CN109374119A - 变压器振动信号特征量提取方法 - Google Patents
变压器振动信号特征量提取方法 Download PDFInfo
- Publication number
- CN109374119A CN109374119A CN201811150393.9A CN201811150393A CN109374119A CN 109374119 A CN109374119 A CN 109374119A CN 201811150393 A CN201811150393 A CN 201811150393A CN 109374119 A CN109374119 A CN 109374119A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- transformer
- signal
- characteristic
- kurtosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种变压器振动信号特征量提取方法,本方法运用快速谱峭度图法求滤波器参数,设计滤波器对原始振动信号进行滤波;然后运用改进经验模态分解法分解信号得到一系列固有模态函数,运用相关系数法求各固有模态函数分量与原始信号的相关系数,提取敏感固有模态函数,并对敏感固有模态函数进行重构;最后提取重构后的变压器振动信号特征频率、峭度、幅值、均值构成振动信号特征向量;通过与正常特征向量对比判断变压器状态。
Description
技术领域
本发明涉及变压器故障检测领域,具体地,涉及基于快速谱峭度图法、改进集合经验模式分解与相关系数法的变压器振动信号特征量提取方法。
背景技术
基于变压器振动信号的诊断技术研究主要分为仿真建模与实验研究、信号处理两大方向。在信号处理方面,傅里叶变换是信号频域分析的基础,反映信号全局频率的分布规律,有研究者提出基于变压器振动信号基频占比以及高次谐波占比等作为变压器状态诊断的特征量。随着信号处理技术的进一步发展,学者提出基于经验模态分解的希尔伯特黄变换和基于小波变换的时频分析法。时频谱主要是监测信号在时间轴上的突变,变压器状态的改变多为异常分量长期累积的过程,在该过程中信号仍是一个不规则的周期信号,并且振动信号频率分布规律不随时间变化,时频谱分析仍然存在一定局限性。另外,现有的变压器振动特征量提取技术很少考虑信号的消噪。
发明内容
本发明提出基于快速谱峭度图法、改进集合经验模式分解与相关系数法的变压器振动信号特征量提取方法。该方法可以有效减小低频振动信号干扰,并可同时反应频域与时域峰值特征。
为实现上述发明目的,本申请提供了本发明的目的是提供一种基于快速谱峭度图法、改进集合经验模式分解与相关系数法的变压器振动信号特征量提取方法。
本方法对信号进行处理后,提取振动信号的频率、峭度、幅值、均值特征,构成特征向量;提取指定变压器正常、故障状态下的振动信号特征向量,通过特征向量对比实现故障判别;其特征在于:通过滤波、重构后的信号可去除大量干扰成分,有效减小低频振动信号干扰;由重构信号的特征频率、峭度、幅值与均值构成特征向量,可同时反应频域与时域峰值特征;本方法能够消除原始振动信号的低频与高频干扰,提高信号的可信度与利用率;同时考虑变压器振动信号时域和频域多特征量对变压器状态进行识别,从多个角度对信号进行判断,提高准确性。
上述目的通过以下技术方案实现:
一种基于快速谱峭度图法、改进集合经验模式分解与相关系数法的变压器振动信号特征量提取方法,包括如下步骤:
步骤1:变压器振动信号消噪处理
步骤1.1:截取一段变压器振动信号,运用快速峭度图对变压器振动信号进行计算,选取结果图中最大普峭度值SK值所对应的fc和Bw作为滤波参数,设计滤波器对信号进行滤波,去除干扰成分。
步骤1.2:对滤波后的信号进行改进经验模态分解,得一系列固有模态函数分量。
步骤1.2中所述的改进集合经验模式分解是一种将白噪声作为辅助来处理数据的方法。其主要过程:将高斯白噪声均匀地加在分析信号上,利用白噪声频谱的均匀分布使不同时间尺度的待分析信号自动分布到适当的参考尺度上。然后,根据白噪声的零均值特性,经过多次平均使加入的白噪声消除,则整体平均值为最终结果。
步骤1.3:运用相关系数法求敏感固有模态函数分量,对敏感固有模态函数分量进行重构。
步骤2:变压器振动信号特征量提取与故障诊断
步骤2.1:求步骤1.3中重构后的振动信号的特征频率、峭度、幅值、均值特征量,并构成振动信号的特征向量。重构后的信号可消除原始振动信号的低频与高频干扰,提高信号的可信度与利用率;同时考虑变压器振动信号时域和频域多特征量对变压器状态进行识别,从多个角度对信号进行判断,提高准确性。
步骤2.1中所述的特征量定义如下:
(1)特征频率:指变压器铁心、绕组振动信号基频为100Hz,由于非线性影响因素导致 200、300Hz等倍频分量的产生。当变压器铁心和绕组故障时,主频率发生变化,因此本发明将振动信号频谱中幅值较大的频率定义为特征频率。
(2)峭度:峭度是反映波形尖峰度的数学统计量,为无量纲参数,可描述信号的分布特性。峭度用字母K表示,其定义为:
其中,μ为信号x的均值,σ为信号x的标准差,E(t)代表变量t的期望值。当变压器状态变化时,振动信号的波形尖峰度也会产生相应的改变。
(3)幅值:变压器振动信号是周期信号,其幅值也是反映运行状态的重要参数(单位为 g,重力加速度),研究表明变压器异常运行时幅值会发生改变。
(4)均值:对于变压器振动信号,均值可以反映波形的对称程度(单位为g,重力加速度),标准的正弦信号均值为0,振动信号均值越接近0则认为该信号正负半周对称性良好,畸变的程度较小。
步骤2.2:将同一台变压器故障状态的振动信号特征向量与正常振动信号的特征向量对比,得到故障特征量的变化趋势。
步骤2.3:对于未知运行状态的变压器,可通过上述步骤提取振动信号特征向量与正常状态下的相对比,判断其是否出现异常。
本申请提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.本发明采用的快速谱峭度图法可快速求得信号的最优滤波参数;采用的改进经验模态分解克服了传统经验模态分解模态混叠的缺陷,有效地将振动信号分解为不同频率的固有模态函数分量;相关系数法可正确提取敏感固有模态函数。经过滤波与敏感固有模态函数分量重构后的变压器振动信号保留了重要分量,滤除了大部分的低频、高频干扰成分,使信号频谱能量聚集性更好,倍频分辨率更高。
2.本发明完善了现有变压器振动信号分析方法中对信号的消噪处理工作,对变压器振动信号特征的准确提取具有重要意义。
3.本发明方法提取得到的振动信号频率-峭度-幅值-均值特征向量包含了变压器振动的时频特性,有利于完备的反映信号特征。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定;
图1是变压器振动信号特征量提取方法的流程图;
图2a是试验变压器正常振动信号的时域波形图;
图2b是试验变压器正常振动信号的频谱图;
图3是试验变压器正常振动信号经过滤波后的时域波形;
图4a、4b是试验变压器正常振动信号经过改进经验模式分解后得到的一系列固有模态函数分量示意图;
图5是试验变压器正常振动信号通过敏感固有模态函数分量重构后的时域波形;
图6是试验变压器正常振动信号重构信号的频谱图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在相互不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述范围内的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施案例:
采用PCB356A16压电式加速度传感器以及NI9234数据采集仪对一台型号为S11-M-10/10 的变压器样机进行振动信号测试,采样频率为25.6kHz。提取试验变压器空载振动信号特征量,空载时二次绕组无电流,一次绕组电流很小,此时主要为铁心振动。位于正面中部的测点能够以最短的路径获取高、低压侧的振动信息,为最佳监测点,图2a-b是该点振动信号原始波形及频谱图。
图2a中,铁心振动信号波形畸变较严重,这是由于环境中干扰信号叠加以及铁心材料的非线性导致铁心振动信号产生低频分量以及基频的倍频分量。据频谱图可知,原振动信号存在<50Hz的低频干扰分量,存在少量基频的倍频分量。
以测点振动信号的4000个数据为一个数据段,根据该数据段快速谱峭度图法分解结果,确定滤波参数:带宽为Bw=6400Hz,中心频率fc=9600Hz,据此设计滤波器。图3是试验变压器正常振动信号经过滤波后的时域波形。对图3中的波形进行改进经验模式分解,图4a-b 是试验变压器正常振动信号经过改进经验模式分解后得到的一系列固有模态函数分量示意图。
运用相关系数法求图4a、4b中固有模态函数分量与原信号的相关系数,结果如表1所示。从表1可知,相关系数>0.5的有:固有模态函数5、固有模态函数6、固有模态函数7。因此选取这三个分量为敏感分量,对信号进行重构。图5是试验变压器正常振动信号通过敏感固有模态函数分量重构后的时域波形,与图3对比波形更光滑、清晰。
表1固有模态函数与原信号的相关系数
对图5中的重构信号求包络谱,图6是试验变压器正常振动信号重构信号的频谱图,可知该变压器空载正常运行时的特征频率f=100Hz,与图2b对比消除低频干扰,能量聚集性更高。对图5的重构信号求峭度(用k表示,无量纲)、幅值(用m表示,单位:g)、均值 (用q表示,单位:g),计算结果分别为:k=2.64,m=0.0069g,q=4.9×10-5g。综合四个参数构成试验变压器正常空载运行时振动信号的特征向量:
Tkz=[100 2.64 0.0069 4.9×10-5]
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.变压器振动信号特征量提取方法,其特征在于,所述方法包括:
步骤1:截取一段变压器振动信号,利用滤波器对截取的信号进行滤波;对滤波后的信号进行改进经验模态分解,得一系列固有模态函数分量;运用相关系数法求敏感固有模态函数分量,对敏感固有模态函数分量进行重构;
步骤2:将重构后的振动信号的特征频率、峭度、幅值、均值特征量,并构成振动信号的特征向量;将同一台变压器故障状态的振动信号特征向量与正常振动信号的特征向量进行对比,得到故障特征量的变化趋势;对于未知运行状态的变压器,将未知运行状态变压器对应的振动信号特征向量与正常振动信号的特征向量进行对比,得到未知运行状态的变压器特征量的变化趋势;将未知运行状态的变压器特征量的变化趋势与故障特征量的变化趋势进行比较,判断未知运行状态的变压器是否出现异常。
2.根据权利要求1所述的变压器振动信号特征量提取方法,其特征在于,截取一段变压器振动信号,运用快速峭度图对变压器振动信号进行计算,选取结果中最大谱峭度值SK值所对应的fc和Bw作为滤波参数,设计滤波器对截取的信号进行滤波。
3.根据权利要求1所述的变压器振动信号特征量提取方法,其特征在于,所述对滤波后的信号进行改进经验模态分解,得一系列固有模态函数分量,具体包括:
将高斯白噪声均匀地加在分析信号上,利用白噪声频谱的均匀分布使不同时间尺度的待分析信号自动分布到适当的参考尺度上;根据白噪声的零均值特性,经过多次平均使加入的白噪声消除,则原分析信号与白噪声的整体平均值为该分析信号的最终结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811150393.9A CN109374119A (zh) | 2018-09-29 | 2018-09-29 | 变压器振动信号特征量提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811150393.9A CN109374119A (zh) | 2018-09-29 | 2018-09-29 | 变压器振动信号特征量提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109374119A true CN109374119A (zh) | 2019-02-22 |
Family
ID=65403092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811150393.9A Pending CN109374119A (zh) | 2018-09-29 | 2018-09-29 | 变压器振动信号特征量提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109374119A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110376455A (zh) * | 2019-06-26 | 2019-10-25 | 深圳供电局有限公司 | 变压器工作状态检测方法、装置、计算机设备和存储介质 |
CN111504450A (zh) * | 2020-04-28 | 2020-08-07 | 郑州恩普特科技股份有限公司 | 一种设备故障报警方法及装置 |
CN112151249A (zh) * | 2020-08-26 | 2020-12-29 | 国网安徽省电力有限公司检修分公司 | 用于变压器的主动降噪方法、***及存储介质 |
CN112231624A (zh) * | 2020-09-16 | 2021-01-15 | 中电电气(江苏)变压器制造有限公司 | 基于物联网的多变压器绕组抗短路能力的实时评估*** |
CN112379221A (zh) * | 2020-10-20 | 2021-02-19 | 华北电力大学 | 一种利用l2相似的变压器运行状态振声检测方法和*** |
CN112881839A (zh) * | 2021-01-22 | 2021-06-01 | 上海电力大学 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
CN113268924A (zh) * | 2021-05-18 | 2021-08-17 | 国网福建省电力有限公司电力科学研究院 | 基于时频特征的变压器有载分接开关故障识别方法 |
CN116296329A (zh) * | 2023-03-14 | 2023-06-23 | 苏州纬讯光电科技有限公司 | 一种变压器铁芯机械状态诊断方法、设备及介质 |
CN116861219A (zh) * | 2023-09-01 | 2023-10-10 | 华能新能源股份有限公司山西分公司 | 一种风电机组变桨故障诊断方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006250818A (ja) * | 2005-03-11 | 2006-09-21 | Toenec Corp | 電気設備診断システム |
US20070078611A1 (en) * | 2005-09-30 | 2007-04-05 | Usa As Represented By The Administrator Of The National Aeronautics And Space Administration | System and method of analyzing vibrations and identifying failure signatures in the vibrations |
CN102519581A (zh) * | 2011-12-21 | 2012-06-27 | 浙江大学 | 一种电力变压器振动信号的分离方法 |
US8798399B2 (en) * | 2008-10-10 | 2014-08-05 | National Central University | Data decomposition method and computer system therefrom |
CN105157821A (zh) * | 2015-08-30 | 2015-12-16 | 华电电力科学研究院 | 一种旋转机械振动故障诊断及定量分析方法 |
CN105547465A (zh) * | 2015-12-08 | 2016-05-04 | 华北电力大学(保定) | 一种变压器振动信号绕组状态特征提取方法 |
CN105698922A (zh) * | 2016-02-04 | 2016-06-22 | 国网福建省电力有限公司 | 基于改进emd和谱峭度法变压器振动故障特征提取方法 |
CN106646096A (zh) * | 2016-11-15 | 2017-05-10 | 国网四川省电力公司广安供电公司 | 基于振动分析法的变压器故障分类和识别方法 |
CN106895906A (zh) * | 2017-03-23 | 2017-06-27 | 西安理工大学 | 一种水轮发电机组振动故障的特征提取方法 |
CN106997458A (zh) * | 2017-03-17 | 2017-08-01 | 中国人民解放军陆军航空兵研究所 | 一种基于eemd‑cwd的设备振动信号特征提取方法 |
-
2018
- 2018-09-29 CN CN201811150393.9A patent/CN109374119A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006250818A (ja) * | 2005-03-11 | 2006-09-21 | Toenec Corp | 電気設備診断システム |
US20070078611A1 (en) * | 2005-09-30 | 2007-04-05 | Usa As Represented By The Administrator Of The National Aeronautics And Space Administration | System and method of analyzing vibrations and identifying failure signatures in the vibrations |
US8798399B2 (en) * | 2008-10-10 | 2014-08-05 | National Central University | Data decomposition method and computer system therefrom |
CN102519581A (zh) * | 2011-12-21 | 2012-06-27 | 浙江大学 | 一种电力变压器振动信号的分离方法 |
CN105157821A (zh) * | 2015-08-30 | 2015-12-16 | 华电电力科学研究院 | 一种旋转机械振动故障诊断及定量分析方法 |
CN105547465A (zh) * | 2015-12-08 | 2016-05-04 | 华北电力大学(保定) | 一种变压器振动信号绕组状态特征提取方法 |
CN105698922A (zh) * | 2016-02-04 | 2016-06-22 | 国网福建省电力有限公司 | 基于改进emd和谱峭度法变压器振动故障特征提取方法 |
CN106646096A (zh) * | 2016-11-15 | 2017-05-10 | 国网四川省电力公司广安供电公司 | 基于振动分析法的变压器故障分类和识别方法 |
CN106997458A (zh) * | 2017-03-17 | 2017-08-01 | 中国人民解放军陆军航空兵研究所 | 一种基于eemd‑cwd的设备振动信号特征提取方法 |
CN106895906A (zh) * | 2017-03-23 | 2017-06-27 | 西安理工大学 | 一种水轮发电机组振动故障的特征提取方法 |
Non-Patent Citations (5)
Title |
---|
丁巧林: "《变压器振动信号模态特征提取及分析》", 《电测与仪表》 * |
彭畅: "《基于EEMD、度量因子和快速峭度图的滚动轴承故障诊断方法》", 《振动与冲击》 * |
李晚晴: "《基于振动信号分析的电力变压器状态检修***研究》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
蒋超: "《基于快速谱峭度图的EEMD内禀模态分量选取方法》", 《振动.测试与诊断》 * |
陈仁祥: "《基于相关系数的EEMD转子振动信号降噪方法》", 《振动、测试与诊断》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110376455A (zh) * | 2019-06-26 | 2019-10-25 | 深圳供电局有限公司 | 变压器工作状态检测方法、装置、计算机设备和存储介质 |
CN110376455B (zh) * | 2019-06-26 | 2021-11-16 | 深圳供电局有限公司 | 变压器工作状态检测方法、装置、计算机设备和存储介质 |
CN111504450A (zh) * | 2020-04-28 | 2020-08-07 | 郑州恩普特科技股份有限公司 | 一种设备故障报警方法及装置 |
CN112151249A (zh) * | 2020-08-26 | 2020-12-29 | 国网安徽省电力有限公司检修分公司 | 用于变压器的主动降噪方法、***及存储介质 |
CN112151249B (zh) * | 2020-08-26 | 2024-04-02 | 国网安徽省电力有限公司检修分公司 | 用于变压器的主动降噪方法、***及存储介质 |
CN112231624A (zh) * | 2020-09-16 | 2021-01-15 | 中电电气(江苏)变压器制造有限公司 | 基于物联网的多变压器绕组抗短路能力的实时评估*** |
CN112231624B (zh) * | 2020-09-16 | 2024-03-26 | 中电电气(江苏)变压器制造有限公司 | 基于物联网的多变压器绕组抗短路能力的实时评估*** |
CN112379221A (zh) * | 2020-10-20 | 2021-02-19 | 华北电力大学 | 一种利用l2相似的变压器运行状态振声检测方法和*** |
CN112881839B (zh) * | 2021-01-22 | 2022-10-25 | 上海电力大学 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
CN112881839A (zh) * | 2021-01-22 | 2021-06-01 | 上海电力大学 | 基于频率集中度和振动平稳性互信息的变压器诊断方法 |
CN113268924B (zh) * | 2021-05-18 | 2023-01-31 | 国网福建省电力有限公司电力科学研究院 | 基于时频特征的变压器有载分接开关故障识别方法 |
CN113268924A (zh) * | 2021-05-18 | 2021-08-17 | 国网福建省电力有限公司电力科学研究院 | 基于时频特征的变压器有载分接开关故障识别方法 |
CN116296329A (zh) * | 2023-03-14 | 2023-06-23 | 苏州纬讯光电科技有限公司 | 一种变压器铁芯机械状态诊断方法、设备及介质 |
CN116296329B (zh) * | 2023-03-14 | 2023-11-07 | 苏州纬讯光电科技有限公司 | 一种变压器铁芯机械状态诊断方法、设备及介质 |
CN116861219A (zh) * | 2023-09-01 | 2023-10-10 | 华能新能源股份有限公司山西分公司 | 一种风电机组变桨故障诊断方法 |
CN116861219B (zh) * | 2023-09-01 | 2023-12-15 | 华能新能源股份有限公司山西分公司 | 一种风电机组变桨故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109374119A (zh) | 变压器振动信号特征量提取方法 | |
Angrisani et al. | Wavelet network-based detection and classification of transients | |
Boczar et al. | Diagnostic expert system of transformer insulation systems using the acoustic emission method | |
Dong et al. | Non-iterative denoising algorithm for mechanical vibration signal using spectral graph wavelet transform and detrended fluctuation analysis | |
CN107209512B (zh) | 用于机器的声学或振动分析的学习阶段的方法、***及计算机程序 | |
CN110333285B (zh) | 基于变分模态分解的超声兰姆波缺陷信号识别方法 | |
CN107957566A (zh) | 基于频率选择奇异谱分析的磁共振测深信号提取方法 | |
CN108229382A (zh) | 振动信号特征提取方法、装置、存储介质和计算机设备 | |
CN108387887A (zh) | 一种水声信号的混合降噪方法 | |
CN109684898A (zh) | 航空发动机及其振动信号盲分离方法和装置 | |
CN107064846A (zh) | 局部放电带电检测装置的灵敏度检测方法和装置 | |
Xu et al. | An adaptive spectrum segmentation method to optimize empirical wavelet transform for rolling bearings fault diagnosis | |
Altay et al. | Signal-to-noise ratio and mean square error improving algorithms based on newton filters for measurement ECG data processing | |
CN102988041A (zh) | 心磁信号噪声抑制中的信号选择性平均方法 | |
Cicone et al. | Jot: a variational signal decomposition into jump, oscillation and trend | |
CN110057918A (zh) | 强噪声背景下的复合材料损伤定量识别方法及*** | |
Li et al. | A new denoising method based on decomposition mixing of hydro-acoustic signal | |
Liao et al. | Recognizing noise-influenced power quality events with integrated feature extraction and neuro-fuzzy network | |
Xu et al. | Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum | |
Xu et al. | Application of fast singular spectrum decomposition method based on order statistic filter in rolling bearing fault diagnosis | |
CN116399948B (zh) | 一种水闸混凝土底板局部脱空监测方法及*** | |
CN111272875A (zh) | 一种基于振动声音信号的苹果脆度无损检测方法 | |
Zou et al. | Toward accurate extraction of bearing fault modulation characteristics with novel time–frequency modulation bispectrum and modulation Gini index analysis | |
Khodaparast et al. | Emd-prony for phasor estimation in harmonic and noisy condition | |
Nannan | The application of an improved wavelet threshold function in de-noising of heart sound signal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |