• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:30 金币  

    重庆时时彩奖级: 一种电信号扰动类型的分类识别方法.pdf

    关 键 词:
    一种 电信号 扰动 类型 分类 识别 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611000102.9

    申请日:

    2016.11.14

    公开号:

    CN106570533A

    公开日:

    2017.04.19

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06K 9/62申请日:20161114|||公开
    IPC分类号: G06K9/62 主分类号: G06K9/62
    申请人: 国网江西省电力公司电力科学研究院; 国家电网公司
    发明人: 马建; 肖露欣; 陈克绪; 王琼; 朱亮; 俞林刚
    地址: 330096 江西省南昌市民营科技园民强路88号
    优先权:
    专利代理机构: 南昌市平凡知识产权代理事务所 36122 代理人: 姚伯川
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611000102.9

    授权公告号:

    |||

    法律状态公告日:

    2017.05.17|||2017.04.19

    法律状态类型:

    实质审查的生效|||公开

    摘要

    一种电信号扰动类型的分类识别方法,所述方法步骤为:(1)获取测量现场的实际电信号;(2)对电信号扰动进行特征提取,(3)通过一组滤波器将分解后得到的分量分别滤出,对不同频率下的信号进行特征优选,得出优选分类特征向量;(4)进行电信号扰动的分类识别。一种电信号扰动类型的分类识别装置,所述装置包括采集设备、特征提取???、滤波器、分类识别???。本发明中分类器的参数采用迭代方式,找寻最优分类器变量取值,克服了以往变量预先设定好定值从而造成了分类识别精度低的缺点。本发明方法对实际运行工况下的电信号扰动具有良好的分类识别效果。

    权利要求书

    1.一种电信号扰动类型的分类识别方法,其特征在于,所述方法通过采集设备采集现
    场的实际电信号,得到离散信号x(n),长度为N;然后对电信号扰动进行特征提取,根据所得
    到离散信号x(n),通过小波变换分析,得出实际电信号的特征分量,再采用滤波器对变换后
    的信号作滤波处理,利用得到的所述优选分类特征向量,构建分类器,完成对电信号扰动类
    型的分类识别。
    2.根据权利要求1所述的一种电信号扰动类型的分类识别方法,其特征在于,所述特征
    提取,是根据所得到离散信号x(n),通过小波变换分析,得出所述实际电信号的特征分量:
    将所述离散信号x(n)与daubechies基函数,进行数学变换,变换公式如下:

    <mrow> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mo>&lt;</mo> <mi>x</mi> <mo>(</mo> <mi>n</mi> <mo>)</mo> <mo>,</mo> <msub> <mi>&psi;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>(</mo> <mi>n</mi> <mo>)</mo> <mo>&gt;</mo> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>N</mi> </munderover> <mi>x</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msub> <mi>&psi;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> </mrow>

    ψj,k(n)=2-j/2ψ(2-jn-k)
    式中,t代表时间,j、k分别代表基函数在尺度、位移上变换的大小。
    3.根据权利要求1所述的一种电信号扰动类型的分类识别方法,其特征在于,所述滤波
    处理,分别采用一个低通滤波器h(w)和一个高通滤波器g(w)对变换后的信号作滤波处理,
    再经过一个下采样,分别得到信号的一个低频分量c1,k和一个高频分量d1,k;
    其中,理想低通滤波器表达式为:
    <mrow> <mi>h</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>A</mi> </mtd> <mtd> <mrow> <mo>(</mo> <mo>|</mo> <mi>w</mi> <mo>|</mo> <mo>&le;</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>(</mo> <mo>|</mo> <mi>w</mi> <mo>|</mo> <mo>&GreaterEqual;</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
    式中,wc表示截止频率,A表示幅值变化大??;
    理想高通滤波器表达式为:
    <mrow> <mi>g</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>A</mi> </mtd> <mtd> <mrow> <mo>(</mo> <mo>|</mo> <mi>w</mi> <mo>|</mo> <mo>&GreaterEqual;</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>(</mo> <mo>|</mo> <mi>w</mi> <mo>|</mo> <mo>&le;</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
    式中,wc表示截止频率,A表示幅值变化大??;以低频分量c1,k作为输入,重复之前步骤,
    得到下一个低频分量c2,k和一个高频分量d2,k,重复此过程6次,最后得出{c6,k,d1,k,d2,k,
    d3,k,d4,k,d5,k,d6,k},为所述实际电信号的特征分量;
    对c6,k作以下数学变换,变换公式为:
    <mrow> <mi>E</mi> <mi>a</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mo>|</mo> <msub> <mi>c</mi> <mrow> <mn>6</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow>
    对{d1,k,d2,k,d3,k,d4,k,d5,k,d6,k}分别作以下数学变换,变换公式为:
    <mrow> <msub> <mi>Ed</mi> <mi>j</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mo>|</mo> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow>
    <mrow> <mover> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>&OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow>
    <mrow> <msub> <mi>&sigma;</mi> <mi>j</mi> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <mover> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>
    式中,T=N/2j,j=1,…,6,最后得到维数为19的优选分类特征向量,

    4.根据权利要求1所述的一种电信号扰动类型的分类识别方法,其特征在于,所述构建
    分类器,利用得到的所述优选分类特征向量,构建分类器y(x),分类器数学表达式为:
    y(x)=sgn(w·xi+b)
    式中,xi表示所述优选分类特征向量;b为可任选的趋近于0的常数,sgn(x)的表达式为:
    <mrow> <mi>sgn</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>x</mi> </mrow> </msup> </mrow> </mfrac> </mrow>
    w为下式计算所得各值的最大值,
    <mrow> <mi>w</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>l</mi> </munderover> <msub> <mi>a</mi> <mi>i</mi> </msub> <mo>-</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>l</mi> </munderover> <msub> <mi>a</mi> <mi>i</mi> </msub> <msub> <mi>a</mi> <mi>j</mi> </msub> <msub> <mi>y</mi> <mi>i</mi> </msub> <msub> <mi>y</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <mi>exp</mi> <mo>(</mo> <mrow> <mo>-</mo> <mi>g</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>j</mi> </msub> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
    式中,l=19,g为分类器的一个变量,yi,j∈{-1,1},ai按以下约束条件取值:0
    ≤ai≤c,c为分类器的另一个变量;
    上述分类器变量c和分类器变量g通过迭代寻找,迭代公式为:
    vi=q·vi-1+p1·r1·(pbest(i-1)-zi-1)+p2·r2·(gbest(i-1)-zi-1)
    zi=zi-1+vi
    式中,i为迭代的次数,q为任选的常量,pbest为变量迭代时的局部极值,gbest为变量
    迭代的全局极值,p1、p2为控制变量变化的常数,r1、r2为[0,1]之间的随机数,vi是指迭代的
    速度,z的取值为变量c和变量g。
    5.一种电信号扰动类型的分类识别装置,所述装置包括采集设备、特征提取???、滤波
    器、分类识别???;采集设备对现场的实际电信号进行采集,得到离散信号;特征提取???br />根据所得到离散信号,通过小波变换分析,得出所述实际电信号的特征分量;滤波器包括一
    个低通滤波器和一个高通滤波器,对变换后的信号作滤波处理;分类识别??槔玫玫降?br />优选分类特征向量,构建分类器,由分类器对经过处理的电信号扰动进行分类识别。
    6.根据权利要求5所述的一种电信号扰动类型的分类识别装置,其特征在于,所述特征
    提取,是根据所得到离散信号x(n),通过小波变换分析,得出所述实际电信号的特征分量:
    将所述离散信号x(n)与daubechies基函数,进行数学变换,变换公式如下:

    <mrow> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mo>&lt;</mo> <mi>x</mi> <mo>(</mo> <mi>n</mi> <mo>)</mo> <mo>,</mo> <msub> <mi>&psi;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>(</mo> <mi>n</mi> <mo>)</mo> <mo>&gt;</mo> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>N</mi> </munderover> <mi>x</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <msub> <mi>&psi;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> </mrow>

    ψj,k(n)=2-j/2ψ(2-jn-k)
    式中,t代表时间,j、k分别代表基函数在尺度、位移上变换的大小。
    7.根据权利要求5所述的一种电信号扰动类型的分类识别装置,其特征在于,所述滤波
    器,包括一个低通滤波器h(w)和一个高通滤波器g(w),对变换后的信号作滤波处理,再经过
    一个下采样,分别得到信号的一个低频分量c1,k和一个高频分量d1,k;
    其中,理想低通滤波器表达式为:
    <mrow> <mi>h</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>A</mi> </mtd> <mtd> <mrow> <mo>(</mo> <mo>|</mo> <mi>w</mi> <mo>|</mo> <mo>&le;</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>(</mo> <mo>|</mo> <mi>w</mi> <mo>|</mo> <mo>&GreaterEqual;</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
    式中,wc表示截止频率,A表示幅值变化大??;
    理想高通滤波器表达式为:
    <mrow> <mi>g</mi> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>A</mi> </mtd> <mtd> <mrow> <mo>(</mo> <mo>|</mo> <mi>w</mi> <mo>|</mo> <mo>&GreaterEqual;</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>(</mo> <mo>|</mo> <mi>w</mi> <mo>|</mo> <mo>&le;</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
    式中,wc表示截止频率,A表示幅值变化大??;以低频分量c1,k作为输入,重复之前步骤,
    得到下一个低频分量c2,k和一个高频分量d2,k,重复此过程6次,最后得出{c6,k,d1,k,d2,k,
    d3,k,d4,k,d5,k,d6,k},为所述实际电信号的特征分量;
    对c6,k作以下数学变换,变换公式为:
    <mrow> <mi>E</mi> <mi>a</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mo>|</mo> <msub> <mi>c</mi> <mrow> <mn>6</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow>
    对{d1,k,d2,k,d3,k,d4,k,d5,k,d6,k}分别作以下数学变换,变换公式为:
    <mrow> <msub> <mi>Ed</mi> <mi>j</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mo>|</mo> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow>
    <mrow> <mover> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>&OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow>
    <mrow> <msub> <mi>&sigma;</mi> <mi>j</mi> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <mover> <msub> <mi>d</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>
    式中,T=N/2j,j=1,…,6,最后得到维数为19的优选分类特征向量,

    8.根据权利要求5所述的一种电信号扰动类型的分类识别装置,其特征在于,所述构建
    分类器,利用得到的所述优选分类特征向量,构建分类器y(x),分类器数学表达式为:
    y(x)=sgn(w·xi+b)
    式中,xi表示所述优选分类特征向量;b为可任选的趋近于0的常数,sgn(x)的表达式为:
    <mrow> <mi>sgn</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>x</mi> </mrow> </msup> </mrow> </mfrac> </mrow>
    w为下式计算所得各值的最大值,
    <mrow> <mi>w</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>l</mi> </munderover> <msub> <mi>a</mi> <mi>i</mi> </msub> <mo>-</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>l</mi> </munderover> <msub> <mi>a</mi> <mi>i</mi> </msub> <msub> <mi>a</mi> <mi>j</mi> </msub> <msub> <mi>y</mi> <mi>i</mi> </msub> <msub> <mi>y</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <mi>exp</mi> <mo>(</mo> <mrow> <mo>-</mo> <mi>g</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>j</mi> </msub> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
    式中,l=19,g为分类器的一个变量,yi,j∈{-1,1},ai按以下约束条件取值:0
    ≤ai≤c,c为分类器的另一个变量;
    上述分类器变量c和分类器变量g通过迭代寻找,迭代公式为:
    vi=q·vi-1+p1·r1·(pbest(i-1)-zi-1)+p2·r2·(gbest(i-1)-zi-1)
    zi=zi-1+vi
    式中,i为迭代的次数,q为任选的常量,pbest为变量迭代时的局部极值,gbest为变量
    迭代的全局极值,p1、p2为控制变量变化的常数,r1、r2为[0,1]之间的随机数,vi是指迭代的
    速度,z的取值为变量c和变量g。

    说明书

    一种电信号扰动类型的分类识别方法

    技术领域

    本发明涉及一种电信号扰动类型的分类识别方法,属电信号扰动分类识别技术领
    域。

    背景技术

    目前电能表给出的基本性能指标都是在稳态信号下进行的,但在实际运行工况
    下,线路中的电信号时刻都在变化,因此可能存在各种不同的扰动成分,这些扰动成分会对
    电能表的实际计量性能产生不同影响,为了分析电能表在实际运行工况下的动态测量性
    能,需要先对该运行工况下的电信号进行扰动类型确定,进而得到不同扰动类型对电能表
    计量的具体影响情况,最后提高电能表在实际运行工况下不同电信号扰动的计量准确度。

    发明内容

    本发明的目的是,针对电信号不同扰动类型对电能表计量的影响,为了提高电能
    表在实际运行工况下不同电信号扰动的计量准确度,本发明提出一种电信号扰动类型的分
    类识别方法。

    实现本发明的技术方案如下:一种电信号扰动类型的分类识别方法,通过采集设
    备采集现场的实际电信号,得到离散信号x(n),长度为N;然后对电信号扰动进行特征提取,
    根据所得到离散信号x(n),通过小波变换分析,得出实际电信号的特征分量,再采用滤波器
    对变换后的信号作滤波处理,利用得到的所述优选分类特征向量,构建分类器,完成对电信
    号扰动类型的分类识别。

    一种电信号扰动类型的分类识别方法,所述方法步骤为:

    (1)获取测量现场的实际电信号。

    (2)对电信号扰动进行特征提取。

    (3)通过滤波器将分解后得到的分量分别滤出,对不同频率下的信号进行特征优
    选,得出优选分类特征向量。

    (4)进行电信号扰动的分类识别。

    通过采集设备对现场的实际电信号进行采集,得到离散信号x(n),长度为N;

    所述特征提取,是根据所得到离散信号x(n),通过小波变换分析,得出所述实际电
    信号的特征分量:

    将所述离散信号x(n)与daubechies基函数,进行数学变换,变换公式如下:




    ψj,k(n)=2-j/2ψ(2-jn-k)

    式中,t代表时间,j、k分别代表基函数在尺度、位移上变换的大??;

    所述滤波处理,分别采用一个低通滤波器h(w)和一个高通滤波器g(w)对变换后的
    信号作滤波处理,再经过一个下采样,分别得到信号的一个低频分量c1,k和一个高频分量
    d1,k;

    其中,理想低通滤波器表达式为:


    式中,wc表示截止频率,A表示幅值变化大??;

    理想高通滤波器表达式为:


    式中,wc表示截止频率,A表示幅值变化大??;以低频分量c1,k作为输入,重复之前
    步骤,得到下一个低频分量c2,k和一个高频分量d2,k,重复此过程6次,最后得出{c6,k,d1,k,
    d2,k,d3,k,d4,k,d5,k,d6,k},为所述实际电信号的特征分量;

    对c6,k作以下数学变换,变换公式为:


    对{d1,k,d2,k,d3,k,d4,k,d5,k,d6,k}分别作以下数学变换,变换公式为:




    式中,T=N/2j,j=1,…,6,最后得到维数为19的优选分类特征向量,

    所述构建分类器,利用得到的所述优选分类特征向量,构建分类器y(x),分类器数
    学表达式为:

    y(x)=sgn(w·xi+b)

    式中,xi表示所述优选分类特征向量;b为可任选的趋近于0的常数,sgn(x)的表达
    式为:


    w为下式计算所得各值的最大值,


    式中,l=19,g为分类器的一个变量,yi,j∈{-1,1},ai按以下约束条件取值:
    0≤ai≤c,c为分类器的另一个变量;

    上述分类器变量c和分类器变量g通过迭代寻找,迭代公式为:

    vi=q·vi-1+p1·r1·(pbest(i-1)-zi-1)+p2·r2·(gbest(i-1)-zi-1)

    zi=zi-1+vi

    式中,i为迭代的次数,q为任选的常量,pbest为变量迭代时的局部极值,gbest为
    变量迭代的全局极值,p1、p2为控制变量变化的常数,r1、r2为[0,1]之间的随机数,vi是指迭
    代的速度,z的取值为变量c和变量g。

    本发明一种电信号扰动类型的分类识别装置,所述装置包括采集设备、特征提取
    ???、滤波器、分类识别???。采集设备对现场的实际电信号进行采集,得到离散信号;特征
    提取??楦菟玫嚼肷⑿藕?,通过小波变换分析,得出所述实际电信号的特征分量;滤波
    器包括一个低通滤波器和一个高通滤波器,对变换后的信号作滤波处理;分类识别??槔?br />用得到的优选分类特征向量构建分类器,由分类器对经过处理的电信号扰动进行分类识
    别。

    本发明的有益效果在于,本发明采用分解信号的方法,通过一组滤波器将分解后
    得到的分量分别滤出,对不同频率下的信号进行特征优选,最后得出优选分类特征向量。本
    发明中分类器的参数采用迭代方式,找寻最优分类器变量取值,克服了以往变量预先设定
    好定值从而造成了分类识别精度低的缺点。本发明方法对实际运行工况下的电信号扰动具
    有良好的分类识别效果。

    附图说明

    图1为本发明电信号扰动分类识别的整体流程图;

    图2为电信号扰动特征提取的流程图;

    图3为本发明一种电信号扰动类型的分类识别装置的结构框图。

    具体实施方式

    本发明的具体实施方式如图3和图1所示。

    如图3所示。本实施例一种电信号扰动类型的分类识别装置包括采集设备、特征提
    取???、滤波器、分类识别???。采集设备对现场的实际电信号进行采集,得到离散信号;特
    征提取??楦菟玫嚼肷⑿藕?,通过小波变换分析,得出所述实际电信号的特征分量;滤
    波器包括一个低通滤波器和一个高通滤波器,对变换后的信号作滤波处理;分类识别???br />利用得到的优选分类特征向量构建分类器,由分类器对经过处理的电信号扰动进行分类识
    别。

    图1为本发明实施例电信号扰动分类识别的整体流程图,首先通过采集设备采集
    现场实际电信号,得到离散信号x(n),长度为N;将所述离散信号x(n)与daubechies基函数,
    进行数学变换,经过电信号扰动的特征提取,得出实际电信号的特征分量。对实际电信号的
    特征分量的数学变换,得出优选分类特征向量。本发明构建分类器,通过对分类器变量c和g
    进行迭代寻优,找寻最优分类器变量取值。

    本实施例电信号扰动分类识别具体步骤如下:

    步骤1、获取测量现场的实际电信号

    本实施例通过采集设备对某特殊负荷现场进行2000次采集,每次采集10个周波,
    每个周波采集128个点,采样频率为6.4KHz,每次采集信号的采样点数共计1280,采集波形
    中可能存在电压暂升、电压暂降、电压中断、谐波、振荡暂态、电压波动六种扰动类型;

    步骤2、电信号扰动的特征提取

    电信号扰动特征提取的步骤为,首先用daubechies函数对信号x(t)进行分解,
    分解公式为,




    ψj,k(n)=2-j/2ψ(2-jn-k)

    接着,分别采用一个低通滤波器h(w)和一个高通滤波器g(w)对变换后的信号作滤
    波处理,再经过一个下采样,分别得到了信号的一个低频分量c1,k和一个高频分量d1,k;以低
    频分量c1,k作为输入,重复之前步骤,得到下一个低频分量c2,k和一个高频分量d2,k,重复此
    过程6次,最后得出{c6,k,d1,k,d2,k,d3,k,d4,k,d5,k,d6,k},作为所述实际电信号的特征分量;如
    图2所示;

    步骤3、得出优选分类特征向量

    对c6,k作以下数学变换,变换公式为:


    对{d1,k,d2,k,d3,k,d4,k,d5,k,d6,k}分别作以下数学变换,变换公式为:




    式中,T=N/2j,j=1,…,6,最后得到维数为19的优选分类特征向量,
    即优选分类特征向量样本为
    2000×19的矩阵;

    步骤4、电信号扰动的分类识别

    将大小为2000×19的优选分类特征向量样本输入到分类器中,在分类器分类时,
    分类器变量c和变量g采用迭代寻优方法,公式为:

    vi=q·vi-1+p1·r1·(pbest(i-1)-zi-1)+p2·r2·(gbest(i-1)-zi-1)

    zi=zi-1+vi

    在迭代寻优过程中,设置p1=1.6,p2=1.8,q=1,v的初始值设置为3,变量c和变量
    g的变化范围为[0.5,512],变量c和变量g同时变化的个数设为30,最大寻优迭代次数i为50
    次,得到最优分类面的变量c和变量g的值分别为57.7957和4.8808,最后得到最佳分类器y
    (x)。

    关于本文
    本文标题:一种电信号扰动类型的分类识别方法.pdf
    链接地址://www.4mum.com.cn/p-6092866.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 博彩娱乐网 新疆十一选五预测号码推荐 伯乐彩票苹果 南粤36选7走势图带坐标 山西省新11选5 英超直播哪里看 用电脑电话怎么赚钱 快速赛车大小计划 cs真人游戏室 点广告赚钱骗局诺比邻 广西快乐双彩最新开奖 浙江11选5开奖走势图 电子游戏试玩网站 多赢彩票首页 江西快3规则 棋牌手游赌博