一种局部放电信号去噪的新方法

     摘要：小波变换是在局部放电信号去噪过程中常用的方法，由于实际信号中噪声频带较宽，仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解( EmpircialMode Decomposition，EMD)引入小波阈值去噪算法中，提出了一种基于EMD的小波阈值去噪算法，信号经EMD变换后被分解成若干个频率的本征模态函数( IntrinsicMode Function，IMF)，再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法，该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。

　　局部放电(以下简称局放)信号的去噪一直是局放检测中的难点和重点问题，在局放在线检测和实时信号处理中，现场信号中的干扰按时域信号特征可分为3类: 连续的周期性窄带干扰，脉冲干扰，白噪声干扰。其中周期性窄带干扰包括高次谐波、高频保护、载波通信以及无线电通信等，是主要的干扰噪声; 脉冲干扰可分为随机脉冲干扰和周期性脉冲干扰; 白噪声包括各种随机噪声。为了清除这些噪声,国内外学者提出许多抗干扰方法，如时频转换、数字滤波、快速傅里叶变换、小波滤波等，其中以小波滤波去噪效果。但是，当现场噪声较大且淹没了有用信号时，采用小波去噪其效果也不理想。

　　本文利用EMD 的自适应能力对含噪的局放信号进行EMD分解，在对分解后产生的各个IMF量进行分析后，提出了基于经验模态分解的小波阈值去噪方法。实验结果表明，该方法不仅提高了去噪能力，而且能保留更多的局放信号的特征。

　　1.经验模态分解

　　经验模态分解方法将一个复杂的信号分解为若干各本征模函数( IMF)之和，通过下面步骤对任何复杂信号x ( t)进行分解:

　　( 1) 确定信号x ( t )的所有局部极值点，用3次样条线分别将所有的局部极大值点和局部极小值点连接起来形成上、下包络线，上下包络线的平均值记为m1，则：

点击全文PDF：