一种信号处理方法、装置及介质制造方法及图纸

本发明专利技术公开了一种信号处理方法、装置及介质，包括：对待处理信号进行多阶次分数阶傅里叶变换，获得多阶次分数阶傅里叶变换的结果；将多阶次分数阶傅里叶变换的结果输入深度学习网络中进行分析。采用本发明专利技术，可以有效的对信号和噪声进行分离；对非平稳信号获得较好的能量聚集效果；可以获得多维度的信号时频的信息图，以便增加信号处理中的各信息间的关联度；可以有效地利用了信号的每个频域特性，可以用更少的参数获得更高的性能。

【技术实现步骤摘要】
一种信号处理方法、装置及介质
本专利技术涉及无线通信
，特别涉及一种信号处理方法、装置及计算机可读存储介质。
技术介绍
风电系统故障检测是我国风电系统的重要业务领域。随着风电能源领域的快速发展，风电机组故障的预警和诊断受到越来越多的关注。风扇故障警告尤其重要，因为难以捕获涡轮机运行故障和缺少故障数据。在完善风力发电机组预警系统的基础上，风力发电机诊断系统的健全性将带来巨大的社会效益和经济效益。目前在风力发电系统中，风电系统故障检测中存在噪声抑制不良，无法有效分析非平稳信号的不足。
技术实现思路
本专利技术提供了一种信号处理方法、装置及计算机可读存储介质，用以解决故障检测中存在噪声抑制不良，无法有效分析非平稳信号的问题。本专利技术实施例中提供了一种信号处理方法，包括：对待处理信号进行多阶次分数阶傅里叶变换FRFT，获得多阶次分数阶傅里叶变换的结果；将多阶次分数阶傅里叶变换的结果输入深度学习网络中进行分析。实施中，对待处理信号进行多阶次分数阶傅里叶变换之前，还包括：对待处理信本文档来自技高网...

【技术保护点】
1.一种信号处理方法，其特征在于，包括：/n对待处理信号进行多阶次分数阶傅里叶变换FRFT，获得多阶次分数阶傅里叶变换的结果；/n将多阶次分数阶傅里叶变换的结果输入深度学习网络中进行分析。/n

【技术特征摘要】
1.一种信号处理方法，其特征在于，包括：
对待处理信号进行多阶次分数阶傅里叶变换FRFT，获得多阶次分数阶傅里叶变换的结果；
将多阶次分数阶傅里叶变换的结果输入深度学习网络中进行分析。


2.如权利要求1所述的方法，其特征在于，对待处理信号进行多阶次分数阶傅里叶变换之前，还包括：
对待处理信号进行预处理，获得预处理后的信号，所述预处理包括以下处理之一或者其组合：裁剪处理、归零处理、去噪处理；
对待处理信号进行多阶次分数阶傅里叶变换，是对预处理后的信号进行多阶次分数阶傅里叶变换。


3.如权利要求1所述的方法，其特征在于，对待处理信号进行多阶次分数阶傅里叶变换，获得多阶次分数阶傅里叶变换的结果，还包括：
对待处理信号进行多阶次短时分数阶傅里叶变换，获得多阶次短时分数阶傅里叶变换的结果；
将多阶次分数阶傅里叶变换的结果输入深度学习网络中进行分析，是将多阶次短时分数阶傅里叶变换的结果输入深度学习网络中进行分析。


4.如权利要求3所述的方法，其特征在于，将多阶次短时分数阶傅里叶变换的结果输入深度学习网络中进行分析，包括：
将每个短时分数阶傅里叶变换的结果乘以相应的系数后，输入深度学习网络中进行分析。


5.如权利要求4所述的方法，其特征在于，还包括：
利用所述深度学习网络确定每个短时分数阶傅里叶变换的结果乘以的系数；其中，所述系数是利用历史系数值训练获得的。


6.如权利要求1至5任一项所述的方法，其特征在于，将多阶次分数阶傅里叶变换的结果输入深度学习网络中进行分析，包括：
将多阶次分数阶傅里叶变换的结果输入深度学习网络中进行故障分类和/或异常检测；其中，所述故障分类和/或异常检测数据是利用历史多阶次分数阶傅里叶变换的结果和历史故障分类和/或异常检测结果数据训练获得。


7.如权利要求1所述的方法，其特征在于，待处理信号是风机运行状态信号。


8.一种信号处理装置，其特征在于，包括：
变换模块，用于对待处理信号进行多阶次分数阶傅里叶变换FRFT，获得...

【专利技术属性】
技术研发人员：王晓雪，刘殿超，王刚，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：日本;JP