The invention provides a method and a system for identifying data distortion of a sinusoidal signal. The method includes: sampling analog signal, calculating amplitude A by full cycle Fourier algorithm according to current sampling point and previous cycle, and calculating amplitude A by real part and imaginary part, calculating amplitude B by two-point product algorithm according to current sampling point and first quarter cycle sampling point, calculating the ratio of amplitude A and amplitude B, when the ratio is within the preset value range, It is determined that the correlation of current sampling points is consistent. When the ratio is not within the preset value range, it is determined that the correlation of current sampling points is inconsistent. When the correlation status of all sampling points in the previous week is statistically analyzed, when the correlation of the latest 1 / 4 week is consistent, but the number of sampling points with inconsistent correlation in the previous week is less than the number threshold, it is determined that the data is distorted. The invention can quickly identify the distorted continuous analog signal sampling data by analyzing the amplitude correlation of the analog fundamental wave based on different algorithms.
【技术实现步骤摘要】
一种识别正弦信号数据畸变的方法及系统
本专利技术涉及正弦波信号数据畸变的方法,属于数字信号处理领域,可以用到电气等工程领域。
技术介绍
正弦波信号在很多系统中广泛利用,例如我们使用的交流电就是一个50Hz的正弦波。对于这类正弦波信号,在进行计算机处理的时候需要进行数据采样。在真实的物理系统中,可能由于外部干扰导致波形发生畸变,使得输出信号和标准正弦信号相比存在几毫秒的数据偏离,不再是一个标准的正弦波;也可能在采样过程中数据采样错误或者传输错误,导致有几个数据点偏离标准的正弦信号形成数据畸变。在计算机处理过程中必须对该类数据畸变但原始系统没有故障的情况进行识别,若不正确识别错误反应当前物理系统的状态,从而导致对该物理系统的错误控制,最终导致严重的影响。基于此,必须对该类正弦波信号的畸变进行识别。全周傅氏变换、半周傅氏变换、半周积分等是当前该类信号的主要处理方法;通过这些方法可以求取信号的幅值,但是该类算法没办法单独识别正弦信号的畸变。
技术实现思路
本专利技术解决的技术问题是提供一种识别效率高且识别精准度高的正弦信号采样数据畸变识别方法及系统。为解决上述技术问题,本专利技术提供的正弦信号采样数据畸变识别方法,所述方法包括:该方法基于不同算法之间被测正弦信号基波的幅值相关性分析,可快速识别畸变的被测正弦信号采样数据并告警。按照固定间隔进行采样,首先通过离散全周傅氏变换计算出基波相量的实部和虚部并计算出幅值A,接着利用两点乘积算法计算出幅值B,然后对两种不同算法计算出来的基波幅值进行比较 ...
【技术保护点】
1.一种识别正弦信号数据畸变的方法,其特征在于,所述方法包括:/n按照预设采样间隔每周波预设个数的采样点数对连续模拟信号进行采样,以得到各信号的离散采样序列;/n采用全周傅氏算法,根据当前采样点及之前一周波所有采样点计算相量的实部和虚部,并根据所述实部和所述虚部进行幅值计算,以得到幅值A;/n采用两点乘积算法,根据当前采样点与前1/4周波采样点计算幅值,以得到幅值B;/n根据采样值计算通道的频率,并判断所述频率是否满足相关性判断条件;/n当判断到所述频率满足所述相关性判断条件时,计算所述幅值A与所述幅值B的比值;/n当所述比值在预设数值范围内时,则判定所述当前采样点相关性一致,当所述比值未在所述预设数值范围内时,则判定所述当前采样点相关性不一致;/n统计所述前一周波内所有采样点的相关性状态,并当判断到最近1/4周波相关性都一致,但所述前一周波内相关性不一致的采样点的点数不为0但小于点数阈值时,判定数据畸变。/n
【技术特征摘要】
1.一种识别正弦信号数据畸变的方法,其特征在于,所述方法包括:
按照预设采样间隔每周波预设个数的采样点数对连续模拟信号进行采样,以得到各信号的离散采样序列;
采用全周傅氏算法,根据当前采样点及之前一周波所有采样点计算相量的实部和虚部,并根据所述实部和所述虚部进行幅值计算,以得到幅值A;
采用两点乘积算法,根据当前采样点与前1/4周波采样点计算幅值,以得到幅值B;
根据采样值计算通道的频率,并判断所述频率是否满足相关性判断条件;
当判断到所述频率满足所述相关性判断条件时,计算所述幅值A与所述幅值B的比值;
当所述比值在预设数值范围内时,则判定所述当前采样点相关性一致,当所述比值未在所述预设数值范围内时,则判定所述当前采样点相关性不一致;
统计所述前一周波内所有采样点的相关性状态,并当判断到最近1/4周波相关性都一致,但所述前一周波内相关性不一致的采样点的点数不为0但小于点数阈值时,判定数据畸变。
2.根据权利要求1所述的识别正弦信号数据畸变的方法,其特征在于,所述相关性判断条件为判断所述频率是否在基础频率正负5%以内。
3.根据权利要求1所述的识别正弦信号数据畸变的方法,其特征在于,所述方法还包括:
当判断到所述频率未满足所述相关性判断条件时,停止所述识别正弦信号数据畸变的方法。
4.根据权利要求1所述的识别正弦信号数据畸变的方法,其特征在于,所述判定数据畸变的步骤之后,所述还包括:
给出告警并记录相关数据。
5.根据权利要求1所述的识别正弦信号数据畸变的方法,其特征在于,所述还包括:
当判断到所述前一周波内所有采样点的相关性都一致时,判定所述正弦信号正常,无畸变。
6...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。