测距精度较高,能够满足故障定位的要求。

心电信号多形态T波检测方法研究

目的研究一种T波检测新方法,以提高检测形态异常T波的准确率。方法基于小波变换和支持矢量机技术,设计了一种准确性高且适用于检测心电信号多形态T波的新方法,并从QT数据库下载了50组真实心电信号中5000个形态多样的T波数据验证新方法的性能。结果将实验结果与库中专家标注的信息对比,在误差容忍度20 ms内,检测准确率达到96.38%,敏感度达到98.04%,阳性预测率达到100%。与现有其他类似方法比较,新方法的平均检测精确度和敏感度分别高出6.73%和4.48%。结论本文方法对于各种形态的T波均具有高的检测准确率,且具有良好的抗噪性和可扩展性。

基于线性方程组解的T型线路行波测距

目前的T型输电线路行波故障测距算法一般都是依据双端行波故障测距的原理。在深入研究行波故障测距原理和T型线路的故障测距方法的基础上,提出了综合利用T型线路的三端测量数据和线路本身的固有关系建立线性方程组的方法,并利用线性方程组的解直接进行故障支路的判别和故障点测距。此方法突破了首先判断故障支路然后故障定位的传统思路,将其进行了统一。给出了确定的误差范围,作为故障支路识别和故障点测距的依据。该方法只利用故障电流的初始行波,便于故障的识别。仿真结果表明了该方法的正确性和精确度。

基于遗传算法和神经元网络的心电信号T波检测

为了提高T波检测准确率,解决由于反向传播神经元网络(BP神经元网络)连接权值和阈值的初始值选择不合适而导致的无解问题,本研究结合求全局最优解近似值的遗传算法(GA)和求局部最优解精确值的传统BP神经元网络所使用的梯度法,用于T波检测。首先,用GA求得BP神经元网络权值和阈值的全局最优解的近似值;然后,把该近似值作为初始值,训练该神经元网络;最后,用训练好的BP神经元网络识别T波。考虑到T波波峰一定是小波变换(WT)模极大值对,但是反过来,WT模极大值对不一定是T波波峰,首先检测到R波之后一定范围内的WT模极大值对,称为准T波(备选T波),再用训练好的BP神经元网络对刚才检测出的准T波进行筛选和识别,最后确认出真正的T波。MIT数据库实验表明用这样的组合方法检测T波,其检测准确率可达到98%。采取小波变换、GA、BP神经元网络的组合可提高识别T波的正确率。

基于小波能量谱的T型线路故障定位新算法

针对带T型分支的输电线路的故障判支死区问题,为了实现故障精准定位,提出一种基于小波能量谱的T型输电线路测距新算法。利用三次B样条小波变换模极大值算法提取故障特征,在非死区范围内,由三端测距法即可准确完成故障测距;在死区范围内,通过小波能量谱算法判断故障分支,再利用三端测距法完成故障测距。该算法解决了T型线路故障分支判别的死区问题,消除了噪声和波速不稳定带来的影响。仿真软件仿真结果表明,所提方法能够满足T型线路故障测距的要求,不受故障类型和过渡阻抗的影响,并且解决了O区测量盲区的难题。

一种新的T波交替量化评估联合算法

T波交替是预测恶性心律失常和心脏猝死危险性的一个无创的临床指标。针对目前T波交替(TWA)量化分析方法的不足,提出基于时频分析和相关分析相结合的T波交替联合分析算法:通过对预处理过的心电信号的连续小波变换,计算T波序列在指定时频窗内的能量谱,并对其分段统一编秩,再运用秩和检验方法定性判断T波交替;在此基础上,对T波交替的信号段进行T波的时域相关分析,确定交替的频次和程度,提取时域量化指标,为猝死和失常分析提供更丰富的时频特征信息。仿真实验表明,该算法对TWA检测的平均灵敏性达91.2%,在30 dB及以上信噪比的情况下,TWA被100%正确检测。临床数据检测结果表明,本算法对TWA幅值检测结果和临床应用的谱方法检测结果的相关系数达0.96。

一种T型输电线路行波故障测距方法

为进一步提高T型输电线路故障测距的准确性,提出了一种基于小波变换的T型输电线路行波故障测距方法。首先将在各测量点采集到的行波信号进行相模变换;其次将得到的α模分量进行小波变换,得到行波波头首次到达各测量点的时刻;最后判别出故障支路,并计算出故障距离。大量的MATLAB仿真实验结果表明,所提方法不受过渡电阻、故障类型、行波波速等因素的影响,测距误差较小,具有较高的精确性和适用性。

一种心电图T波提取算法

心电图T波的变化可以反映多种心脏疾病,因此心电图T波的精确检测具有一定的医疗价值。提出了一种基于小波包变换的心电图T波提取算法,为针对心电图T波的医疗检测及其在便携式医疗系统中的应用提供了重要依据。首先,从心电图的频域出发,引入多层小波包变换提取了心电图T波的主频带波形;然后,根据T波主频带波形的特征确定了T波在时域中的始末位置,进而在心电图的时域波形中精确地提取了T波。