改进S变换谱估计的动态手势肌电特征处理

手语是各种手势动态变化的一种复杂运动模式,手势特征处理效果直接关系到手语识别的准确性。本文提出一种基于改进S变换谱估计的动态手势肌电特征处理新方法。对采集的表面肌电信号进行S变换,引入优化因子调节时频分辨率并生成改进S变换谱;定义谱的时间和频率分量为二维随机变量,以改进S变换谱元素为二维随机变量样本,通过高斯核密度估计得到二维核密度函数。仿真和实验均表明,改进S变换谱估计方法有效抑制了白噪声,并使动态手势的肌电暂态突变特征得到加强。与经验模态分解、自排序熵、奇异值排序熵等方法对比,基于该方法的动态手势识别率分别提高了10.0%、6.67%和11.67%,特征处理方法的效果明显。

基于小波包及自适应形态滤波的故障行波研究

分析了行波法故障测距存在误差的原因,在此基础上引入了小波包变换和自适应形态滤波器.首先运用小波包变换对原始含噪信号进行第一次去噪,然后对重构信号运用自适应形态滤波器第二次去噪,最后对去噪信号运用模极大值法得到波形奇异点位置,确定故障点距离.实验结果表明,该方法能准确识别行波波头,取得较高的故障测距精度.

基于时域特征和小波分析的故障行波特征识别方法

随着电力电缆的应用越来越广泛,电力部门对突发的电缆故障定位精度和时效要求也越来越高。故障行波的特征识别是故障定位的关键环节。本文提出了基于时域特征和小波分析相结合的故障行波特征提取方法,先通过自适应阈值法对采集的原始信号进行预处理,滤除噪声后再结合微分和小波分析算法来提取行波中相邻回波的起始特征,最后计算出故障距离。经过实验验证,该方法提高了电缆故障定位的准确度,具有一定的实际应用价值。