本发明专利技术提供了一种抗驱鼠器干扰的信号提取方法及系统，该方法包括如下步骤：获取含抗鼠器干扰的原始局部放电超声信号；含抗鼠器干扰的原始局部放电超声信号进行集合经验模态分解得到各固有模态函数分量；根据各固有模态函数分量和训练好的SVM模型，对放电分量与驱鼠器干扰分量进行模式识别得到抗干扰信号，可有效反映放电信号与驱鼠器干扰之间的特征差异，算法最终获得的抗驱鼠器干扰信号具有明显的工频周期性与高信噪比的优点。的工频周期性与高信噪比的优点。的工频周期性与高信噪比的优点。
【技术实现步骤摘要】
一种抗驱鼠器干扰的信号提取方法及装置
[0001]本专利技术属于信号处理
，尤其涉及一种抗驱鼠器干扰的信号提取方 法及装置。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在 先技术。
[0003]基于局部放电超声信号的缺陷诊断与放电定位，要求现场采集的信号数据 能够尽可能真实的反映放电信息，而实际所检测的超声信号往往受到严重的驱 鼠器干扰的影响，因此抗驱鼠器干扰对局部放电超声信号检测而言具有十分重 要的工程意义。
[0004]局部放电超声信号自身具有工频周期性，相对于随机性强、无规则的驱鼠 器干扰而言，放电信号表现更加规则，这一特性差异可以成为去除局部放电超 声信号中驱鼠器干扰的依据。现有技术一方面无相关的技术进行抗驱鼠器干扰 信号的提取，另一方面，虽然通过存在对信号的分解，但是无法有效分离放电 与驱鼠器干扰成分以及存在的模态混叠问题。
技术实现思路
[0005]为了解决现有技术的不足，本公开提供了一种抗驱鼠器干扰的信号提取方 法及装置。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供基于一种抗驱鼠器干扰的信号提取方法，包括如 下步骤：
[0008]获取含抗鼠器干扰的原始局部放电超声信号；
[0009]对含抗鼠器干扰的原始局部放电超声信号进行集合经验模态分解得到各固 有模态函数分量；
[0010]根据各固有模态函数分量和训练好的SVM模型，对放电分量与驱鼠器干扰 分量进行模式识别得到抗干扰信号。
[0011]在一些实施方式中，所述对含抗鼠器干扰的原始局部放电超声信号进行集 合经验模态分解得到各固有模态函数分量，具体包括：
[0012]对原始局部放电超声信号进行多次加噪得到含抗鼠器干扰的原始局部放电 超声信号；
[0013]对含抗鼠器干扰的原始局部放电超声信号进行经验模态分解，获得固有模 态函数分量；
[0014]计算各阶固有模态函数分量的集成平均，获得集合经验模态分解的各固有 模态函数最终分量。
[0015]在一些实施方式中，所述对含抗鼠器干扰的原始局部放电超声信号进行集 合经
验模态分解得到各固有模态函数分量，具体包括：
[0016]对原始局部放电超声信号进行多次加噪得到含抗鼠器干扰的原始局部放电 超声信号；
[0017]对含抗鼠器干扰的原始局部放电超声信号进行经验模态分解，获得固有模 态函数分量；
[0018]计算各阶固有模态函数分量的集成平均，获得集合经验模态分解的各固有 模态函数最终分量。
[0019]在一些实施方式中，所述含抗鼠器干扰的原始局部放电超声信号进行经验 模态分解，获得固有模态函数分量的具体步骤包括：
[0020](1)计算含抗鼠器干扰的原始局部放电超声信号的极大值点和极小值点；
[0021](2)采用插值法连接所有极大值点和极小值点，基于三次样条函数插值拟 合得到上包络线和下包络线；
[0022](3)基于上包络线和下包络线计算均值曲线；
[0023](4)对含抗鼠器干扰的原始局部放电超声信号进行一次筛分：
[0024](5)在一次筛分的基础上，迭代反复执行步骤(1)～(4)，得到第一阶 固有模态函数；
[0025](6)将第一阶固有模态函数剔除；
[0026](7)对剔除后的信号进行与形成第一阶固有模态函数相同的操作，并不断 循环迭代，直到所分解的固有模态函数满足：均值为零、极值点个数与零点个 数相同或相差不超过一个，迭代终止；
[0027](8)产生原始信号经验模态的所有固有模态函数分量。
[0028]在一些实施方式中，所述第一阶固有模态函数筛选的过程包括：当筛分的 信号满足：均值为零、极值点个数与零点个数相同或相差不超过一个，迭代终 止，此时的筛分结果即为第一阶固有模态函数。
[0029]在一些实施方式中，所述SVM模型的训练过程具体包括：
[0030]提取各固有模态函数分量的信息熵；
[0031]获取标准局部放电超声信号与标准驱鼠器干扰信号作为样本训练集；
[0032]提取各固有模态函数分量和样本训练集的信息熵特征参数；
[0033]根据各固有模态函数分量和样本训练集的信息熵特征参数和SVM模型进行 训练得到信号分类结果。
[0034]在一些实施方式中，所述模式识别得到抗干扰信号之前将识别所得的驱鼠 器干扰分量剔除，重组剩余固有模态函数分量，获得最终的抗干扰信号。
[0035]在一些实施方式中，所述SVM的训练模型为：
[0036][0037]s.t y
i
(w
T
x
i
+b)≥1
‑
ζ
i
，ζ
i
≥0
[0038]式中，f(w)表示支持向量到超平面的距离，w表示超平面的梯度参数，C表 示惩罚参数，C值越大，对分类的惩罚越大，ζ
i
表示为松弛变量，每一个样本 都有一个对应的松弛变量，表征该样本不满足约束的程度，x
i
表示第i个特征向 量，y
i
表示为类标记，b表示样本
到超平面距离。
[0039]本专利技术的第二个方面提供一种抗驱鼠器干扰的信号提取装置，包括：
[0040]信号获取模块，被配置为：获取含抗鼠器干扰的原始局部放电超声信号；
[0041]信号分解模块，被配置为：对含抗鼠器干扰的原始局部放电超声信号进行 集合经验模态分解得到各固有模态函数分量；
[0042]抗干扰信号提取模块，被配置为：根据各固有模态函数分量和训练好的SVM 模型，对放电分量与驱鼠器干扰分量进行模式识别得到抗干扰信号。
[0043]本专利技术的第三个方面提供一种计算机设备，包括存储器、处理器及存储在 存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现 如上述所述任意一种抗驱鼠器干扰的信号提取方法的步骤。
[0044]本专利技术的第四个方面提供一种计算机可读存储介质，其上存储有计算机程 序，该程序被处理器执行时实现如上述所述一种抗驱鼠器干扰的信号提取方法 的步骤。
[0045]与现有技术相比，本专利技术的有益效果是：
[0046](1)通过对局部放电超声信号的EEMD分解，可有效分离放电与驱鼠器干 扰成分，避免了EMD算法分解的模态混叠问题；
[0047](2)通过信息熵反映信号的随机程度强弱，并采用标准信号训练SVM，可 有效反映放电信号与驱鼠器干扰之间的特征差异，算法最终获得的抗驱鼠器干 扰信号具有明显的工频周期性与高信噪比的优点。
[0048]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述 中变得明显，或通过本专利技术的实践了解到。
附图说明
[0049]构成本专利技术的一部分的说明书附图用本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种抗驱鼠器干扰的信号提取方法，其特征在于，包括如下步骤：获取含抗鼠器干扰的原始局部放电超声信号；对含抗鼠器干扰的原始局部放电超声信号进行集合经验模态分解得到各固有模态函数分量；根据各固有模态函数分量和训练好的SVM模型，对放电分量与驱鼠器干扰分量进行模式识别得到抗干扰信号。2.如权利要求1所述的一种抗驱鼠器干扰的信号提取方法，其特征在于，所述对含抗鼠器干扰的原始局部放电超声信号进行集合经验模态分解得到各固有模态函数分量，具体包括：对原始局部放电超声信号进行多次加噪得到含抗鼠器干扰的原始局部放电超声信号；对含抗鼠器干扰的原始局部放电超声信号进行经验模态分解，获得固有模态函数分量；计算各阶固有模态函数分量的集成平均，获得集合经验模态分解的各固有模态函数最终分量。3.如权利要求2所述的一种抗驱鼠器干扰的信号提取方法，其特征在于，所述含抗鼠器干扰的原始局部放电超声信号进行经验模态分解，获得固有模态函数分量的具体步骤包括：(1)计算含抗鼠器干扰的原始局部放电超声信号的极大值点和极小值点；(2)采用插值法连接所有极大值点和极小值点，基于三次样条函数插值拟合得到上包络线和下包络线；(3)基于上包络线和下包络线计算均值曲线；(4)对含抗鼠器干扰的原始局部放电超声信号进行一次筛分：(5)在一次筛分的基础上，迭代反复执行步骤(1)～(4)，得到第一阶固有模态函数；(6)将第一阶固有模态函数剔除；(7)对剔除后的信号进行与形成第一阶固有模态函数相同的操作，并不断循环迭代，直到所分解的固有模态函数满足：均值为零、极值点个数与零点个数相同或相差不超过一个，迭代终止；(8)产生原始信号经验模态的所有固有模态函数分量。4.如权利要求3所述的一种抗驱鼠器干扰的信号提取方法，其特征在于，所述第一阶固有模态函数筛选的过程包括：当筛分的信号满足：均值为零、极值点个数与零点个数相同或相差不超过一个，迭代终止，此时的筛分结果即为第一阶固有模态函数。5.如权利要求1所述的一种抗驱鼠器干扰的信号提取方法，其特征在于，所述SVM模型的训练过程具体包括：提取各固有模态函数分量的信息熵；获取标准局部...
【专利技术属性】
技术研发人员：林颖，辜超，刘萌，白德盟，李杰，杨祎，李程启，郑文杰，徐冉，李壮壮，张峰达，高建峰，王平，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
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。