基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法技术

本发明专利技术公开了一种基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，包括：利用小波的分频特性先将信号分解到不同的频段上,然后把各频段的信号过归一化最小均方自适应背景滤波器更新滤波参数，再把背景滤波器收敛的参数更新到前景滤波器，前景滤波器对各频段信号施以滤波处理。本发明专利技术首先构建前前景自适应滤波器，然后把信号通过小波分解为各个频段的信号，最后把各频段的信号过归一化自适应滤波器进行噪声滤除，不仅可以获得比普通滤波器更好的效果，而且其收敛速度更快，更容易捕捉细小的放电。该方法可以广泛的应用于电力设备的局部放电信号的去噪声处理。理。理。

【技术实现步骤摘要】
基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法


[0001]本专利技术涉及对噪声信号的抑制，更具体地指是一种对局部放点信号的噪声抑制或者有效信号的提取，该方法基于对信号进行小波分解到不同频率,然后利用归一化最小均方误差双滤波器进行噪声抑制来提取有效信号，主要用于局部放点检测系统中。

技术介绍

[0002]检测局部放电是监测电器设备绝缘状态的重要手段，近年来被业内人士广泛关注。一般在进行局部放电测试时，存在大量的干扰因素(环境噪声、其他信号噪声等)，导致局部放电信号淹没在噪声之中，为了准确检测局部放电信号，必然需要进行噪声抑制处理。因此，噪声的抑制是进行局部放电检测首要解决的问题。在众多干扰中，载波通讯、高频保护等一起的周期性窄带干扰尤其的严重，会给局部放电检测带来巨大的困难。
[0003]对于窄带干扰信号的抑制方法有很多，比如：FFT滤波、维纳滤波、带通滤波和自适应滤波等等。其中，仅自适应滤波器不需要窄带信号的先验信号，先验信号的获取本就是一个比较难的课题，一般也比较难准确的获取。
[0004]相对于其他的技术方案，自适应滤波器不需要先验窄带干扰，在抑制窄带干扰信号方面尤其天然的优势。但是，LMS自适应滤波器有收敛速度慢，易发散等缺点。归一化最小均方误差双滤波器(DNLMS,Double Normalized Least Mean Square)可以解决LMS收敛速度慢与收敛步长不能调和的矛盾，也可以解决由于滤波器发散状态下滤波导致的滤波不干净的问题，可以达到提升收敛速度、解决易发散的问题。

技术实现思路

[0005]本专利技术所要解决的技术问题是为了克服现有技术的缺陷和不足，提供基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法。本方法是在文献[基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用.中国工程电机学报,Vol.23,No.1,Jan.2003]的基础上优化了自适应滤波器，既利用了小波分解所有优点且提供了滤波器的收敛速度、避免发散情况下滤波效果差的问题。该检测算法旨在为局部放电提供一种快速、准确的滤除各种噪声的方法，提供局部放电检测的准确性和实时性。
[0006]为了解决上述技术的问题，本专利技术所采用的技术方案是：
[0007]基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，所述方法包括如下步骤：
[0008]步骤A，采集探测器的局部放电信号：
[0009]探测器把采集到的局部放电信号通过数据通道发送到数据处理模块。
[0010]步骤B，接收数据小波分解：
[0011]把接收的数据通过小波分解后，分解为不同频段的信号。
[0012]步骤C，构造归一化最小均放误差滤波器的模型，选定滤波器的权重更新模型：
[0013][0014]w为滤波器的权重矩阵，μ为调节因子，x(k)为输入信号，e(k)为估计残差。
[0015]步骤D，选择归一化最小均方误差算法构建滤波器，进行归一化最小均方误差算法构建滤波运算，计算归一化最小均方误差算法的背滤波系数：
[0016]归一化最小均方误差算法构建滤波算法的方程为：
[0017]e(k)＝d(k)
‑
y(k)
[0018]y(k)＝w(k)
T
x(k)
[0019]d(k)＝w(k+1)x(k)
[0020]对该方程进行迭代运算，然后把每次迭代的结果代入误差方程e(k)，当该误差函数e(k)达到最小值，即e(k)＝e(k
‑
1)时，该误差方程达到收敛，也即可以用该状态下的权重矩阵作为该滤波器的滤波系数。
[0021]其中，
[0022]x(k)为滤波器的输入信号，也就是局部放电采集信号过小波分解后各个频段的信号；
[0023]w(k)为滤波器系数；
[0024]y(k)为滤波器的输出信号，当滤波器处于稳定状态时，可以近似的认为y(k)就是求取的滤波信号。
[0025]步骤E，把步骤D中更新的滤波器收敛状态下的系数更新到前景滤波器，归一化最小均方误差前景滤波器处理小波信号，前景滤波器获取滤波后的信号，把各频段的信号合成为全频段信号，最后对频域信号做反变换获得时域信号，该时域信号就是期望获得的信号。
[0026]本专利技术的有益效果是：本专利技术提出了基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，所述方法利用小波分解和归一化最小均方误差双滤波器构成了一个局部放电噪声抑制系统；每次采集的局部放电信号，首先经过小波分解到多个频段，然后把各频段的信号同时过两个归一化最小均方误差滤波器，最后输出滤波器处理后的局部放电信号。本专利技术方法由于归一化最小均方误差滤波器具有收敛速度快的特点，双滤波器可以避免滤波器发散时处理信号导致误差扩散，提供了信号滤波准确性、也增强了算法的鲁棒性，其处理效果要远好于传统的小波抑制方法和自适应滤波器方法。
附图说明
[0027]图1是本专利技术基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法的结构图。
[0028]图2是本专利技术基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法的双滤波器处理流程图
[0029]图3是本专利技术基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号噪声滤除信噪比收敛趋势与旧方法收敛趋势的对比图。
具体实施方式
[0030]为使本专利技术基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号
检测方法的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明：
[0031]基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，其实施过程如下：
[0032]a.首先，采集探测器的对电力设备的局部放电信号进行采集，并采样成数字信号。
[0033]b.将获得的信号通过小波分解方法，把信号分为若干个频段的信号，分别从低频到高频。
[0034]c.依次处理每个频段的信号，把各频段信号过归一化最小均方误差双滤波器处理。构建归一化最小均方误差算法构建滤波算法的方程为：
[0035]e(k)＝d(k)
‑
y(k)
[0036]y(k)＝w(k)
T
x(k)
[0037]d(k)＝w(k+1)x(k)
[0038]选定滤波器的权重更新模型：
[0039]w为滤波器的权重矩阵，μ为调节因子，x(k)为输入信号，e(k)为估计残差。
[0040]在背景滤波器中对误差函数e(k)做差分运算，更新w(k)的参数使得e(k)＝e(k
‑
1)，使误差函数收敛，然后把w(k)的参数更新给前景滤波器。
[0041]输入信号通过前景滤波器进行滤波，最后得到滤波后的信号。
[0042]d.把各频段的信号合成，得到全频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，其特征在于，包括如下步骤：步骤A，采集探测器的局部放电信号：探测器把采集到的局部放电信号通过数据通道发送到数据处理模块。步骤B，接收数据小波分解：把接收的数据通过小波分解后，分解为不同频段的信号。步骤C，构造归一化最小均放误差滤波器的模型，选定滤波器的权重更新模型：w为滤波器的权重矩阵，μ为调节因子，x(k)为输入信号，e(k)为估计残差。步骤D，选择归一化最小均方误差算法构建滤波器，进行归一化最小均方误差算法构建滤波运算，计算归一化最小均方误差算法的背景滤波系数：归一化最小均方误差算法构建滤波算法的方程为：e(k)＝d(k)
‑
y(k)y(k)＝w(k)
T
x(k)d(k)＝w(k+1)x(k)对该方程进行迭代运算，然后把每次迭代的结果代入误差方程e(k)，当该误差函数e(k)达到最小值，即e(k)＝e(k
‑
1)时，该误差方程达到收敛，也即可以用该状态下的权重矩阵作为该滤波器的滤波系数。其中，x(k)为滤波器的输入信号，也就是局部放电采集信号过小波分解后某个频段的信号；w(k)为滤波器系数；y(k)为滤波器的输出信号，当滤波器处于稳定状态时，可以近似的认为y(k)就是求取的滤波后的信号。步骤E，把步骤D中更新的滤波器收敛状态下的系数更新到前景滤波器，归...

【专利技术属性】
技术研发人员：宦如松，程琳香，
申请(专利权)人：宁波骅厦智能科技有限公司，
类型：发明
国别省市：